毎週3分、情シスドリル コレ1枚で分かる「機械学習」：即席！3分で分かるITトレンド

人工知能は「機械学習」という技術によって再び脚光を浴びるようになりました。今回は、その「機械学習」について解説します。

[斎藤昌義（ネットコマース株式会社），ITmedia]

この連載は

　カップめんを待つ間に、電車の待ち時間に、歯磨きしている間に“いまさら聞けない”ITトレンドが分かっちゃう！　今さら聞けないITの最新トレンドやビジネス戦略を、体系的に整理して分かりやすく解説する連載です。「この用語、案外、分かっているようで分かっていないかも」「IT用語を現場の社員にもっと分かりやすく説明できるようになりたい」――。情シスの皆さんのこんな課題を解決します。

　人工知能を支える中核的な技術に「機械学習」があります。機械学習とは、大量の学習データを機械に読み込ませ、分類や判断といった推論のためのルールを機械に作らせようという仕組みです。そのプロセスは、大きく「学習」と「推論」の2つに分けることができます。

学習

　「学習」は大量の学習データから特徴を抽出し、推論を行うための「ひな型」となる「推論モデル」を生成するプロセスです。

　例えば、学習データである写真から「ネコの特徴」「イヌの特徴」「トリの特徴」を取り出し、それぞれに典型的な特徴の組合せパターン（推論モデル）を作ります。

　学習には、入力データとそれに対応する答えの組み合わせを与えることで、特徴抽出のパターンをあらかじめ方向付ける「教師あり学習」と、入力データだけを与えて、特徴抽出のパターンを機械自らが創り出す「教師なし学習」があります。

　前者は「ネコ」の写真に「これはネコである」という答えをつけてデータを与えるやり方、後者はそのような答えを与えず、機械自身に特徴の抽出や特徴パターンを生成させるやり方です。

推論

　「推論」は与えられたデータを推論モデルに当てはめて、推論結果を導き出すプロセスです。例えば、ネコの写真からその特徴を抽出し、その特徴をあらかじめ用意されている「推論モデル」と照合します。そして、ネコの推論モデルが、最もその特徴パターンに近いと判断すれば、「これはネコです」という推論結果を導き出します。

　機械学習が登場する以前は、人間が、このような特徴を抽出し、推論モデルや推論ルールを作成していました。しかし、人手による作業では、特徴の多様性においても、絶対量においても自ずと限界がありました。

　インターネットの普及によって、大量の学習データが簡単に手に入るようになったこと、高性能のコンピュータやストレージを安いコストで利用できるようになったこと、Hadoopなどの大規模なデータを効率よく並列処理できるソフトウェアが登場したことなどが、機械学習を実用で使えるものにしたといえるでしょう。

著者プロフィル：斎藤昌義

【図解】コレ1枚でわかる最新ITトレンド [Kindle版]

　日本IBMで営業として大手電気・電子製造業の顧客を担当。1995年に日本IBMを退職し、次代のITビジネス開発と人材育成を支援するネットコマースを設立。代表取締役に就任し、現在に至る。詳しいプロフィルはこちら。最新テクノロジーやビジネスの動向をまとめたプレゼンテーションデータをロイヤリティーフリーで提供する「ITビジネス・プレゼンテーション・ライブラリー/LiBRA」はこちら。