目次
この記事でわかること
この記事では、AIや機械学習の説明で必ず登場する「モデル」「学習」「推論」という3つの基本用語について、 それぞれの意味と関係性を整理します。 単語の定義を暗記するのではなく、「AIがどのような流れで動いているのか」を理解することで、 AI-900試験の用語問題やシナリオ問題を確実に解けるようになることを目的としています。
結論：AIは「学習してモデルを作り、推論で使う」
AIの基本的な流れは、非常にシンプルです。
学習データ → 学習 → モデル完成 → 推論（予測・判断）
この流れを理解すれば、AI関連の用語は一気に整理できます。
① モデルとは何か
モデルの定義
モデルとは、データの特徴やパターンを学習した「ルールの集合体」です。 AIが予測や判断を行う際の「頭脳」にあたる部分です。
モデルのイメージ
- 人間でいう「知識」や「経験」
- 入力に対して、どう答えるかの判断基準
具体例
メールがスパムかどうかを判定するAIでは、 「怪しい単語が多い」「送信元が不審」などの特徴を学習した結果がモデルになります。
AI-900試験ポイント
モデル＝学習済みの成果物。
モデルそのものは学習しない点に注意が必要です。
② 学習とは何か
学習の定義
学習とは、データを使ってモデルを作成・調整するプロセスのことです。
学習で行われていること
- データの特徴を見つける
- 予測のズレを修正する
- 精度が高くなるよう調整する
具体例
過去の売上データと実際の結果を比較し、 予測が外れた場合はモデルを修正する、という作業を繰り返します。
Azureでの例
- Azure Machine Learningでのトレーニング
AI-900試験ポイント
学習はモデルを作る工程。
本番利用（推論）とは明確に区別されます。
③ 推論とは何か
推論の定義
推論とは、学習済みモデルを使って新しいデータを予測・判断する処理です。
推論の特徴
- 学習済みモデルを使用
- 正解データは不要
- 実際の業務で使われる工程
具体例
新しく届いたメールを、学習済みモデルを使って「スパム」か「正常」か判定する。
Azureでの例
- Azure ML エンドポイントでの予測
- Azure AI サービスのAPI呼び出し
AI-900試験ポイント
「予測」「判断」「本番利用」という表現が出たら推論。
3つの用語の関係性を整理
| 用語 | 役割 | タイミング |
|---|---|---|
| 学習 | モデルを作る | 事前 |
| モデル | 判断基準 | 学習後 |
| 推論 | 予測・判断 | 本番 |
よくある混同ポイント
- × モデルが推論する → ○ モデルを使って推論する
- × 推論中に学習する → ○ 学習と推論は別工程
この違いはAI-900で頻繁に問われます。
試験でよくある出題例
問題例：
「学習済みモデルを使って、新しい画像を分類する処理を何と呼ぶか？」
正解：
推論
まとめ
- 学習：データを使ってモデルを作る
- モデル：学習の成果物
- 推論：モデルを使って予測する
この3用語の関係を正しく理解できれば、AI-900の基礎用語問題はほぼ網羅できます。