機械学習とは？ルールを書く方法との違いを、迷惑メールの例で解説

広告・PR：この記事にはアフィリエイト広告を含みます。

機械学習は、データを使ってモデルを調整し、分類や予測などに利用する方法です。迷惑メールの例から、学習と予測、AIとディープラーニングの関係を整理します。

定義の参考：Google: What is Machine Learning?。以下の身近な例は説明用に作成したものです。

条件を一つずつ書く方法と、例から調整する方法

「件名にこの単語があれば迷惑メール」と人が決める方法では、条件を自分で列挙します。ところが、新しい言い回しが増えたり、普通のメールにも同じ単語が入ったりすると、ルールの管理が複雑になります。

機械学習では、例えば過去のメールと「迷惑／通常」という正解の組を用意し、入力と答えの関係を捉えるようにモデルを調整します。文章を丸ごと理解する人間と同じ仕組みだと決めつける必要はありません。どのデータを用意し、何を正解とし、どの誤りを重く扱うかは設計する人が決めます。

学習は、データに基づいてモデルの内部の値などを調整する段階です。予測（推論）は、調整済みのモデルに新しい入力を渡して結果を得る段階です。利用者が毎回ボタンを押すたびに、その入力で必ず再学習しているとは限りません。

迷惑メールを見逃す誤りと、大切なメールを迷惑扱いする誤りは、同じ「1件の間違い」でも困り方が違います。正解率だけで評価せず、どんな誤りがどれだけ起きるかを確かめます。学習に使わなかったメールでの評価も必要です。

教師あり学習は、入力と正解の組を使う方法です。迷惑メールの分類や、過去の条件から数値を予測する回帰が例になります。教師なし学習では、あらかじめ正解の分類を付けず、似たデータのまとまりなどを探します。まとまりにどういう意味があるかは、さらに解釈が必要です。

強化学習は、環境での行動と報酬を通じて行動の選び方を調整します。「教師がいないから教師なし学習」と一括りにはできません。また、現実のシステムは複数の方法を組み合わせることがあります。

AIは幅広い技術や課題を指す言葉で、機械学習はその中心的な方法の一つです。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使う機械学習の一群です。機械学習にはそれ以外の手法もあります。

生成AIは文章や画像などを生成する用途に注目した呼び方です。機械学習には「迷惑かどうかを分ける」ような生成以外の仕事もあります。AIという一語だけでは、何を学習して何を出力するのかまでは分かりません。

誤ったラベルや偏った収集方法を大量に含めても、目的に合う予測が保証されるわけではありません。過去と現在でメールの傾向が変わることもあります。学習用の例だけによく合う過学習と、利用環境そのものの変化を分けて点検することが大切です。

身近なAIの結果を見るときは「何を入力し、どんな結果を返すか」「どの条件で評価したか」「間違ったときに人が確認できるか」を考えると、期待する役割を具体的にできます。

メールの分類に決定木を使う方法も、多層のニューラルネットワークを使う方法も、データから調整する機械学習に含まれます。後者が深層学習に当たります。「機械学習か深層学習か」という完全に別の二択ではなく、広い集合とその一部の関係です。

同じ場面で比べる二つの用語
用語	注目すること	例・注意点
機械学習	データからモデルを調整する広い方法	決定木で迷惑メールを分類する
深層学習	機械学習の一部。多層のニューラルネットワークを使う	多層のネットワークで同じメールを分類する