機械学習とは？
人間がルールを1つずつ教え込むのではなく、大量のデータからコンピュータ自身にパターンを学ばせる技術。現代のAIのほぼすべての土台。
「猫の写真とは何か」をルールで定義するのは至難の業ですが、猫の写真を大量に見せて特徴を学ばせることはできます。これが機械学習の基本的な発想で、迷惑メール判定からレコメンド、生成AIまで、いま「AI」と呼ばれるものの大半はこの仕組みの上に成り立っています。
現場で覚えておきたいのは「機械学習のAIは、学習したデータの範囲でしか賢くない」ということ。データにない状況には弱く、データの偏りはそのまま結果の偏りになります。AIの得意・不得意を見極める出発点になる考え方です。
機械学習の3つの種類
学ばせ方は大きく3通りです。①教師あり学習：問題と正解のセットで学ぶ（迷惑メール判定、画像分類）。②教師なし学習：正解を与えず、データの中のグループや構造を自分で見つけさせる（顧客のセグメント分け）。③強化学習：報酬と減点の試行錯誤で行動を学ぶ（ゲームAI、ロボット制御）。
生成AIはこの合わせ技で作られています。大量の文章で「続きの予測」を学び（教師あり学習の親戚）、人間の好みで調教する（強化学習＝RLHF）。3種類の名前を知っているだけで、AIニュースの解像度が一段上がります。
AI・機械学習・ディープラーニングの関係
3つは入れ子です。いちばん外側がAI（知的な振る舞いをする技術全般。ルールベースの自動応答も含む広い言葉）。その中で「データから学ぶ」アプローチが機械学習。さらにその中で、ニューラルネットワークを深く重ねた手法がディープラーニングです。
「AIを導入したい」という相談の中身がただのif文の自動化だった、という笑い話が現場にはあります。この入れ子を知っていれば、言葉の大きさに惑わされずに話ができます。
身近に動いている機械学習
動画サイトのおすすめ、地図アプリの到着時刻予測、スマホのカメラの顔認識、クレジットカードの不正利用検知、天気予報の精度向上——どれも機械学習です。「AIブーム」よりずっと前から、生活は機械学習だらけでした。
共通の性質として、機械学習は学習したデータの範囲でしか賢くありません。データにない状況に弱く、データの偏りは結果の偏りになる。この限界感覚は、生成AIと付き合ううえでもそのまま通用します。
機械学習のよくある質問
地続きの親戚です。ざっくり言うと、統計は「データを人間が理解する」ことに、機械学習は「データから予測・判定を自動化する」ことに重心があります。手法もかなり共有されています。
使う側・企画する側なら数式なしで十分学べます。「何ができて何が苦手か」「データの偏りがどう影響するか」の感覚が本質で、当サイトのゲームはまさにそこを体験用に作っています。
用語を覚えるより、ストーリーで体感するほうが早い。