伴菜と美月のAI用語集
美月の「これってどういう意味？」
美月：「ハンナ、AIの説明で『機械学習』って出てきたよね。機械が勉強するって、どういうことなの？」
伴菜：「機械学習は英語で Machine Learning、略してMLと呼ばれるの。コンピューターがデータからパターンや規則性を学び、それを使って予測や判断をする技術なのよ」
美月：「人間が一つずつルールを教えなくてもいいの？」
伴菜：「そういうこと。例えば迷惑メールを判定するとき、人間が『この単語が入っていたら迷惑メール』というルールを全部書く代わりに、たくさんのメールを使って、迷惑メールの特徴をモデルに学習させることができるの」
美月：「じゃあ、メールをたくさん見せれば、勝手に賢くなるの？」
伴菜：「そこは少し違うわね。学習に適したデータや学習方法を用意する必要があるし、間違ったデータで学習すると、正しく判定できなくなることもあるのよ」
美月：「なるほど。データの質も大切なんだね！」
伴菜：「そのとおり。そして、学習した結果を新しいメールの判定に使うことを『推論』というの。学習と推論は区別して覚えておくといいわ」
図で理解しよう
もう少し詳しく
技術的な定義
機械学習（Machine Learning）とは、データから規則性や関係性を学習し、明示的にすべての判断ルールを記述することなく、予測・分類・意思決定の支援などを行う技術です。
機械学習は、AIを実現する代表的な手法の一つです。
機械学習の代表的な3つの種類
1. 教師あり学習（Supervised Learning）
入力データと正解ラベルの組を使って学習する方法。
例：迷惑メール判定、住宅価格の予測。
2. 教師なし学習（Unsupervised Learning）
正解ラベルを与えず、データの構造や特徴を見つける方法。
例：顧客のグループ分け、データの次元削減。
3. 強化学習（Reinforcement Learning）
エージェントが環境と相互作用し、報酬を手がかりに行動方針を学習する方法。
例：ゲームのプレイ戦略、ロボットの制御。
機械学習とディープラーニングの違い
ディープラーニングは、多層のニューラルネットワークを用いる機械学習の一分野です。
つまり、すべてのディープラーニングは機械学習に含まれますが、すべての機械学習がディープラーニングというわけではありません。
機械学習が苦手なこと
機械学習は万能ではありません。
- 学習データに偏りがあると、予測結果にも偏りが生じる可能性があります。
- 学習時と実際の利用時でデータの傾向が変わると、性能が低下する場合があります。
- 学習データに過度に適合する「過学習」が起きることがあります。
モデルの性能は、学習データとは別の検証用・テスト用データなどを使って評価することが重要です。
関連するAI用語
- AI（人工知能）
- ディープラーニング（Deep Learning）
- モデル（Model）
- 学習（Training）
- 推論（Inference）
- 教師あり学習
- 教師なし学習
- 強化学習
- 過学習（Overfitting）
この用語が登場する記事
美月：「機械学習って、データを使って判断の仕組みを作ることなんだね！」
伴菜：「そうよ。そして、その学習済みの仕組みが『モデル』なの。次はディープラーニングについても学んでみましょう！」