【第51回】AIは2点の近さをどう測る？ユークリッド距離とは
地図の上で2点の直線距離を考えるように、データ同士の近さを測りたいことがあります。
その基本になるのが「ユークリッド距離」です。
この記事では、もっともよく使われる距離の考え方をやさしく解説します。
1. 読み方
ユークリッド距離 ＝ ゆーくりっどきょり
2. 意味（定義）
ユークリッド距離を一言で言うと、「2つの点の間を、定規で真っ直ぐ結んだときの最短距離」のことです。
イメージしやすいように、「ドローン」で例えてみましょう！
あなたが地図上の「地点A（コンビニ）」から「地点B（友達の家）」まで移動したいとき、人間が街を歩くなら、道に沿って曲がりくねって進みますよね。
でも、ドローンならどうでしょう？ 建物や道を一切気にせず、空を飛んで「直線的に最短ルート」で向かえます。
この、「空を飛んで一直線に結んだ距離」こそが、ユークリッド距離なのです。
私たちが小学校や中学校の数学で習った「2点間の距離」は、すべてこのユークリッド距離のことだと思って間違いありません。
3. 歴史・背景
この概念は、古代ギリシャの数学者ユークリッドが体系化した幾何学に基づいています。皆さんが数学の授業で習った「三平方の定理（ピタゴラスの定理）」を思い出してください。直角三角形の斜辺の長さを求めるあの計算式が、ユークリッド距離の正体です。
では、なぜこれがAIに重要なの？
AI（機械学習）の世界では、あらゆるデータ（画像、文章、ユーザーの好みなど）を「数字の集まり（ベクトル）」として捉えます。
例えば、「リンゴ」と「梨」のデータを数字にしたとき、その2つの点の距離が近ければ「似ている」と判断し、距離が遠ければ「似ていない」と判断します。
つまり、ユークリッド距離はAIにとって「似ているかどうかを判定するための、もっとも基本的でシンプルな物差し」なのです。
4. 比較・対比（似た用語との違い）
ユークリッド距離とよくセットで出てくるのが「マンハッタン距離」です。
【ユークリッド距離】（鳥の視点）
2点を直線で結んだ距離。
障害物を無視して、最短距離で突き進むイメージ。
「直線的にどれだけ離れているか」を測るのに適しています。
【マンハッタン距離】（タクシーの視点）
碁盤の目のような道を、カクカクと直角に曲がりながら進んだ距離。
ニューヨークのマンハッタンのように、ビルに囲まれて直線的に進めない状況をイメージしてください。
「軸に沿ってどれだけ移動したか」の合計を測るのに適しています。
5. 活用シーン（実社会のどこで、どんな問題に使うか）
① おすすめ商品や音楽のレコメンド（類似度判定） 例えば、音楽アプリが「あなたに似た好みの曲」を探すとき、曲の特徴（テンポ、明るさ、激しさなど）を数値化して座標に置きます。そのとき、今聴いている曲の点からユークリッド距離が近い曲をピックアップして、「次はこの曲はどうですか？」と提案しています。
② 似たもの同士をグループ分けする（k-means法などのクラスタリング） 大量の顧客データを、「たくさん買い物をするグループ」「たまにしか来ないグループ」のように自動で分けるとき、データの中心点からのユークリッド距離を計算して、「近い点同士を同じグループに入れる」という処理が行われています。
6. G検定での出題傾向
G検定では、難しい計算式を書かされることはほとんどありません。それよりも「概念的な理解」が問われます。
定義の確認： 「2点間の直線距離を測る尺度はどれか？」という基本問題。
性質の理解： 「距離が小さい＝データが似ている」という関係性を理解しているか。
使い分け： 次回学ぶマンハッタン距離など、他の距離尺度との違いを正しく選べるか。
「ユークリッド距離 ＝ 直線 ＝ 最短 ＝ シンプル」というキーワードをセットで覚えておきましょう。
7. G検定の例題
【問題1：最頻出（基礎的な定義）】
2つのデータ点があるとき、それらを直線で結んだ最短距離を計算する手法はどれか？
A. マンハッタン距離
B. ユークリッド距離
C. コサイン類似度
D. マハラノビス距離
【問題2：頻出（特徴に関する問題）】
機械学習において、ユークリッド距離を用いて2つのデータの「距離」を計算した結果、その値が非常に小さかった場合に考えられることはどれか？
A. 2つのデータは互いに似ていない。
B. 2つのデータは互いに似ている。
C. データの相関関係が非常に強い。
D. データに外れ値が含まれている。
【問題3：ひっかけ（勘違いしやすいポイント）】
ユークリッド距離について、正しい記述はどれか？
A. 碁盤の目のように、軸に沿ってカクカクと移動した距離を測る。
B. データの分布（分散や相関）を考慮して、統計的な距離を測る。
C. 2点間を直線で結んだ最短距離を測る。
D. 2つのベクトルの「向き」のしなり具合で類似度を測る。
8. 7の例題の回答と解説
【問題1：回答】 B
【解説】 正解はBです。ユークリッド距離の定義そのものです。Aのマンハッタン距離は「カクカクした距離」、Cのコサイン類似度は「角度」を測るものです。
【問題2：回答】 B
【解説】 正解はBです。AIの世界では**「距離が近い（＝数値が小さい）」ことは「似ている」こと**を意味します。反対に、距離が遠ければ遠いほど、性質が異なるデータであると判断されます。
【問題3：回答】 C
【解説】 正解はCです。
Aは「マンハッタン距離」の説明です。
Bは「マハラノビス距離」の説明です。
Dは「コサイン類似度」の説明です。 選択肢がすべて「距離や類似度の測り方」になっていますが、ユークリッド距離はシンプルに「直線」であることだけを思い出してください。
9. Ankiアプリ用（CSV形式）
ユークリッド距離とはどのような距離のことか？,2つの点の間を直線で結んだ最短距離のこと。
AIがユークリッド距離を計算して値が小さかった場合、それは何を意味するか？,2つのデータが「似ている」ことを意味する。
ユークリッド距離の計算のベースとなっている数学の定理は？,三平方の定理（ピタゴラスの定理）。
ユークリッド距離とマンハッタン距離の決定的な違いは？,ユークリッド距離は直線距離を測り、マンハッタン距離は軸に沿ったカクカクした距離を測る点。
ユークリッド距離が活用されているAIの具体例は？,おすすめ商品のレコメンドや、データのグループ分け（クラスタリング）。
📝 総評・まとめ
お疲れ様でした！今回は、AIが「似ているかどうか」を判断するための基本中の基本、ユークリッド距離について学びました。
難しい数式に惑わされず、「ドローンで一直線に飛んでいく距離なんだな」というイメージさえ持っておけば、試験問題はバッチリ解けますよ。
✅ 絶対に覚えて！
ユークリッド距離 ＝ 2点間の直線距離（最短距離）。
距離が小さい → データが似ている。
三平方の定理を使って計算される。
🚀 次回予告 今回は「空を飛べるドローン」でしたが、次回は「道に沿って走るタクシー」のような距離の測り方について学びます。
【第52回】AIはまっすぐ進めないとき距離をどう測る？マンハッタン距離とは
✅ この記事が役に立ったら「スキ」で応援してください！
あなたの応援が、次の解説を作るエネルギーになります！🚀
