機械学習（Machine Learning）

機械学習（Machine Learning）とは、コンピューターが大量のデータを分析し、その中に含まれるパターンや規則性を自動的に学び取る技術のことです。人間がすべての判断基準を細かくプログラムしなくても、データを与えるだけでコンピューターが自ら賢くなっていく点が特徴で、AIを実現するための代表的な手法として使われています。

現実世界に例えると、機械学習は経験を積んで判断力が上達していく職人のようなものです。最初はうまくいかなくても、数多くの実例に触れるうちに、次第にコツをつかんで的確な判断ができるようになっていきます。

機械学習の仕組み

大量の「学習データ」をコンピューターに読み込ませ、データの中に潜むパターンを見つけ出すための計算を繰り返し行います。この過程で作られる「モデル」と呼ばれる仕組みが、新しく与えられたデータに対しても予測や判断を行えるようになります。

学習方法の種類

ディープラーニングとの関係

機械学習の中でも、人間の脳の神経回路を参考にした仕組みを使う手法を「ディープラーニング（深層学習）」と呼びます。画像認識や音声認識、文章生成など、複雑な処理を得意とし、近年のAIの急速な発展を支える中心的な技術となっています。

身近な活用例

迷惑メールの自動判定、ネット通販でのおすすめ商品の表示、スマートフォンの顔認証など、機械学習は気づかないところで数多くのサービスに組み込まれています。データが増えるほど精度が高まりやすいという特徴もあります。

機械学習に欠かせない「データ」

機械学習の精度は、与えられる学習データの量や質に大きく左右されます。偏ったデータで学習すると、結果にも同じ偏りが表れてしまうため、幅広く質の良いデータを揃えることが、精度の高い仕組みを作るうえで欠かせません。

機械学習を使う際の注意点

結果がなぜそのような判断に至ったのか、仕組みが複雑になるほど人間には理解しにくくなるという課題もあります。特に重要な判断に用いる場合は、判断の根拠をどこまで説明できるかも考慮する必要があります。

あわせて知っておきたい用語

• AI（人工知能）：
  知的な作業をコンピューターで再現しようとする技術の総称です。
• ディープラーニング：
  脳の仕組みを参考にした、機械学習の代表的な手法です。
• ビッグデータ：
  機械学習の精度を高めるために使われる、大量のデータのことです。
• アルゴリズム：
  問題を解決するための計算の手順のことです。
• 学習データ：
  機械学習のモデルを作るために使われる、元になるデータです。
• モデル：
  学習の結果として作られる、予測や判断を行う仕組みです。
• 過学習：
  学習データに合わせすぎて、未知のデータへの対応力が下がる現象です。