近年、多くの領域で活用が広がるAI（人工知能）ですが、AIと一緒に語られることが多いのがマシンラーニング（機械学習）です。しかしながら、なかなかその関係性や違いを説明できない方は多いかもしれません。

本コラムではマシンラーニングの基礎知識や、AI・ディープラーニングとの違い、マシンラーニングの活用事例などを紹介します。「マシンラーニングの基礎を知りたい」「ビジネス導入を検討したいけど、正直よく分からない」とお悩みの方は、ぜひ最後までお読みください。

マシンラーニング（機械学習）とは

マシンラーニングはデータを分析する技術の一つで、コンピューターにサンプルデータを与え反復的に学習させ、背景にあるパターンやルールを見つけだします。近年、さまざまな分野・企業で活用が進んでおり、注目を集めています。

マシンラーニングと似た用語に「ディープラーニング」や「AI」があります。これらとマシンラーニングにはそれぞれどのような違いがあるのでしょうか。

マシンラーニングとディープラーニングの違い

ディープラーニングはマシンラーニングの一種に位置付けられます。

マシンラーニング（機械学習）とディープラーニング（深層学習）の違いは、コンピューターの学習方法です。ディープラーニングはニューラルネットワークという手法を取り入れることで、従来のマシンラーニングよりも高精度の分析が可能です。

※備考：ニューラルネットワークは、人間の脳内の神経細胞（ニューロン）のネットワーク構造を模した数学モデル

マシンラーニングは人間が目的や内容を指示して学習しますが、ディープラーニングはコンピューター自身がなにを学ぶべきか判断し、学習するという点に違いがあります。

マシンラーニングとAIの違い

マシンラーニングは、AIがタスクをこなせるようにするための技術の一つです。

AIに含まれる分析技術としてマシンラーニングがあり、AIとマシンラーニングは包括関係にあります。また、マシンラーニングのなかでもニュートラルネットワークを取り入れた学習手法が、ディープラーニングです。

それぞれの関係性をまとめると、AI＞マシンラーニング＞ディープラーニングとなります。

マシンラーニングにおける3つの学習手法

マシンラーニングにおける3つの学習手法は以下のとおりです。

• 教師あり学習
• 教師なし学習
• 強化学習

それぞれの学習方法を詳しく見ていきましょう。

教師あり学習

教師あり学習とは、データに正解を含んだ状態でコンピューターに学習させる方法です。

コンピューターに正解を与えることで、特徴やパターンを学び、データの分類や予測が可能になります。活用事例を一部紹介します。

• 翻訳
• スパムメールの分類
• 売上の予測
• 画像認識

たとえば、これまでのコンピューター画像認識は、画像データの画素値の羅列でしかありませんでした。しかし、マシンラーニングの教師あり学習の画像認識技術を活用し、ある物の写真と名称をセットに大量学習させれば、その物体が何であるかを検知できるようになります。

このように、データを処理する基準や検知したいものが明確な場合は、教師あり学習が向いており、活用の幅が広くあります。

教師なし学習

教師なし学習とは、データに正解を含まない状態で与え、コンピューター自身が特徴や規則性を見つけ出しグループ化する学習手法です。

教師あり学習は、問題に対する正解を与えて正解の規則性を導き学習する手法でしたが、教師なし学習では、過去のデータからいくつかの観点に基づいて似ているデータ同士を分類します。つまり、正解がない状態からの分類になるため、教師なし学習ではグループ化すること自体が学習です。

大量のデータからパターンや相関性を見つけ出せるため、クラスタリングや異常検知などに活用されています。

強化学習

強化学習とは、最終的に成果の最大化を重視し、データや経験から学習して、その後の行動を最適化し続けていく学習方法です。強化学習では正解としてとらえられる点数がもっとも大きくなることを目的として、どのように行動すれば点数がもっとも大きくなるかを判断しながら学習します。

