概要
機械学習（Machine Learning, ML）は、コンピュータがデータから自動的にパターンやルールを学習し、それに基づいて未知のデータに対する予測や判断を行うための技術や研究分野である。AI の中核をなす技術の一つである。
主な学習手法
機械学習のアプローチは、与えられるデータの性質によって、主に以下の 3 つに分類される。
- 教師あり学習 (Supervised Learning):「正解」が与えられたデータ（入力と出力のペア）を使ってモデルを訓練する手法。「分類」（例: スパムメールの判定）や「回帰」（例: 株価の予測）といったタスクに用いられる。
- 教師なし学習 (Unsupervised Learning): 正解が与えられていないデータから、その背後にある構造やパターンを発見する手法。「クラスタリング」（例: 顧客セグメンテーション）や「次元削減」などに用いられる。
- 強化学習 (Reinforcement Learning): ある環境の中で、エージェントが「報酬」を最大化するように試行錯誤を通じて行動を学習する手法。ゲームの AI やロボットの制御などに用いられる。
深層学習 との関係
深層学習 は、機械学習の多様な手法の中の一つである。特に、人間の脳神経回路を模したニューラルネットワークを多層に重ねて用いることで、データから高度な特徴量を自動的に抽出する点に特徴がある。現代の機械学習において最も重要なブレークスルーの一つとされている。
応用例
- 画像認識・音声認識: 写真に写っている人物の顔を識別したり、スマートスピーカーが人間の言葉を理解したりする。
- 推薦システム: EC サイトで、ユーザーの購買履歴に基づいて関連商品を推薦する。
- 医療診断: レントゲン写真から病気の兆候を検出する。
- 金融: クレジットカードの不正利用を検知したり、株価の変動を予測したりする。