主なポイント
- 機械学習は人工知能（AI）の一分野です。端的に言えば、システムが経験やデータから学習することで、その性能を向上させることができる技術です。
- 機械学習（ML）とは、機械が経験から学習できるようにするアルゴリズムを作成することです。AIはスマートな機械の構築に焦点を当てているのに対し、MLはデータを通じてそれらの機械に学習させるための基盤となる技術です。
- Malwarebytes 機械学習（ML）Malwarebytes 、ゼロデイ攻撃を含む、実環境でこれまで確認されたことのないマルウェアを検出します。
- 機械学習を活用した異常検知は、通常とは異なるパターンを認識することで、不審な行動を特定することができます。
- ディープラーニングは機械学習の中でも最も先進的な形態の一つであり、サイバーセキュリティを含む多くの業界で新たな発展を牽引しています。
機械学習とは何なのか？
では、機械学習（ML）とは一体何なのだろうか？MLはAIの応用であり、システムが経験、データ、アルゴリズムから学習して精度を高めることを可能にするコンピューターサイエンスの一分野である。興味深いことに、開発者はMLを活用するためにマシンを明示的にプログラムする必要はない。
チャットボット、バーチャルアシスタント、プロアクティブ・アンチウイルスソフトウェアなどの最新テクノロジーは、機械学習に大きく依存している。例えば、自動運転車は、人間と同等かそれ以上に運転するために取るべき行動を決定するために、教師あり学習モデルと教師なし学習モデルの両方に基づく複数のMLアルゴリズムを使用している。
同様に、EDR（Endpoint Detection and Response）のような企業向けのサイバーセキュリティは、機械学習を利用して未知のマルウェアを検出し、悪意のあるパターンを特定することで未知の「ゼロデイ」脅威を見つけることができる。これは、機械学習が将来サイバーセキュリティにどのような影響を与えるかに関する氷山の一角に過ぎない。
MLとAIはまた、人間の介入なしに機械同士のコミュニケーションを可能にする。このようなマシン・ツー・マシン（M2M）アプリケーションは、サプライチェーンや倉庫管理システムが在庫を効率的に追跡・監視するのに役立つ。同様に、M2Mアプリケーションは、エネルギーハーベスティング源からの収集データを分析用に遠隔地のコンピューターに送信することで、エネルギー企業がより正確に供給を管理するのに役立つ。
一般的な機械学習の方法にはどのようなものがあるか？
教師あり機械学習
教師あり学習とは、ラベル付けされたデータセットがスーパーバイザーの下でアルゴリズムを学習することである。教師ありデータは他の学習方法よりも効率的であるため、一般的である。このタイプのMLの例としては、アルゴリズムがあなたの受信箱にあるスパムを分類することができる。
教師なし機械学習
教師なし学習とは、アルゴリズムが教師なしでラベルのないデータを扱うことである。どのように情報を処理するかは、アルゴリズム自身が決定しなければならない。研究者は教師なし学習を使用することで、ラベル付けされていないデータセットのパターンやデータのグループ化を、介入することなく見つけることができる。もちろん、データ分析者は教師なし機械学習の推奨を検証する必要があるかもしれない。
半教師付き機械学習
半教師あり学習は、ラベル付けされたデータとラベル付けされていないデータを使ってアルゴリズムを学習することで、教師あり学習と教師なし学習のバランスをとる。通常、ラベル付けされたデータ量は少なく、ラベル付けされていないデータ量ははるかに多い。半教師あり学習の応用例として、病院では、放射線科医が少数のスキャン画像に病気のラベルを付けることで、機械がより大量のデータから関連情報を正確に抽出できるようにしている。
強化機械学習
強化学習は教師あり学習に似ているが、アルゴリズムがサンプルデータの代わりに試行錯誤と遅延報酬を通じて学習する点が異なる。例えば、自律走行車は、訓練環境での失敗を通じて、どのような判断が望ましくないかを学ぶことができる。同様に、医療システムは、過去の経験から最適な方針を決定するために使用することができる。