人工知能と機械学習

テスト勉強をするとき、まとめノートを一冊丸ごと暗記する方法もあれば、大量の過去問を解いて問題のパターンを感覚で掴む方法もありますよね。コンピュータープログラムの世界にも、まったく同じ2つのアプローチが存在します。人間が書き記したルールの通りに機械を動かすのが従来のプログラミングだとすれば、データをたっぷり見せてコンピューター自身に法則や感覚を掴ませる方法が「機械学習（マシンラーニング）」です。問題と答えをたくさん見せてパターンを学ばせる手法が代表的で、これを「教師あり学習」と呼びます。ほかにも、正解を与えずにデータ内の共通点を探させたり、試行錯誤と報酬によって学ばせたりする方法も機械学習に含まれます。\n\nこれらはすべて、「人間のように賢く考える機械をつくろう」という人工知能（AI）の大きな目標のもとにあります。人工知能とは個別の技術名というよりも、人間の知能を模倣するあらゆる技術を包括する最も広い傘であり、究極のゴールなのです。\n\nスマートフォンの音声アシスタント、翻訳アプリ、おすすめの動画を提示するレコメンド機能など、私たちが日常で目にする現代のAIのほとんどは、この機械学習という勉強法によってつくられています。

人間にとっては当たり前にできることでも、コンピューターにとっては気の遠くなるほど難しい場合があります。例えば、写真に写っているのが猫か犬かを判別するルールを、プログラムのコードで一から記述すると想像してみてください。「耳が尖っていて毛が生えており、ヒゲがある動物」と定義したとしても、耳が垂れた猫や毛の長い犬の写真を見せられた瞬間、コンピューターはお手上げになってしまいます。\n\n人間なら直感で見分けられますが、その複雑な判断基準を言葉やコードですべて説明し尽くすのは不可能に近いのです。そこで機械学習では、手取り足取りルールを教える代わりに何万枚もの写真データをコンピューターにどっさり渡します。\n\nコンピューターは膨大な写真を比較分析しながら、「なるほど、猫は全体的にこういう目つきや輪郭をしていることが多いな」という統計的なパターンを自ら見つけ出します。人間が言葉で説明しきれなかった微妙なニュアンスの違いまで機械が自力で把握できるようになるのです。

ニュースなどでは「AI」「機械学習」「ディープラーニング（深層学習）」という言葉が混ざって使われがちですが、この3つはロシアのマトリョーシカ人形のように入れ子構造になっています。一番外側の最も大きな人形が、人間のように振る舞う機械全般を指す人工知能という最も広い概念です。\n\nそのAIを実現するためのさまざまな手法のうち、「データからの学習」を武器とする中くらいの人形が機械学習です。かつて人間がルールを細かく書き込んで作ったチェス専用プログラムもAIの一種でしたが、データを基に自ら学んだわけではないため機械学習ではありませんでした。\n\nそして機械学習の中でも、人間の脳の神経細胞（ニューロン）の仕組みを模した人工神経網（ニューラルネットワーク）を何層も深く重ねて、複雑なデータを処理できるようにしたのがディープラーニングです。理論自体は昔からありましたが、2010年代に入ってデータ量と計算能力が飛躍的に向上したことで一気にブレイクしました。つまり、ディープラーニングは機械学習の一部であり、機械学習は人工知能という広大な世界の中に含まれているのです。