最終更新日：2026年9月10日
fe fe-technology basic-theory ai
まず結論
機械学習（Machine Learning）は、コンピュータにデータを与え、そこから規則性やパターンを学習させて、分類・予測・判断などに利用する技術です。
基本情報技術者試験では、次の切り分けを最初に覚えると判断しやすくなります。
人が判断ルールを細かく決めて動かす
→ 従来型のプログラム・制御
データや経験から規則性を学ぶ
→ 機械学習
特に、「学習する」「過去データから予測する」「認識精度を高める」といった表現が手掛かりになります。
通信する、自動で動く、統計的に分析するだけでは機械学習とは限らない。データから学ぶかを見る。
直感的な説明
機械学習と従来型プログラムの違いは、料理の作り方にたとえると分かりやすくなります。
従来型プログラム
人が最初から手順を細かく決めます。
温度が30度を超えた
→ 冷却装置を動かす
温度が25度以下になった
→ 冷却装置を止める
このように、条件と処理を人があらかじめ決めているなら、基本的には通常のプログラムや自動制御です。
機械学習
一方、機械学習では大量のデータから傾向を学ばせます。
過去の正常データ
過去の異常データ
↓
特徴や傾向を学習
↓
新しいデータが正常か異常か判断
人がすべての判断条件を1つずつ書くのではなく、データをもとに判断のためのモデルを作るところがポイントです。
定義・仕組み
機械学習は人工知能（AI）の一分野です。
大まかな関係は次のように整理できます。
人工知能（AI）
└─ 機械学習
└─ ディープラーニング
機械学習の基本的な流れは次のとおりです。
1. データを集める
2. データから規則性を学習する
3. 学習結果からモデルを作る
4. 新しいデータに対して予測・分類・判断する
例えば製造設備の異常検知なら、過去の振動や温度などのデータを学習し、新しい測定値から異常の可能性を判定する、といった使い方ができます。
機械学習の代表的な学習方法は、教師あり・教師なし・強化学習の違いで整理しています。
また、機械学習の中でも多層ニューラルネットワークを利用する手法については、ディープラーニングとは？で確認できます。
公式の出題範囲やシラバスは、IPA：基本情報技術者試験 から確認できます。
科目Aでどう出る？
科目Aでは、機械学習そのものの定義だけでなく、複数の技術の活用事例から機械学習に該当するものを選ぶ問題にも注意します。
判断するときは、まず「何をしているか」を確認します。
| 問題文の手掛かり | 判断 |
|---|---|
| 過去データから傾向を学ぶ | 機械学習 |
| 画像を多数学習して識別精度を高める | 機械学習 |
| データから需要や故障を予測する | 機械学習 |
| センサ値を条件式で判定して動作する | 自動制御 |
| 機器同士をネットワークで接続する | M2M・IoTなど |
| 累積生産量とコストの関係を見る | 経験曲線など |
「自動で動く」だけでは機械学習ではない
例えば、
センサ値を取得
↓
しきい値と比較
↓
モータをON / OFF
のように、人が決めた条件に従って動くだけなら通常の自動制御です。
「通信する」だけでも機械学習ではない
工場設備をネットワークで接続し、コンピュータから監視・制御できるようにするのは、通信やM2M、IoTの活用です。
通信して情報交換する
→ M2M・IoT寄り
集めたデータから規則を学ぶ
→ 機械学習寄り
製造業の活用事例でどう見分ける？
製造業では、次のように切り分けると判断しやすくなります。
振動データを学習し、故障の兆候を予測
→ 機械学習
カメラ画像を学習し、不良品を自動判定
→ 機械学習
センサ値が上限を超えたら装置を停止
→ 自動制御
設備をネットワークにつないで遠隔監視
→ M2M・IoT
決め手は、「データから学習しているか」です。
どんな場面で使う？
画像認識
大量の画像から特徴を学習し、製品、人物、文字などを分類・認識する用途に使われます。
異常検知・故障予知
正常時と異常時のデータや、設備状態の時系列データを利用して、異常や故障の兆候を検出します。
需要予測
過去の販売実績や季節などのデータから、将来の需要を予測します。
ロボットや制御の高度化
ロボットが作業結果などを学習し、より適切な行動を選べるようにする用途があります。
ただし、ロボットが動いているだけでは機械学習とは限りません。
決められた手順を繰り返す
→ 通常の制御
経験やデータを使って行動を改善する
→ 機械学習を疑う
よくある誤解・混同
自動制御と機械学習は同じ？
違います。
自動制御は、人が設定した規則や制御則に従って自動的に動作することがあります。
条件を人が決める
→ 自動制御
データから規則性を学ぶ
→ 機械学習
M2M・IoTなら機械学習？
違います。
M2MやIoTは、機器やセンサなどをネットワークにつなぎ、データをやり取りする仕組みです。
そのデータを使って機械学習を行うことはありますが、接続・通信そのものが機械学習なのではありません。
データを統計的に分析したら全部機械学習？
違います。
集計、グラフ化、原因分析などは、機械学習を使わなくても行えます。
試験では、単に「分析する」という言葉だけで機械学習と判断せず、学習モデルを作って予測・分類などに使っているかを確認します。
機械学習とディープラーニングは同じ？
ディープラーニングは機械学習の一分野です。
機械学習
└─ ディープラーニング
すべての機械学習がディープラーニングというわけではありません。
決定木を使った原因分析なら必ず機械学習？
「木の形で原因を整理する」というだけでは判断できません。
機械学習の決定木は、学習データから分岐条件を作って分類や予測を行うモデルです。一方、原因分析のために人がツリーを作る手法もあります。
学習データから分岐条件を作る
→ 機械学習の決定木
人が原因をツリー状に整理する
→ 原因分析手法の可能性
「ツリー」という形だけでなく、データから学習しているかを確認します。
まとめ（試験直前用）
- データや経験から規則性を学ぶ → 機械学習
- 人が決めた条件どおりに動く → 通常のプログラム・自動制御
- 機器同士を接続して通信する → M2M・IoTなど
- 「自動」「分析」「通信」だけで機械学習と決めない
- 最後は 「データから学んでいるか」 で切り分ける