パターン認識（Pattern Recognition）とは — たとえでやさしく

1たとえで理解する

近所の店の店主は、数日もすれば常連の顔を覚えます。名簿をつけているわけでもないのに、です。いつも朝八時ごろに入ってきて、毎回同じ飲み物を選び、会計のときはいつもカードを出す人。こういう細かなことが何度か重なると、扉が開いた瞬間に「ああ、あの人だ」とわかります。特別な記憶力ではなく、くり返し現れるものが重なってできた輪郭をつかんだのです。パターン認識はまさにこの見分けです。何を見るべきか一覧で教わったのではなく、何度も出会ううちに重なる部分が残り、次はその輪郭と見比べる作業です。

2くわしく

見分けは特徴を見比べる作業です

店主が常連を見分けるとき、顔全体を写真のように思い浮かべているわけではありません。入ってくる時間、選ぶ飲み物、支払い方法のような、いくつか目立つものだけを捉えます。この数点が記憶の中の輪郭と重なったとき、見分けたことになります。

機械も同じ手順を踏みます。入ってきたものから使えそうな特徴を取り出し、その特徴をすでに学んでおいた輪郭と一つずつ見比べ、いちばん近いものの名前を答えとして出します。写真でも音でも文でも、この三歩は変わりません。

答えは一つにきっぱり決まりません。実際には「これは猫寄りだが犬にも少し寄っている」というように、複数の候補に点数を付けたうえで最も高いものを選ぶ形です。だから見分けの結果には、いつもどれくらい確信しているかがついて回ります。

規則を書き込む代わりに例を見せる

昔のやり方は、人が規則を直接書き込むものでした。「上に丸い線があって、下に縦線が二本あればこの文字」というふうにです。いくつかの場合はうまくいきましたが、手書き文字のように人によって形が変わるものの前では、条件が際限なく増えて手に負えなくなりました。

今は逆にします。規則を書き込まず、例をたくさん見せます。同じ文字を書いた手書きを何万枚も見せると、その中でくり返し重なる部分を機械が自分で取り出します。人は答えの付いた例を用意するだけで、何を見るべきかは教えません。

店主の見分けもこちらに近いものです。「常連とはこういう人だ」という規則を教わったことはなく、ただ何度も出会ううちに自然と輪郭ができたのです。例が少なければこの輪郭はぼやけていて、例が多様なほどくっきりします。

何を特徴として捉えるかが実力を決めます

店主が客を見分ける根拠が「いつも青い傘を持っている人」だとしたら、晴れた日には見分けられません。捉えた特徴がその人自身ではなく、天気のほうに付いていたからです。

機械も同じように見当違いをします。牛を見分けるよう学習させたら、実は草原の緑色を見ていた事例が有名です。浜辺に立つ牛は見分けられず、草原の写真なら牛がいなくても牛と答えます。学習に使った写真で牛と草原がいつも一緒に写っていたからです。

だから、どんな状況で間違えるかを調べることが、正解率の数字を見ることと同じくらい大切です。背景や照明だけを変えたのに答えがひっくり返るなら、見分けていたのは物ではなく背景だったという合図です。

似たものを混同するのは自然なことです

店主もときどき人を見間違えます。似た時間帯に似た服装で入ってきて、同じ飲み物を選べば、混同するのも無理はありません。見比べる材料が重なれば、判断も重なります。

機械の間違いも同じ性質を持っています。間違いは二方向に分かれます。合っているのに違うと言う方向と、違うのに合っていると言う方向です。境目を上げると前者の間違いが増え、境目を下げると後者の間違いが増えるので、両方を同時になくすことはできません。

だから、使う場面に合わせて境目を決めます。見逃すと大変な場面では、多少間違えても広く拾い、誤って見分けると困る場面では、確信が高いときだけ答えさせて、残りは人に任せます。

見分けることと知ることは違います

店主は常連を見分けながら、その人の事情も一緒に知っています。どこで働いているのか、なぜいつもその時間に来るのかを。機械の見分けにはその部分がありません。重なる輪郭が合っていたという判断だけがすべてです。

だからパターン認識は、驚くほど上手にこなしながらも、あっけなく崩れます。人が見て明らかにおかしい答えを、輪郭が合っていたという理由だけで自信満々に出します。少し揺らしただけの写真にまったく違う名前を付けてしまうのもこのためです。

この限界を知ったうえで使えば、道具としては十分に強力です。人が一日かけても見きれない量から候補を絞り出す場面、いつも同じ基準でふるいにかけなければならない場面で、パターン認識は人よりずっと根気強く働きます。

3もう少し正確に

パターン認識は、入力から特徴を取り出し、あらかじめ決めておいた部類のどれかに割り当てる作業です。答えの種類が決まっていれば分類、答えなしに似たものどうしをまとめるだけならクラスタリングと呼びます。以前は何を特徴とするかを人が設計していましたが、今は層を何重にも重ねたニューラルネットワークが、下の層で線や角のような単純なものから捉え、上に行くほど複雑な輪郭を捉える形で、特徴の設計まで自分でこなします。

たとえがずれる点もあります。店主は常連を一、二度見ただけでも見分けますが、機械はたいてい同じ種類を数千枚以上見ないと輪郭がつかめません。また店主は客が髪を切って来ても見分けますが、機械は学習で見たことのない変化の前ではあっさり崩れます。人の見分けにはその人についての別の知識が一緒に乗りますが、機械の見分けには見比べだけがあり、その先がありません。

4やってみる

5よくある誤解

AIが見分けるということは理解しているということだと思われがちですが、実際には学習で見た輪郭とどれだけ似ているかを測っているだけです。
正解率が高ければ信頼できると見なされがちですが、実際には見当違いの特徴を捉えていても、試験データでだけ高い点数が出ることがあります。
パターン認識は写真や音にしか使われないと思われがちですが、実際には文の感情判定、カードの不正使用検知、機械の故障予測のような目に見えない資料にも同じように使われます。

7ひとこと要約

つまりパターン認識は何度も出会ったものから重なる輪郭をつかみ、次に見比べる仕事で、見分けるということは理解するということとは違います。

このたとえは理解に役立ちましたか？

誤りや、もっと良いたとえがありますか？修正を提案する · 最終更新2026-09-02