機械学習の基本

機械学習とは?生成AI・LLMとの関係、3つの種類、仕事での使われ方

 文:TARNAR AI 編集部/監修:たーなー先生(田中直人)

機械学習は、いまのAIを支える土台の考え方です。生成AIやLLMとのつながりと、仕事で出会う場面を順に見ていきます。

機械学習とは、コンピューターが大量のデータからパターンやルールを自分で見つけ出し、新しいデータに当てはめて分類や予測を行う技術です。総務省の情報通信白書では、人間の学習に相当する仕組みをコンピューター等で実現するものと説明されています。生成AIやLLMも、この機械学習の考え方の上に成り立っています。

この記事の書き手:たーなー先生(田中直人)。ボイストレーナー歴30年、30年間で5万人以上を指導。歌の学校・レーベル・イベント・宿の運営で、集客と発信の現場に30年立ち続けてきた経験から、仕事でAIを使う小さな事業者の目線で書いています。

機械学習とは?人が全部の決まりを書かなくても、データから学ぶ仕組み

従来のプログラムは、人が「こうなったらこうする」という決まりを一つずつ書いて動かしていました。機械学習では順番が逆になります。たくさんの例(データ)をコンピューターに見せ、そこから共通するパターンやルールをコンピューター自身に見つけてもらいます。そして、見つけたルールを初めて見るデータに当てはめて、これは何か、次はどうなりそうかを答えます。

たとえば、猫の写真を大量に見せると、猫に共通する特徴を学び、初めて見る写真でも猫かどうかを見分けられるようになります。迷惑メールの振り分けや、売上の見通しも同じ考え方です。大切なのは、機械学習の答えは「過去のデータから導いた、もっともらしい判断」だという点です。必ず正しい答えが出るわけではないので、仕事では人が最後に目を通す流れを残しておくと安心です。

従来のプログラム機械学習
人が決まり(ルール)を書くデータからルールを見つけてもらう
決まりに書いたことだけ動く見たことのないデータにも当てはめられる
決まりが変わるたびに人が書き直す新しいデータで学び直せる

機械学習と生成AI・LLMの関係は?包含関係で整理する

「AI」「機械学習」「ディープラーニング」「生成AI」「LLM」は、並べて語られることが多い言葉です。広い順に整理すると、次の表のようになります。

言葉ひとことで言うと位置づけ
AI(人工知能)人間の知的な作業をコンピューターで再現する技術の総称いちばん広い言葉
機械学習データからルールを学ぶ手法AIを実現する方法の一つ
ディープラーニング(深層学習)多数の層をもつニューラルネットワークを使った機械学習機械学習の一種
生成AI文章・画像・音声などを新しく作り出すAI機械学習で作られる応用の一つ
LLM(大規模言語モデル)大量の文章を学んだ、言葉を扱うモデル文章を作る生成AIの中心部分

ChatGPTのような文章の生成AIは、大量の文章データから言葉のつながりを学んだLLMを中心に動いています。つまり、機械学習で学ばせたモデルが、質問に応じて文章を作っている形です。生成AIの全体像は生成AIとは?できること・仕組み・仕事での使いどころと注意点、LLMの中身はLLM(大規模言語モデル)とは?仕組み・生成AIとの関係・仕事での使い方で詳しく説明しています。

機械学習の種類は?教師あり・教師なし・強化学習の違い

機械学習は、学び方の違いで大きく三つに分けて説明されることが一般的です。総務省の情報通信白書でも、この三つの学習方法が紹介されています。

種類学び方仕事での例え
教師あり学習正解のラベルがついたデータで学ぶ「これは問い合わせ」「これは営業メール」と仕分け済みの例から、新着メールを自動で仕分ける
教師なし学習正解のラベルがないデータから、似たものの集まりを見つけるお客様の購入履歴から、似た傾向のグループに分ける(クラスタリング)
強化学習試行錯誤しながら、良い行動に報酬を与えて学ぶロボットが転ばずに歩けるよう、長く歩けたら報酬を与えて学ばせる

教師あり学習は、正解をつける作業(アノテーション)に手間がかかる反面、目的がはっきりしているので仕事に取り入れやすい方法です。教師なし学習は、正解がなくてもデータの中の傾向を見せてくれるので、「どんなお客様がいるのか」を知る入口になります。強化学習は、ゲームやロボットの動き、機器の制御のように、状況に応じて行動を選び続ける場面で力を発揮します。

機械学習は仕事のどんな場面で使われている?

