機械学習とは
機械学習（きかいがくしゅう）とは、AI（人工知能）を実現するための主要な技術の一つで、コンピュータに大量のデータ（経験）を読み込ませ、そのデータの中に潜む共通のパターンやルールを自動的に見つけ出させる（学習させる）手法です。
人間がルールを細かくプログラミングするのではなく、コンピュータ自身に「勉強」をさせる点が特徴です。例えば、子供がたくさんの犬の写真を見るうちに、「耳が垂れていて鼻が黒いのが犬だ」と自分で特徴を覚えていくのと同じように、コンピュータもデータから特徴を学び、初めて見るデータに対しても「これは犬である可能性が90%だ」といった予測ができるようになります。
具体例
メールサービスが提供している「迷惑メールの自動振り分け機能」に機械学習が使われています。
- 過去に数百万人のユーザーが「迷惑メール」として報告したメールと、「通常のメール」のデータを機械学習システムに読み込ませます。
- コンピュータは「『無料』『当選』『口座確認』といった単語が特定の並びで含まれているメールは迷惑メールである確率が高い」というルールを自動で学習します。
- 新しく届いたメールに対して学習したルールを適用し、自動的に迷惑メールフォルダへ移動させます。
もう少し詳しく
機械学習（Machine Learning）は、学習の手法によって大きく3つに分類されます。1つ目は、入力データと「正解ラベル（教師データ）」をセットで与えて学習させ、未知のデータの分類や予測を行う「教師あり学習」です。2つ目は、正解ラベルなしのデータからデータの構造やグループを自動で分類する「教師なし学習（クラスタリングなど）」です。3つ目は、コンピュータ（エージェント）が環境の中で試行錯誤を繰り返し、最も良い結果（報酬）が得られる行動パターンを学習する「強化学習（ゲームのAIや自動運転の制御など）」です。これらの手法は、予測したい目的や用意できるデータの種類に応じて選択され、現代のビジネスデータ分析や予測システムの根底を支えています。過去の大量データを学習アルゴリズムに流し込み、予測や分類を行うための数式モデルを決定します。その後、構築したモデルに新しいデータを入力することで、高精度な予測値を出力します。
試験でのポイント
試験におけるポイントは、機械学習の3つのアプローチ（教師あり学習、教師なし学習、強化学習）の定義と具体例を正しく区別できるようにすることです。例えば「迷惑メールの分類」や「住宅価格の予測」は正解データがあるため「教師あり学習」であり、「顧客データを購買傾向ごとにグループ分けする」のは「教師なし学習」である、といった事例との紐づけが問われます。また、機械学習の高度な発展形として、ニューラルネットワークを多層にした「ディープラーニング」があることも必須知識です。「教師あり学習」「教師なし学習」「強化学習」の3種類の学習モデルの定義と適用例を正しく紐付けられるようにすることが重要です。
関連する用語
AI、教師あり学習、教師なし学習、強化学習、ディープラーニング、ニューラルネットワーク