Skip to the content.

最終更新日:2026年9月23日

まず結論

探索(Search)と推論(Inference)は、どちらも古典AIで重要な考え方ですが、役割は異なります。

  • 探索:候補となる状態や経路をたどり、目的の解を見つける
  • 推論:与えられた知識・事実・ルールから、新しい結論を導く

G検定では、「候補をたどる問題か」「知識から結論を導く問題か」で切り分けると判断しやすくなります。

直感的な説明

迷路を解く場面で考えると分かりやすいです。

  • どの道を進めばゴールへ着くか、候補を順番に調べる → 探索
  • 「この条件ならこの結論になる」というルールを使って答えを出す → 推論

つまり、

探索=どこをたどるか

推論=何が言えるか

という違いです。

定義・仕組み

探索(Search)

探索は、問題を状態と状態間の遷移として表し、初期状態から目標状態へ至る経路や解を探します。

代表的な探索方法には次があります。

手法 基本的な考え方 判断キーワード
幅優先探索 浅い階層から順に調べる 幅、近い状態から
深さ優先探索 1つの経路を深くたどる 深さ、行けるところまで
A* 実コストとヒューリスティックを使って有望な経路を優先する 評価関数、ヒューリスティック

G検定では細かい実装より、状態空間の中から解・経路を探していることを押さえます。

3手法の探索順・最短経路・ヒューリスティックの違いは、幅優先探索・深さ優先探索・A*の違いで比較しています。

推論(Inference)

推論は、知識ベースにある事実やルールを使って、新しい事実や結論を導く処理です。

たとえば、

  • 人間なら哺乳類である
  • Aさんは人間である

という知識から、

  • Aさんは哺乳類である

と導くイメージです。

知識表現が「知識をどう表すか」だとすると、推論はその知識を使って何を導くかです。

「推論」という言葉の文脈に注意

現在の機械学習では、学習済みモデルに入力を与えて予測を得る処理も「推論(inference)」と呼びます。

一方、G検定の「人工知能をめぐる動向」に出てくる探索・推論は、古典AIの文脈で、知識やルールを使って結論を導く意味を中心に捉えます。

いつ使う?(得意・不得意)

探索が使われる代表例

  • 迷路や経路探索
  • ゲームの手順探索
  • パズル
  • ロボットの経路計画

推論が使われる代表例

  • エキスパートシステム
  • ルールベースの診断
  • 知識ベースからの結論導出

画像分類や音声認識のようなパターン認識は、古典的な探索・ルール推論そのものより、機械学習・ディープラーニングが代表的です。

ただし、実際のAIシステムでは探索と機械学習を組み合わせることもあるため、「探索と機械学習は絶対に同時に使われない」わけではありません。

G検定ひっかけポイント

探索と推論を同じものにしない

❌ 探索も推論も、状態空間の中から経路を探す処理である
⭕ 状態空間をたどるのが探索、知識・ルールから結論を導くのが推論

A*を機械学習と混同しない

❌ A*はニューラルネットワークの学習手法
⭕ A*はヒューリスティックを利用する代表的な探索アルゴリズム

ロボットという単語だけで判断しない

  • ロボットの経路を探す → 探索
  • カメラ画像から物体を認識する → 機械学習・画像認識

何をしているかを見ることが重要です。

「推論」の意味は文脈を見る

  • 古典AIの知識・ルールから結論を導く → 推論
  • 学習済みモデルで予測を実行する → 機械学習でも「推論」と呼ぶ

G検定では、どの分野の文脈で使われているかを確認します。

まとめ(試験直前用)

  • 探索=状態・経路の候補をたどって解を探す
  • 推論=知識・事実・ルールから結論を導く
  • BFS・DFS・A* → 探索
  • エキスパートシステムのルール適用 → 推論
  • 「経路か、知識からの結論か」で切り分ける
  • 機械学習の「推論」は別の文脈でも使われるので注意

© 2024-2026 stemtazoo. All rights reserved.