最終更新日：2026年8月22日
gk cheatsheet
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
探索・推論と機械学習は、「どうやって答えを作るか」で切り分けます。
- 探索：与えられた状態・遷移・評価基準を使って、解や経路を探す
- 推論：与えられた知識・ルールから結論を導く
- 機械学習：データから規則性や入力と出力の対応を学ぶ
G検定では、ルールや状態空間が明示されているか、データから学習しているかを見るのが基本です。
直感的な説明
探索・推論
迷路なら、
「今どこにいるか」「どこへ移動できるか」
を使って出口までの経路を探します。
機械学習
画像分類なら、
「犬はこの形、猫はこの形」
という判定規則を人がすべて書くのではなく、例からモデルに学ばせます。
ただし、探索と機械学習は排他的ではありません。学習した評価関数で探索を導くなど、組み合わせることもできます。
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*
- 経路・手順・次の一手などを扱う
推論（Inference）
- 知識やルールから結論を導く
- 記号推論、ルールベース推論などが代表例
機械学習（Machine Learning）
- データからモデルを学習する
- 分類、回帰、クラスタリングなどに使われる
- 画像・音声だけでなく、表形式データや系列など幅広いデータを扱える
いつ使う？（得意・不得意）
| 問題の中心 | まず疑うもの |
|---|---|
| 迷路・経路・手順・状態遷移 | 探索 |
| IF-THENなど明示的な知識から結論 | 推論 |
| 例から分類・予測規則を学ぶ | 機械学習 |
重要なのは、用途名だけで決めないことです。
- ロボットの経路計画 → 探索が中心になり得る
- ロボットのカメラ認識 → 機械学習が中心になり得る
- ゲームAI → 探索と機械学習を組み合わせることもある
データが少ないから機械学習が必ず使えない、とも限りません。事前学習済みモデルや事前知識を利用できる場合もあります。
G検定ひっかけポイント
- ❌「ロボットなら機械学習」→ 何をしているかを見る
- ❌「画像・音声なら探索は絶対使わない」→ 複数手法を組み合わせる場合がある
- ❌「ルールが明確なら機械学習は使えない」→ 使えるが、必ず必要とは限らない
- ❌「最適化という語があれば同じ手法」→ 何を最適化しているかを見る
判断するときは、
答えを状態・ルールから探している？ それともデータから規則を学んでいる？
と問い直します。
まとめ（試験直前用）
- 探索 → 状態空間から解・経路を探す
- 推論 → 知識・ルールから結論を導く
- 機械学習 → データから規則性を学ぶ
- 用途名だけで決めない
- 探索・推論と機械学習は組み合わせることもできる