機械学習

機械学習は、データの中にあるパターンをコンピューター自身に見つけさせる技術です。従来のプログラムが「入力とルールから答えを出す」のに対し、機械学習は「入力と答えの例からルールを作る」という逆向きの発想をとります。

しくみ

大きく三つの学び方があります。

• 教師あり学習：正解付きのデータ（例：メールと「迷惑メール／通常」の判定）から学び、新しいデータの答えを予測する。
• 教師なし学習：正解のないデータから、似たものをまとめたり、構造を見つけたりする。顧客のグループ分けなどに使う。
• 強化学習：試行錯誤し、うまくいったときの報酬が大きくなる行動を学ぶ。ゲームやロボット制御で使われる。

一般的な流れは、データを集め、学習用と検証用に分け、モデルを学習させ、未知のデータでどれだけ当たるかを確かめる、というものです。大規模言語モデルの事前学習は、大量の文章を使った自己教師あり学習と呼ばれる方式です。

具体例

• 迷惑メールの振り分け、クレジットカードの不正検知
• 商品のおすすめ、需要予測、設備の故障予知
• 画像や音声の認識、文章の分類

たとえば、過去の売上と天気・曜日の記録から、翌日の弁当の販売数を予測するのは、典型的な教師あり学習の仕事です。

使うときの注意・よくある誤解

• データの質がすべてです。 古い、偏った、間違いの多いデータで学習すれば、そのとおりの予測になります。
• 過学習に注意します。 学習データには非常によく合うのに、新しいデータでは外れる状態を過学習と呼びます。学習に使わなかったデータで評価するのは、このためです。
• 万能ではありません。 十分な例がない問題や、ルールが明確に書ける問題には、通常のプログラムのほうが適しています。
• 予測は確率的です。 100%の的中を保証するものではなく、外れた場合の影響を考えた運用が要ります。

関連する考え方

機械学習のうち、多層のニューラルネットワークを使うものがディープラーニングです。AI という言葉はそれらを含む広い概念として使われます。学習の材料となる学習データと、その結果できたモデルを動かす推論は、機械学習の二つの段階です。

生成 AI との関係

いま話題の生成 AI も、土台は機械学習です。ただし、需要予測や不正検知のように、数値や記録から予測を出す用途では、従来型の機械学習が今も主役です。目的に応じて、軽くて説明しやすい手法と生成 AI を使い分けます。