機械学習とAIの基本用語

結論：入れ子の関係と「仲間外れの選択肢」を覚える

AI（人工知能）は、人の知的な働きをコンピュータで実現する技術の総称です。その中に機械学習（データからパターンを見つける）があり、さらにその中にディープラーニング（多層のニューラルネットワークで学ぶ）があります。

試験では、正解と一緒に別の AI 技術の説明が間違い選択肢として並びます。つまり、正解の定義だけでなく、間違い選択肢によく出る用語（エキスパートシステム・遺伝的アルゴリズムなど）も一言で言えるようにしておくのが近道です。

AI 用語の地図

下の図の矢印は「左が右を含む」という意味です。エキスパートシステムは機械学習の外側にある別系統（人がルールを書く方式）だという点が大事です。

flowchart LR
  A["AI（人工知能）"] --> B["機械学習：データから学ぶ"]
  B --> C["ディープラーニング：多層ニューラルネットワーク"]
  C --> D["大規模言語モデル：事前学習→ファインチューニング"]
  A --> E["エキスパートシステム：人が書いたルールで推論"]
  A --> F["ヒューリスティクス：経験則で近い解を選ぶ"]

機械学習：データからパターンを見つける

機械学習は、蓄積したデータから規則やパターンを見つけ出し、人が自然に行っている「学習する能力」をコンピュータに持たせる技術です。

ポイントは「ルールを人が書かず、データから学ぶ」ことです。迷惑メールのフィルタは、大量のメールの例から迷惑メールらしい特徴を自分で見つけます。人が「この単語なら迷惑メール」と1つずつ書き込むわけではありません。

最重要：教師あり・教師なし・強化学習の区別

機械学習は、何を手がかりに学ぶかで3つに分かれます。選択肢の文中にあるキーワードで判定できます。

たとえるなら、教師あり学習は答えの付いた問題集で勉強すること、強化学習は部活の試合で勝ち負けから学ぶことです。教師なし学習は、答えがないまま似たもの同士を仕分ける作業にあたります。

クラスタリングとは、似たデータ同士をグループ（クラスタ）にまとめることです。これが出てきたら教師なし学習と判断します。

ディープラーニング：脳の神経回路をまねた多層モデル

ディープラーニング（深層学習）は、人間の脳の神経回路をまねたニューラルネットワークを何層にも重ねて、画像認識などの複雑な判断をできるようにする手法です。出題回数がいちばん多い知識です（本試験1回・免除5回）。

仕組みは、層状に並べた素子（ノード）を信号線でつなぎ、信号線ごとの**パラメタ（重み）**を調整して、入力に対して正しい出力が出るようにすることです。学習とは、この重みを少しずつ直していく作業のことです。

正解の選択肢に出るキーワードは「脳神経回路を模倣」「多層」「ニューラルネットワーク」「パラメタ（重み）を調整」です。どの年度でも、この言い回しが入った選択肢が正解でした。

ディープラーニング問題で並ぶ「別の AI 技術」

ディープラーニングの問題では、間違い選択肢が毎回ほぼ同じ顔ぶれです。それぞれ一言で見分けられるようにします。

演繹（えんえき）とは、一般的なルールから個別の結論を導く推論のことです（例：「人は死ぬ」「ソクラテスは人」→「ソクラテスは死ぬ」）。ルールと演繹が出てきたらエキスパートシステムです。

大規模言語モデルのファインチューニング

**大規模言語モデル（LLM）**は、大量の文章で学習した、文章の理解や生成ができるモデルです。作り方は次の2段階です。

たとえると、事前学習は「大学までの一般教養」、ファインチューニングは「入社後の業務研修」です。試験では「大量のテキストで学習」（事前学習の説明）と取り違えさせてきます。**「特定のデータ」「追加で学習」「目的のタスクに適用」**の3つがそろっていれば正解です。

ヒューリスティクス：経験則で「だいたい正しい解」

ヒューリスティクスは、経験的な知識（経験則）を使い、厳密ではないものの正解に近い解を短時間で選ぶ手法です。過去問では、サンプリング（一部のデータを抜き出す）や入力ミスの自動訂正の説明が間違い選択肢として並びました。「経験的」「正解に近い解」の2語で判断します。