文系のためのAI数学入門＃４：確率・統計の基礎をやさしく整理
確率・統計の基礎
AIは、常に「正解が一つに決まる世界」を扱っているわけではありません。現実のデータにはばらつきやノイズが含まれており、不確実性を前提に判断する必要があります。
そこで重要になるのが、確率・統計の考え方です。確率・統計は、AIが不確実な情報をどのように扱い、判断しているのかを理解するための基礎となります。
確率とは何を意味しているのか
確率とは、「ある出来事がどの程度起こりやすいか」を数値で表したものです。
AIにおいて確率は、「正解か不正解か」を断定するためではなく、どの選択肢がどれくらいもっともらしいかを表現するために使われます。
たとえば画像認識では、
犬である確率が70%
猫である確率が25%
その他が5%
といった形で、複数の可能性を同時に評価します。
AIは確率を通じて、曖昧な世界を数値として扱っているのです。
平均・分散・標準偏差の役割
統計の基本的な指標として、平均・分散・標準偏差があります。
平均はデータの中心を表しますが、平均だけではデータの特徴は十分に分かりません。
分散や標準偏差は「ばらつきの大きさ」を示す
同じ平均でも、ばらつきが大きいか小さいかで意味は異なる
AIでは、この「ばらつき」を考慮することで、
安定した傾向なのか
偶然の影響が大きいのか
を判断します。
確率・統計は、データの信頼性を見極めるための視点を与えてくれます。
確率分布とAIモデルの関係
確率分布とは、データがどのような形で分布しているかを表したものです。
AIモデルは、データの分布を仮定・推定しながら学習を進めます。
代表的な例として、正規分布（ベルカーブ）があります。
測定誤差やサンプルの平均値など、複数の独立した要因が重なると、この形に近づく傾向があります（中心極限定理）。
※ただし、すべてのデータが正規分布に従うわけではありません。実際には、べき乗則に従う分布（例：所得分布）、指数分布（例：故障時間）、ポアソン分布（例：稀な事象）など、正規分布に従わないデータも多く存在します。
AIでは、
データがどの分布に近いのか
分布が時間とともに変化していないか
といった点を意識することで、モデルの挙動をより正確に理解できます。
確率・統計は「判断の不確実さ」を扱う道具
確率・統計の重要な役割は、「不確実さを無視しない」ことです。
AIは完璧な判断を下す存在ではなく、常に誤りの可能性を含んでいます。
そのため、
確率が高いからといって必ず正しいわけではない
確率が低くても無視できないケースがある
といった視点が重要になります。
確率・統計を理解することで、AIの判断を過信せず、適切に活用できるようになります。
数式よりも「意味」を押さえる
ここで大切なのは、
確率＝可能性の度合い
統計＝データの傾向とばらつきを見る視点
AIは不確実性を前提に動いている
という理解です。
数式の詳細よりも、AIがどのように不確実な情報を扱っているかをイメージできることが重要です。
ここまでお読み頂きありがとうございます。
AIって何？ AIの歴史から最新情報まで、わかりやすく説明した、
これまでの記事（マガジン）の一覧をプロフィールページにまとめています。
AIの全体像をつかむヒントに、ぜひご覧ください。
＜前へ
文系のためのAI数学入門＃３｜線形代数の基礎をやさしく整理
次へ＞
文系のためのAI数学入門＃５｜推定と学習の考え方をやさしく整理
免責事項
・本記事は生成AI（ChatGPT等）を活用して執筆しています。内容の正確性・最新性には十分配慮しておりますが、誤りや古い情報が含まれる場合があります。ご利用・ご判断はご自身の責任でお願いいたします。万一、著作権等に問題がある場合はご連絡ください。
