AIと機械学習とは？わかりやすく解説
人のように判断する技術と、データからパターンを学ぶ方法を学びます。
最初に考えてみよう
AIは文章を書いたり、画像を作ったり、迷惑メールを判定したりできます。では、人間がすべてのルールを教えていないのに、どうやって判断できるようになるのでしょうか？
解説
1AIの用語は、この1枚に全部入る
外側ほど広い言葉、内側ほど新しく具体的な言葉です。まずどの枠に入るかを覚えます。
2機械学習の3分類を1ページで
3つの違いは、学ぶときに何を渡すかだけです。
- できる：
- 分類・回帰（正解を当てる）
- 例：
- 迷惑メールの判定、売上の予測
- できる：
- クラスタリング（似たもの同士をまとめる）
- 例：
- 買い方が似た顧客のグループ分け
- できる：
- 報酬が増える行動を覚える
- 例：
- ゲームAI、ロボットの制御
過去問の選択肢に当てはめると
- 乳児の泣き声と「泣いている原因」の組を集めて、原因を推測する→ 正解付き → 教師あり
- 送られた服の画像の特徴から、利用者の好みの傾向をつかむ→ 正解なし → 教師なし
- 盛り付けの動作を何度も繰り返し、上手になるロボット→ 試行錯誤 → 強化学習
- 気温や積雪から、用意したルールでゲレンデの状態を判断する→ 学んでいない → ルールベース
3教師あり学習：正解付きのデータで学ぶ
ひとことで「答え付きの問題集」で練習するイメージ。問題と正解のセットをたくさん渡して、答え方を覚えさせます。
- 1人が、データに正解を付けて用意する（この作業が アノテーション）
- 2AIが答えを予想して、正解とくらべる
- 3まちがいが減るように、少しずつ直す（くり返す ＝ 学習）
- 4学んだ答え方（モデル）で、新しいデータに答える
使われる場面：分類（犬か猫か・迷惑メールか）と回帰（売上や株価など、数を予測）
例で見る犬と猫の写真8枚で見てみます。AIが見るのは鼻の長さと耳のとがりだけ。答え方は、犬と猫の境目の線のどちら側か、です。
犬と猫の写真が8枚
4教師なし学習：正解なしで仲間分け
ひとことで「答えのない仕分け」のイメージ。正解は教えず、AIが自分でデータの似ている・似ていないを見つけます。
- 1正解なしのデータを渡す
- 2AIが、近いもの（似たもの）同士をまとめる（クラスタリング）
- 3それが何のグループかは、人が見て決める
使われる場面：買い方が似た顧客のグループ分け、似た商品のまとまりを見つける など
例で見る③と同じ8枚を、今度は正解なしで渡してみます。
同じ8枚を、正解なしで渡す
5強化学習：やってみて、報酬で上達
ひとことで「できたらごほうび」をくり返して覚えるイメージ。正解は教えず、行動の結果に点数（報酬）だけ返します。
- 1AIが、とにかくやってみる（行動する）
- 2結果に応じて報酬（プラス／マイナスの点数）をもらう
- 3報酬が多くなるように、次の行動を変える（くり返す）
使われる場面：ゲームAI、ロボットの制御、自動運転の判断 など
例で見る迷路のロボットで見てみます。道順（正解）は教えず、1歩ごとに −1、ゴールで +20 の報酬だけ返します。
1回目：でたらめに動く
ゴールで +20
- 1回目…
- 2回目…
- 50回目…
6問題文の「言い回し → 用語」
ディープラーニングや生成AIの問題は、説明文から用語を選ぶ形がほとんどです。問題文に出る言い回しで覚えます。
| 問題文にこう書いてあれば | 答え |
|---|---|
| 脳の神経回路の仕組みをまねた計算モデル | ニューラルネットワーク |
| 多層のニューラルネットワークで、特徴を自動的に抽出して学ぶ | ディープラーニング |
| 1つのニューロンで、入力から次へ渡す値を計算する | 活性化関数 |
| 出力と正解の誤差を小さくするよう、重みを調整する | バックプロパゲーション |
| 学習データに、正解の情報を付ける作業 | アノテーション |
| 大量のデータで訓練され、追加学習で様々な用途に使える | 基盤モデル |
| 事前に学習したデータを基に、新しいコンテンツを作る | 生成AI |
| もっともらしいが、事実と異なる内容を出力する | ハルシネーション |
| 意図した回答が出るよう、指示や出力形式を工夫する | プロンプトエンジニアリング |
| 学習データの偏りで、結果が偏る | バイアス |
7確認問題：6段階で本試験レベルへ
試験のポイント
ITパスポート試験での問われ方
AI・機械学習・生成AIなどの基本的な違いが問われる
間違えやすいポイント
- AIは必ず正しいと思う
- 機械学習をプログラムが不要な魔法だと思う
関連用語
図解の内容を文章で読む
AIと機械学習をイメージでつかむ
AIは、人の知的な作業に近い判断や予測をコンピュータで行う技術の総称です。機械学習はAIの代表的な方法で、たくさんのデータから特徴やパターンを学びます。
たとえると：問題集をたくさん解いて傾向をつかむ学習者のように、データを見て判断のコツを覚えるイメージです。
AI（人工知能）は、判断や予測など人の知的な作業をコンピュータで行う技術の総称です。その中の代表的な実現方法が機械学習で、人がルールを1つずつ書く代わりに、大量のデータから特徴やパターンをコンピュータ自身に学ばせます。機械学習の中でも、人間の脳のしくみを参考にした多層の方法で学ぶのがディープラーニング（深層学習）、学んだ内容をもとに文章や画像を新しく作り出すのが生成AIです。つまり「AI⊃機械学習⊃深層学習・生成AI」という入れ子の関係です。学習に使うデータが偏っていれば結果も偏るため、AIの答えがつねに正しいとは限りません。試験では、用語どうしの包含関係と、教師あり・教師なし・強化学習の違いが問われます。
押さえどころ
- AI = 知的な処理の総称
- 機械学習 = データから学ぶ方法
- データの質が結果に影響する
確認問題（4問）
確認問題は本サービスのオリジナル問題です。ログインなしで解けます（結果は保存されません）。
「AIと機械学習」の過去問（19問）
IPAが公開しているITパスポート試験の公開問題から、このテーマの問題を集めました。
あわせて覚える英略語
つながるテーマ
学習を記録して、合格まで続ける
教材と確認問題はこのページで全部無料で使えます。登録すると「AIと機械学習」の結果や習熟度が記録され、苦手分野の復習提案、試験日までの学習計画、合格準備度の見える化が使えます。最初の7日間は学習記録も無料です。