探索と機械学習の違い（どっちを使う？）

G検定トップ＞探索と機械学習の違い（どっちを使う？）

まず結論（この1ページで即断）

G検定で「探索・推論」と「機械学習」が並んだら、 最初に見るべきは“正解の作り方”がどっちかです。

探索・推論：ルールに従って 解（手順・経路）を探す
機械学習：データから 規則性を学んで判断する

👉 手順・経路なら探索、見た目・予測なら機械学習 これでほぼ即断できます。

直感的な説明

探索・推論は「道順を考える」

迷路の出口までの道
ハノイの塔の手順
ロボットをどこへ動かすか

👉 状態をたどって、正解に到達する

機械学習は「見た目を覚えて当てる」

手書き文字を判定
画像の犬/猫分類
売上や気温を予測

👉 ルールを人が全部書けないので、データから学ぶ

定義・仕組み

探索（Search）

状態空間から解を見つける
代表例：幅優先探索 / 深さ優先探索 / A*

推論（Inference）

ルール・知識から結論を導く（記号推論など）

👉 明確なルールと状態があると強い

機械学習（Machine Learning）

データからモデルを学習して、未知データを予測・分類
代表例：分類 / 回帰 / クラスタリング

👉 あいまいな入力（画像・音声）に強い

いつ使う？（得意・不得意）

探索・推論が得意

迷路の経路探索
ハノイの塔
ロボットの移動計画（経路最適化）
パズルやゲームの手順

探索・推論が苦手

手書き文字の画像認識
画像分類、音声認識
ノイズが多くルールで書けない問題

機械学習が得意

画像認識（手書き文字、物体認識など）
音声認識
需要予測、異常検知

機械学習が苦手

ルールが明確で探索で解ける問題（わざわざ学習が不要）
データが少なすぎる問題（学習できない）

G検定ひっかけポイント

① 「ロボット」＝機械学習だと思わせる

ロボットが出ても、

移動経路・行動計画 → 探索・推論
カメラで物体を認識 → 機械学習

👉 ロボット“が何をしているか”を見る

② 「最適化」という言葉で混乱させる

経路の最適化（次の一手を探す） → 探索
重みの最適化（学習して当てる） → 機械学習

👉 何を最適化しているかで判断

③ 典型問題は即答

迷路探索 / ハノイの塔 → 探索・推論
手書き文字認識 → 機械学習

👉 出た瞬間に 1 択にできるように

まとめ（試験直前用・暗記版）

探索・推論：手順・経路・状態をたどって解を探す
機械学習：データから学んで分類・予測する

👉 迷ったら

手順・経路？ → 探索・推論 画像・音声・予測？ → 機械学習

🔗 関連記事

🏠 G検トップに戻る