最終更新日:2026年9月23日
gk
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