---
title: "古典AIまとめ（探索・推論・知識表現）"
description: "古典AIまとめ（探索・推論・知識表現）について、G検定で問われる特徴量・教師なし学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。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/"
section: "gk"
---

## まず結論（試験での切り方）

**古典AIとは「データから学ぶAI」ではなく、「人が考え方を与えるAI」**。

G検定では、

> 機械学習か？ 古典AIか？

を見分けられるかが最重要です。

---

## 古典AIの全体像

古典AIは、主に次の3要素で構成されます。

1. **探索（Search）**
2. **推論（Inference）**
3. **知識表現（Knowledge Representation）**

👉 **ルール・論理・状態遷移** が中心

---

## 探索（Search）

### 直感的な説明

> 「ゴールにたどり着くまでの手順を探す」

---

### 代表例

* 幅優先探索
* 深さ優先探索
* A*アルゴリズム

---

### 典型問題

* **迷路探索**
* **ハノイの塔**
* **8パズル**

👉 **トイ・プロブレム**

---

## 推論（Inference）

### 直感的な説明

> 「与えられたルールから結論を導く」

---

### 代表例

* 前向き推論
* 後ろ向き推論

---

### 使われる場面

* エキスパートシステム
* 診断・助言システム

---

## 知識表現（Knowledge Representation）

### 直感的な説明

> 「人間の知識をコンピュータが扱える形にする」

---

### 代表的な表現方法

* ルール（IF-THEN）
* 論理式
* フレーム
* セマンティックネットワーク

---

## 古典AIと機械学習の違い（頻出）

| 観点     | 古典AI | 機械学習    |
| ------ | ---- | ------- |
| 知識の与え方 | 人が定義 | データから学習 |
| ルール    | 明示的  | 暗黙的     |
| 柔軟性    | 低い   | 高い      |

---

## G検定ひっかけポイント

* ❌「探索＝機械学習」

* ❌「推論＝ニューラルネットワーク」

* ❌「古典AIはデータを学習する」

* ✅ **人がルールを書く = 古典AI**

---

## 覚え方（試験用）

> **探す → 考える → 知識を使う**

* 探す：探索
* 考える：推論
* 知識を使う：知識表現

---

## まとめ（試験直前用）

* 古典AI = 探索・推論・知識表現
* データから学ばない
* トイ・プロブレムが中心

👉 迷ったら

> **ルール・論理・探索 → 古典AI**