AIの基礎
ノーフリーランチ定理とは（万能なアルゴリズムがない理由）
生成AIパスポートの公式シラバスには、機械学習の項目にノーフリーランチ定理がキーワードとして載っています。一言で言うと、あるアルゴリズムが一つの問題群で高い性能を出せば、その分は別の問題群での性能で相殺される、という定理です。
このページは、1997年に発表された論文の要旨の範囲で、定理の意味、誤りやすい読み方、シラバスのどこに出るかを整理しています。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。 当サイトの一次情報確認日: 2026-08-31。
試験の出題範囲・実施要項は変動するため、受験前に公式情報を確認してください。
結論
- ノーフリーランチ定理は、1997年のWolpertとMacreadyの最適化に関する論文で示された一連の定理
- 中身は「どのアルゴリズムも、ある問題群で上回った分を、別の問題群での性能で相殺する」こと
- 結論として、すべての問題で最強の万能アルゴリズムは存在しない
- このページの解釈として、手法は解く問題に合うかどうかで選ぶ
- 試験対策では、数式ではなく、この趣旨と「常に最強」という選択肢の誤りを押さえる
定理が言っていること
論文は、効果的な最適化アルゴリズムと、それが解く問題との関係を調べる枠組みをつくり、「ノーフリーランチ（NFL）定理」を複数示しています。要旨には、どのアルゴリズムについても、ある問題群での高い性能は別の問題群での性能で相殺されることを定理が確立する、と書かれています。
「フリーランチ」は、ただで得られる利益のたとえです。どんな問題でも他の方法より得をする方法、つまりただの得は存在しない、という意味で名前が付いています。
このページの言い換えの例を挙げます。手法Aは問題群Xで手法Bより良い結果を出し、手法Bは問題群Yで手法Aより良い結果を出す、という関係は定理の趣旨に沿っています。問題の種類を限らず「Aが常にBより良い」とは言えない、という点が核心です。
論文の要旨には、この定理の応用として、最適化の情報理論的な側面と、性能を測るベンチマークの指標への適用が示されています。時間とともに変わる最適化問題や、アルゴリズム同士を事前に一対一で比べる最小最大（ミニマックス）の区別も扱われています。試験対策で必要なのは、これらの細部ではなく、冒頭の「性能の得は別の問題群で相殺される」という一文です。細部まで読みたい場合は、論文そのものを確認してください。
一次資料: David H. Wolpert, William G. Macready「No free lunch theorems for optimization」IEEE Transactions on Evolutionary Computation, Vol.1, No.1, pp.67-82（1997年）の要旨
誤りやすい読み方
名前から受ける印象で、選択肢を読み違えやすい定理です。要旨と照らした整理は次のとおりです。
| 選択肢の例 | 判定 | 理由 |
|---|---|---|
| どんな問題でも最も良く解けるアルゴリズムは存在しない | 要旨と整合する読み方 | あるアルゴリズムが一つの問題群で高い性能を出しても、その分は別の問題群での性能で相殺されると述べているため |
| ディープラーニングは、すべての機械学習の手法より常に優れている | 要旨の趣旨から外れる（このページの解釈） | どの手法にも、他の問題群で相殺される側面があるという定理の趣旨に反するため |
| どのアルゴリズムも、特定の問題に対して適しているかどうかを考える意味がない | 要旨の趣旨から外れる（このページの解釈） | 論文は、アルゴリズムが問題に適しているとはどういうことかの幾何学的な解釈を導く、と述べているため |
「常に」「すべての問題で」と言い切る選択肢は、まず疑います。反対に、「問題に応じて手法を選ぶ必要がある」「ある手法の高性能は、別の種類の問題では保証されない」という趣旨の文は、定理と整合します。この表の選択肢は、このページが要旨をもとに作った例で、実際の出題を再現したものではありません。
機械学習の学習でどう使うか
論文の要旨は、アルゴリズムが問題に適しているとはどういうことかを幾何学的に解釈できる、と述べています。学習の場面では、手法の名前を比べて優劣をつけるより、解く問題の性質に合っているかを確かめる、という考え方につながります。
教師あり学習、教師なし学習、強化学習のどれが合うかは、手元のデータの形と目的で決まります。それぞれの違いは、機械学習の種類のページで整理しています。
シラバスのどこに出るか
公式シラバスでは、版によって次の位置にノーフリーランチ定理が載っています。
| 場所 | 内容 |
|---|---|
| 2026年2月〜2026年10月試験の版 第1章「AI（人工知能）」の中項目「AIに知能をもたらす仕組み」 | 詳細キーワードに、ルールベース、機械学習、教師あり学習、教師なし学習などと並んでノーフリーランチ定理が載る |
| 2027年2月試験より適用のシラバス 第1章の機械学習の項目 | 学習項目に、教師あり学習、教師なし学習、強化学習、半教師あり学習とともにノーフリーランチ定理が並ぶ |
新シラバスの章立ての全体は2027年2月試験の新シラバスのページで、公式資料と照らして確認してください。
よくある質問
ノーフリーランチ定理は、誰がいつ発表したものですか？
David H. WolpertとWilliam G. Macreadyが、1997年に学術誌IEEE Transactions on Evolutionary Computationの第1巻第1号に発表した論文「No free lunch theorems for optimization」で示した一連の定理です。
「フリーランチ」とは何のことですか？
ただで得られる利益のたとえです。どの問題でも他より得をする万能の方法はなく、ある問題群での得は別の問題群での損で相殺される、という意味で使われています。
この定理は、機械学習の手法を選ぶ必要がないということですか？
逆です。論文の要旨は、アルゴリズムが問題に適しているとはどういうことかを考える解釈を与えると述べています。どの手法が合うかは、解く問題の性質に照らして決める、という方向の話です。
定理の数式を覚える必要がありますか？
公式シラバスはキーワードとしてノーフリーランチ定理を挙げているだけで、数式の暗記を求める記述は確認できません。このページでは、要旨の意味を言い換えて理解することを勧めます。
最適化の話が、なぜ機械学習のシラバスに入っているのですか？
論文の題名は最適化アルゴリズムを対象にしています。機械学習への当てはめがシラバスにどう書かれているかは、公式の学習資料で確認してください。このページが確かめたのは、論文の要旨とシラバスのキーワードの並びです。
