1．基本を理解
読み方・用語解説- 読み方
- きかいがくしゅう（ML）
- 英語名
- Machine Learning（ML）
- 提唱者・年代
- 1959年にアーサー・サミュエル（チェッカープログラム研究）がこの用語を使い、1980〜90年代に確立、2000年代以降に主流へ
💡 豆知識——名前の通り「機械（マシン）が学ぶ」。ルールベースの「人間が書く」から「機械が学ぶ」への転換点。
【セットで覚えたい関連用語】
2．意味（定義）と例え話
AIがデータを学習し、パターンを見つけることで、新しい（未知の）データにも対応できる仕組み。プログラムの更新だけに依存せず、自動的に学習・改善される。
ルールベースの弱点「未知の状況に対応しにくい」を克服するため、人間がルールを書くのではなくデータからパターンを学ぶという発想に変わった。
スマホの音楽アプリが「あなたに合いそうな曲」をおすすめしてくれるのに似てる。再生履歴というデータから、アプリが自分でお好みのパターンを見つけているんだよ。
現代AIの土台。ディープラーニング（画像・音声・生成AI）は機械学習の一種で、ChatGPT・Gemini・Claudeもこの流れの上に立つ。
試験では「3分類（教師あり／教師なし／強化学習）＋ルールベースとの対比」が得点源。各分類の代表例を1つずつセットで覚えると強固！
3．直前に理解（Q&A）
9問Q1. 機械学習とは？最頻出
AIがデータを学習し、パターンを見つけることで新しい（未知の）データにも対応できる仕組み。プログラムの更新だけに依存せず、自動的に学習・改善される。
Q2. 機械学習の主な分類は？最頻出
教師あり学習（入力＋正解ラベルのペア）、教師なし学習（ラベルなしで構造を見つける）、強化学習（報酬による試行錯誤）の3つ。
Q3. ルールベースとの違いは？最頻出
ルールベースは人間が事前にルールを書く。機械学習は機械がデータからパターンを“自ら学ぶ”ので、未知の状況にも柔軟に対応できる。
Q4. AI・機械学習・ディープラーニングの関係は？頻出
同心円関係。AI ⊃ 機械学習 ⊃ ディープラーニング。DLは多層ニューラルネットワークを使う機械学習の一種。
Q5. 代表例は？頻出
手書き数字の認識、メールのスパムフィルタ、レコメンドサービス、音声認識、画像認識など。
Q6. この用語はいつ、誰が？頻出
1959年、チェッカープログラムを研究していたアーサー・サミュエルが「機械学習（Machine Learning）」という用語を使ったのが発端。
Q7. 「常に精度が最高」は正しい？ひっかけ
誤り。万能な手法はない（ノーフリーランチ定理）。データや目的に応じて手法を選ぶのが正しい考え方。
Q8. ディープラーニングとの親子関係は？親と子
ディープラーニングは機械学習の一部（多層ニューラルネットワーク）。第三次AIブームの主役になったのがDL。
Q9. 「プログラムの更新に依存しない」とは？頻出
ルールベースのように人間がプログラムを直さなくても、データを学習することで勝手に性能が改善されていく、という意味。
4. まとめ
機械学習はデータから機械が自らパターンを学ぶ技術。現代AIの土台であり、AIの一部。