機械学習とは？AI・ディープラーニングとの違いや仕組みをわかりやすく解説

機械学習(きかいがくしゅう)とは、コンピューターが大量のデータからパターンや規則性を自動的に学び取り、その学習結果をもとに予測や分類などを行う技術のことです。人が一つ一つのルールをプログラムとして書き込むのではなく、データそのものから「答えの出し方」をコンピューターに見つけさせる点が大きな特徴です。人工知能(AI)を実現するための代表的な手法の一つとして知られています。

AIやディープラーニングとの関係

「AI」「機械学習」「ディープラーニング」は混同されがちですが、包含関係で整理すると理解しやすくなります。もっとも広い概念がAI(人工知能)で、人間のような知的な処理を行う技術全般を指します。その中に、データから学習するアプローチである機械学習が含まれます。さらにその一分野として、脳の神経回路を模したニューラルネットワークを何層も重ねて学習するディープラーニング(深層学習)があります。つまり、ディープラーニングは機械学習の一種であり、機械学習はAIを実現する手段の一つ、という関係です。

主な学習の種類

機械学習は、学習のさせ方によっていくつかに分けられます。代表的なのは次の3つです。

• 教師あり学習：正解ラベル付きのデータを使い、入力から正解を予測できるように学ぶ方法。迷惑メールの判定などが例です。
• 教師なし学習：正解を与えず、データの中に隠れた構造やグループを見つけ出す方法。顧客をタイプ別に分類する場面などで使われます。
• 強化学習：試行錯誤を繰り返し、良い結果に報酬を与えることで、より良い行動を学ぶ方法です。

身近な活用例

機械学習はすでに私たちの生活の多くの場面で使われています。たとえば、動画配信サービスやショッピングサイトのおすすめ表示は、過去の閲覧や購入の傾向を学習して好みに合いそうな作品や商品を提示しています。ほかにも、写真から顔を認識する機能、音声アシスタントの音声認識、地図アプリの到着時間の予測などが挙げられます。

注意しておきたい点

便利な一方で、機械学習は学習に使うデータの質や偏りに結果が左右されます。偏ったデータで学習すると、予測にも偏りが出る可能性があります。また、予測が必ず当たるわけではなく、なぜその結論に至ったのかが人間には分かりにくい場合もあります。仕組みの特徴と限界を理解したうえで活用することが大切だと考えられています。