活用事例の一部を紹介します。

• 囲碁や将棋などのゲームのシミュレーション
• エレベーターの自動制御
• インターネットショッピングにおける商品レコメンド

身の回りにあるマシンラーニングの活用事例

私たちの生活の身の回りでもマシンラーニングが活用されています。先述したものも含め、2つの活用事例を詳細に見ていきましょう。

チャットボットによる問い合わせ対応

チャットボット（Chatbot）とは、入力されたテキストや音声を、人手を介さずに自動で応答するプログラムやアプリケーションのことです。リアルタイムで短文のやり取りをする「チャット」と、一定の作業を自動化するロボットといった意味の「ボット」を合わせた名称になっています。

企業の問い合わせページなどで、チャット画面を見たことがある方も多いかもしれません。質問をコンピューターが分析・分類し、人間に代わって回答してくれます。

このチャットボットが普及しているのが、コールセンターやカスタマーサポートです。チャットボットを導入することで、顧客からの問い合わせ対応の工数削減や顧客満足度の向上が期待でき、専門のオペレーターが不要になることで人件費削減にもつながります。

チャットボットは、想定される質疑応答をあらかじめ登録しておき回答する「シナリオ型」と「機械学習型（AI型）」の2つに分かれます。

機械学習型チャットボットの特徴は、機械学習（マシンラーニング）によりデータを蓄積して最適な回答ができることです。人間と会話しているような自然な回答が期待できる一方で、運用当初でデータの蓄積が少ない間は、精度が低くなる懸念があります。運用開始前に学習データを用意する必要があるでしょう。

サービスや商品の需要予測

需要予測とは、自社の商品やサービスの売上を短期的・長期的に予測することです。需要の予測にはさまざまな手法がありますが、一般的には過去のトレンドや市場動向などを分析して将来のニーズを予測します。

需要予測はこれまで人の手で行われてきましたが、マシンラーニングを用いて過去の膨大なデータを学習させることで、精度の高い需要予測が可能になりました。また、人の手から置き換わることで業務効率化の実現も見込めます。

製造や流通業界に限らず、さまざまな分野や領域において、マシンラーニングによる需要予測が広がっています。

マシンラーニングに関するよくある質問

Pythonはマシンラーニングに向いているプログラム言語

マシンラーニングについて調べていると、よく「Python」という単語を目にします。Pythonとはなんでしょうか。

Pythonは、プログラミング言語です。Pythonはさまざまな開発に使われていますが、AIやマシンラーニング（機械学習）の開発に適しているといわれています。たとえば、先述したインターネットショッピングにおける商品レコメンド機能においても、Pythonが活用されています。

Pythonが適しているのには、以下のような理由があります。

• ライブラリが豊富
• すでに多くの企業やサービスで利用されている
• コードがシンプルでわかりやすい
• 動作が簡単に確認できる

Pythonはオープンソースの言語で、シンプル・短いコードで記述ができること、また開発時に役立つプログラム（ライブラリ）が豊富な点などが特徴です。

マシンラーニングには幅広い知識が必要

マシンラーニングを習得するには、どのような知識が必要なのでしょうか。

マシンラーニングの習得にはさまざまな知識が必要です。たとえば先述したPythonを始めとするプログラミング言語がある程度読めること、少なくとも高校数学の知識があること、アルゴリズムの知識があることなどが挙げられます。

また知識の習得を客観的な事実として伝えたい場合には、資格を取得すると良いでしょう。マシンラーニングに関する資格には、G検定（ジェネラリスト対象）やE資格（エンジニア対象）、Pythonエンジニア認定データ分析試験などがあります。

しかしながら、知識の習得には時間がかかります。自社のビジネスにマシンラーニング・AIを取り入れ成果を出したい場合には、外部の専門家などの手を借りることも一つの手です。

まとめ

マシンラーニングはAIに包括され、AIを機能させるための技術の一つです。具体的には、データを解析する技術で、コンピューターにサンプルデータを与え反復的に学習させ、背景にあるパターンやルールを見つけだします。

マシンラーニングには教師あり学習、教師なし学習、強化学習と3つ学習方法があり、さまざまな分野で活用されています。

近年ビジネスで幅広く活用されていますが、実際にビジネスに取り入れ成果を出すには、マシンラーニング自体への深い知識が必要です。必要に応じて専門家などの力を取り入れながら、自社にあった導入方法を検討してみてはいかがでしょうか。