「教師あり・教師なしって何?」
「たくさん覚えるほど賢いの?」
機械学習とは、データからパターンやルールをコンピュータ自身が学び取るAIの技術です。人がルールを1つずつ書く従来のやり方と、ここが正反対です。この言葉には誤解がつきまとうので、まず思い込みをほどくところから始めます。
この記事では、「ルールは人が書く」という誤解を入り口に、AIとの入れ子関係、学び方の3種類、そして「覚えすぎ」という落とし穴を順にほどきます。最後にG検定での問われ方まで示します。読み終えるころには、ニュースで見る「機械学習」がすっきり整理されているはずです。
1. 「ルールを書く」から「ルールを学ぶ」へ
最初にほどきたい誤解が、「機械学習も、結局は人がルールを細かく書いている」というものです。実際は逆で、ルールそのものをデータから見つけさせるのが機械学習です。
従来のプログラムは、「差出人がこの文字列なら迷惑メール」と、人が条件を1つずつ書いていました。機械学習では、大量の迷惑メールと普通のメールを見せ、どこが違うのかをコンピュータ自身に探させます。あなたが特徴を教えなくても、データの中から「迷惑メールらしさ」を掴んでいく。ここが決定的な違いです。
あなたが普段使う、迷惑メールの振り分けや動画のおすすめ表示も、この学び方が土台です。人が全条件を書ききれない複雑な判断ほど、機械学習の出番になります。
2. AI・機械学習・ディープラーニングは入れ子
次の誤解が、「AIと機械学習は同じもの」という混同です。正しくは、大きいものが小さいものを含む入れ子の関係になっています。
- AI（人工知能） — 人間の知的なふるまいをコンピュータで実現する技術全体
- 機械学習 — AIを実現する手法の1つ。データから学ぶアプローチ
- ディープラーニング — 機械学習の手法の1つ。脳をまねた仕組みを使う
つまり AI ＞ 機械学習 ＞ ディープラーニング という包含です。いちばん広いAIの中に機械学習があり、その内側にディープラーニングがある。3重の円を思い浮かべると、関係が崩れません。脳をまねた仕組みの中身は ニューラルネットワークとは で、その積み重ねである ディープラーニングとは で確認できます。
3. 学び方は3種類ある
機械学習は、学び方で大きく3つに分かれます。あなたが教材で見かける手法も、たいていこのどれかです。まず表で押さえてください。
| 種類 | 学び方 | 代表例 |
|---|---|---|
| 教師あり学習 | 答え（正解ラベル）付きのデータで学ぶ | 迷惑メール判定・売上予測 |
| 教師なし学習 | 答えのないデータから構造やまとまりを見つける | 顧客のグループ分け（クラスタリング） |
| 強化学習 | 試行錯誤し、良い結果に報酬を与えて行動を学ぶ | 囲碁・将棋のAI・ロボット制御 |
混同しやすいのが教師ありと教師なしです。答えを見せて当てさせるのが教師あり、答えを見せずに構造を見つけさせるのが教師なし、と切り分けてください。両者の詳しい違いは 教師あり学習と教師なし学習とは で並べて解説しています。
もう一歩だけ踏み込むと、教師あり学習はさらに分類と回帰に分かれます。「犬か猫か」のようにカテゴリを当てるのが分類、「明日の気温は何度か」のように連続した数値を当てるのが回帰です。答えがカテゴリなのか数値なのか、で見分けられます。あなたが試験で取り違えやすいのもこの2つなので、回帰と分類とは で具体例つきに固めておくと安心です。
4. つまずきの正体は「覚えすぎ」
3つ目の誤解が、「たくさん覚えるほど賢くなる」です。機械学習では、覚えすぎるとかえって弱くなるという逆転が起きます。ここが初学者の最大のつまずきです。
キーワードは2つ。汎化は、学習に使っていない新しいデータにもうまく対応できる力。機械学習が目指すゴールです。過学習は、学習データに合わせすぎて、新しいデータに弱くなった状態を指します。
あなたがこの逆転を知っていると、「精度が高い＝良いモデル」と単純に喜ばない目が育ちます。学習データでの高得点は、丸暗記かもしれない。本当に問うべきは、見たことのないデータでどれだけ通用するかです。この視点は、性能をどう測るかという モデル評価とは の話につながります。
5. G検定での問われ方と、学ぶ順序
受験指導をしていると、ここでつまずく人がとても多い分野です。G検定では、「この事例はどの学習方法か」を選ばせる形が定番です。あなたは、事例を3種類のどれに振り分けるかを、素早く判断できるようにしておきましょう。
頻出の角度を、先に押さえておくと得点が安定します。
- 「正解ラベル付きで学ぶのはどれか」 → 教師あり学習
- 「顧客をグループ分けする手法は」 → 教師なし学習（クラスタリング）
- 「学習データには強いが未知データに弱い状態は」 → 過学習
学ぶ順序としては、まずこの記事で全体像をつかみ、次に混同しやすい教師あり／なしを固め、分類と回帰の違いまで押さえてから、ディープラーニングやニューラルネットワークへ降りていくのが無理のない道です。土台の「データから学ぶ仕組み」さえ腑に落ちれば、この先の専門用語は枝分かれとして整理できます。焦って難しい用語から入ると全体像を見失いがちなので、あなたはこの順で足場を固めるのが得策です。
次のステップ
機械学習がG検定でどう問われるかを含めた全体像は、G検定の試験範囲と勉強法ガイド で俯瞰できます。「機械学習の概要」の位置づけを先に掴むと、学習の優先順位が立てやすくなります。
知識が身についたか確かめたいなら、G検定 機械学習の問題集 で、事例を分類する設問に手を動かしておくのが近道です。