---
title: "古典AI vs 機械学習（最終比較チートシート）"
description: "古典AI vs 機械学習（最終比較）について、G検定で問われるAI・機械学習分野の観点から、目的、前提、モデル構造、入力と出力、評価観点のどこが異なるかを比較します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/classical-ai-vs-ml/"
section: "gk"
---

## まず結論（G検定での即断）

**違いは「知識をどう作るか」。**

* **古典AI**：人がルール・知識を書く
* **機械学習**：データから自動で学ぶ

👉 この1行で選択肢を切る。

---

## 直感的な一言まとめ

* 古典AI：**考え方を教えるAI**
* 機械学習：**例を見せて学ばせるAI**

---

## 基本比較表（最重要）

| 観点     | 古典AI       | 機械学習     |
| ------ | ---------- | -------- |
| 知識の与え方 | 人が明示的に記述   | データから学習  |
| 中心技術   | 探索・推論・知識表現 | 学習アルゴリズム |
| ルール    | 明示的        | 暗黙的      |
| データ量   | 少なくてよい     | 大量に必要    |
| 柔軟性    | 低い         | 高い       |
| 代表例    | エキスパートシステム | 深層学習     |

---

## 古典AIの特徴（復習）

### 何をする？

* 探索（迷路・パズル）
* 推論（IF-THENルール）
* 知識表現（フレーム・意味ネット）

👉 **トイ・プロブレムが中心**

---

## 機械学習の特徴（復習）

### 何をする？

* パターン認識
* 予測・分類
* 回帰

👉 **データ駆動型**

---

## AIブームとの対応（頻出）

| AIブーム | 中心技術             |
| ----- | ---------------- |
| 第一次   | 古典AI（探索・推論）      |
| 第二次   | 古典AI（エキスパートシステム） |
| 第三次   | 機械学習・深層学習        |

---

## G検定ひっかけポイント

* ❌「古典AIもデータから学習する」

* ❌「機械学習はルールベース」

* ❌「探索アルゴリズム＝機械学習」

* ✅ **ルールを書く → 古典AI**

* ✅ **データで学ぶ → 機械学習**

---

## 典型問題の切り方

> 専門家の知識をルールとして組み込み、
> 推論によって結論を導くAI

👉 **古典AI（エキスパートシステム）**

---

> 大量のデータから特徴を自動抽出し、
> 未知データを予測するAI

👉 **機械学習**

---

## まとめ（試験直前用）

* 古典AI：人が知識を書く
* 機械学習：データから学ぶ
* 判断軸は **ルールかデータか**

👉 迷ったら

> **人が考えたら古典AI / データに任せたら機械学習**