機械学習は、普段使っている道具の中にすでに入り込んでいて、専門の部署以外でも身近な技術です。小さな事業者の仕事に近い場面を挙げてみます。

  • メールの仕分け:迷惑メールを見分けて別のフォルダに入れる。
  • 写真の整理:人物や風景ごとに写真を自動でまとめる。
  • 音声を文字にする:会議やレッスンの録音から文字起こしを作る。AIで議事録を作成する手順とつながる使い方です。
  • お客様のグループ分け:購入や来店の傾向が近い方をまとめ、案内の内容を変える。
  • 数字の見通し:過去の申込の数から、次の月の忙しさの見当をつける。
  • 文章の下書き:生成AIに頼んで、メールや紹介文のたたき台を作る。

どの場面でも、役割は「下書きと整理」です。TARNAR AIでも、AIは下書きと整理を、判断は人が行うという方針で進めています。たとえば、自社の22の窓口の設計と制作では、構成・文章の下書き・表示確認でAIを使い、事実と判断は人が確認しました。機械学習の力を借りながら、決める部分は人が持つ形が、仕事ではいちばん長く続きます。

機械学習を仕事に生かすには、何から始める?

機械学習そのものを自社で作る必要はありません。多くの事業者にとっては、すでにある道具を、自分の仕事の流れに合わせて使うことが現実的な入口です。次の順番で進めると、迷いにくくなります。

  1. 仕事の流れを書き出す。毎日・毎週くり返している作業に印をつけます。業務の棚卸しの手順が役に立ちます。
  2. 記録を残す。機械学習の元になるのはデータです。申込の数、問い合わせの内容、投稿の反応など、日々の記録が整っているほど、AIを使うときの材料が増えます。
  3. 一か所で小さく試す。効果が見込める仕事を一つ選び、短い期間で試します。進め方はAIの小さな実証の進め方にまとめています。
  4. 人が確認する工程を残す。出てきた結果をそのまま使わず、事実と判断は人が見ます。
  5. 数字で振り返る。かかった時間や返信までの日数を、試す前と後で比べます。

仕事での使い方を全体から見たいときは、生成AIの活用方法|仕事の最初のたたき台づくりから始める業務別ガイドをご覧ください。

機械学習を使うときの注意点は?データと確認の二つを押さえる

機械学習の結果は、学んだデータの質に左右されます。データが偏っていたり古かったりすると、答えも偏ったり古くなったりします。AI事業者ガイドライン(総務省・経済産業省)では、AIを利用する側に対して、正確で必要に応じて最新のデータを入力すること、AIの出力の精度とリスクの程度を理解して利用すること、出力結果を事業で使う判断に責任を持つことが示されています。

押さえる点仕事での具体的な動き
入れるデータを整える日付・金額・名前などの記録を、最新で正しい状態にしてから使う
出力の精度を理解する答えは予測であり、間違うこともあると知ったうえで使う
最後は人が判断するお客様に出す文章や数字は、人が確認してから届ける
入れてよい情報を決める個人情報や機密情報の扱いを先にそろえる(入力前の仕分け表)

AIが事実とは違う内容をもっともらしく出す現象については、ハルシネーションとは?生成AIの誤りの理由と、仕事で防ぐ手順で防ぎ方を整理しています。

機械学習やAIを、自分の仕事のどこから使い始めるかを一緒に考えたいときは、TARNAR AIにご相談ください。事業内容と今の仕事の流れをうかがうところから、一緒に進めます。

よくある質問

機械学習とAIの違いは何ですか?

AIは人間の知的な作業をコンピューターで再現する技術全体を指す広い言葉で、機械学習はそれを実現する方法の一つです。データからルールを学ぶ部分が機械学習にあたります。

機械学習とディープラーニングの違いは?

ディープラーニング(深層学習)は、多数の層からなるニューラルネットワークを使って行う機械学習の一種です。機械学習のうち、特に多層のしくみを使うものがディープラーニングです。

生成AIも機械学習で作られていますか?

はい。文章を作る生成AIの中心にあるLLMは、大量の文章データから言葉のつながりを学んだモデルで、機械学習の考え方で作られています。

機械学習を使うのにプログラミングの知識は必要ですか?

すでにあるAIの道具を使う範囲では、プログラミングの知識がなくても始められます。まず今の仕事の流れを書き出し、一つの作業で小さく試すところから進められます。