AIは「学ぶ」——でも、どうやって?
「AIが囲碁で人間に勝った」「AIが画像から病気を見つけた」。こうしたニュースの中心にあるのが機械学習という技術です。名前は聞いたことがあっても、中身は霧の向こう、という人が多いでしょう。実は核心はとてもシンプルで、これを押さえるだけでAIニュースの解像度が一変します。
ルールを書く vs. 例から学ぶ
従来のコンピュータプログラムは、人間がルールを一つずつ書いて命令するものでした。「もし気温が28度を超えたらエアコンをつけよ」——こう書けば、その通りに動きます。明快ですが、限界があります。たとえば「写真に写っているのが猫かどうか判定せよ」を、ルールで書けるでしょうか。「耳がとがっていて、ひげがあって……」と書き始めても、例外だらけで手に負えません。
機械学習は、発想を逆転させます。ルールを書く代わりに、大量の例を見せるのです。「これは猫」「これは猫じゃない」とラベルのついた画像を何万枚も見せると、コンピュータは自分で「猫らしさ」のパターンを見つけ出します。人間が特徴を言葉にできなくても、データから学び取る——これが機械学習の正体です。
学習の3ステップ
おおまかには、こう動いています。
- データを集める:大量の例(画像、文章、購買履歴など)を用意する
- パターンを学習する:データに繰り返し現れる規則性を、モデルが調整を繰り返してつかむ
- 予測する:学んだパターンを使って、新しいデータに答えを出す(この画像は猫か、この客は何を買いそうか)
ここで重要なのは、機械学習が見つけるのは相関(一緒に現れるパターン)であって、必ずしも因果ではないことです(相関と因果)。「なぜそうなるか」を理解しているわけではなく、「こういうときはこうなりがち」を大量に覚えているだけ——ここがAIの強さと危うさの両方の源です。
データの偏りは、結果の偏りになる
機械学習の最大の弱点も、この仕組みから来ます。AIは学習データに含まれる偏りを、そのまま引き継ぎます。過去の採用データが男性に偏っていれば、それを学んだ採用AIは男性を高く評価するようになる。AIが差別しようと「意図」するのではなく、過去の偏りを忠実に再現するのです。「AIは客観的で中立」という思い込みは、ここで崩れます。AIの判断は、それが食べたデータの鏡なのです。
ニュースで使う視点
AIのニュースを読むときの第一の問いは、「このAIは何のデータで学んだのか」です。性能の高さも、失敗や偏りも、多くは学習データで説明できます。「AIが賢い/間違えた」ではなく「どんな例から何のパターンを学んだ結果か」と考えると、過度な期待にも過度な恐怖にも流されずに済みます。
次のレッスンでは、いま最も話題の機械学習——文章や画像を作り出す生成AIの仕組みと限界を掘り下げます。