生成AIパスポート 用語解説
機械学習とは
データからパターンや規則性を自動的に学習し、予測や分類ができるようにする手法。
まず押さえる結論
機械学習は、生成AIパスポートの「第1章 AI（人工知能）」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×教師あり学習・教師なし学習・強化学習の取り違え。クラスタリングや次元削減は「教師なし」、分類や回帰は「教師あり」、報酬を手がかりに学ぶのが「強化学習」。
×弱いAI（ANI）と強いAI（AGI）の混同。特定の課題に特化するのが弱いAI、人間のように幅広い課題へ汎用的に対応できるとされるのが強いAI。
×AIブームと中心技術の対応ずれ。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニングとビッグデータ。
関連する確認問題
第1章 AI（人工知能） / AIに知能をもたらす仕組み
正解ラベルのないデータから、データ自体に潜むパターンや構造を見つけ出す機械学習の手法はどれか。
正解は「クラスタリング」である。ラベル（正解）が与えられないデータからパターンや構造を見つける学習を「教師なし学習」といい、その代表例がクラスタリングや次元削減である。教師あり学習は正解ラベルを使う学習、強化学習は報酬を手がかりに行動を最適化する枠組み、転移学習はある領域で学習した知識を別の領域に活かす手法で、いずれも教師なし学習ではない。 選択肢を切るときは、設問の条件を「教師なし学習」「クラスタリング」「次元削減」のどれに結び付けるかを先に固定する。「強化学習」、「教師あり学習」、「転移学習」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「クラスタリング」は、問われている定義や状況に最も直接対応する点で選べる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
人間があらかじめ規則を細かく記述するのではなく、大量のデータから規則性やパターンをコンピュータ自身に学習させる仕組みはどれか。
正解は「機械学習」である。データから規則性やパターンを自動的に学習する仕組みが機械学習。ルールベースは人間があらかじめ規則を記述する方式で、機械学習と対比される。探索は第一次AIブームの手法、エキスパートシステムは専門知識をルール化した第二次AIブームの仕組みで、いずれもデータから自ら学習する方式ではない。 選択肢を切るときは、設問の条件を「機械学習」「ルールベース」「探索」のどれに結び付けるかを先に固定する。「ルールベース」、「探索」、「エキスパートシステム」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「機械学習」は、問われている定義や状況に最も直接対応する点で選べる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習で、訓練データに過剰に適合してしまい、未知のデータに対する予測精度が下がってしまう現象を何というか。
正解は「過学習（オーバーフィッティング）」である。訓練データに適合しすぎて未知データへの精度が落ちる現象が過学習（オーバーフィッティング）。正則化は過学習を抑えるための手法であって現象ではない。転移学習は学習済みの知識を別課題に活かす手法、強化学習は報酬を手がかりに学習する枠組みで、いずれも現象を指す語ではない。 選択肢を切るときは、設問の条件を「過学習」「正則化」「転移学習」のどれに結び付けるかを先に固定する。「転移学習」、「強化学習」、「正則化」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「過学習（オーバーフィッティング）」は、問われている定義や状況に最も直接対応する点で選べる。
同じ章で確認したい用語
到達チェック
- 機械学習を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、機械学習に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる