AI・機械学習の基本概念

アルゴリズムあるごりずむ

手順計算量データ構造プログラム最適化機械学習

アルゴリズムについて教えて

簡単に言うとこんな感じ！

料理のレシピみたいなものだよ！「材料を切って→炒めて→味付けして」という順番通りにやれば誰でも同じ料理が作れるよね。コンピュータも同じで、問題を解くための「手順書」がアルゴリズムなんだ！

アルゴリズムとは

アルゴリズムとは、ある問題を解決するための「手順・手続きの集まり」のことです。入力されたデータに対して、決められた手順を順番に実行することで、必ず正しい答え（出力）にたどり着けるように設計されています。

コンピュータはアルゴリズムなしでは何もできません。検索エンジンが瞬時に結果を返したり、カーナビが最短ルートを計算したり、スマホのカメラが顔を認識したりする裏側には、必ずアルゴリズムが動いています。AIや機械学習も、複雑なアルゴリズムの組み合わせによって成り立っています。

ビジネスの現場では「どのアルゴリズムを使うか」の選択が、システムの処理速度・コスト・精度に直結します。発注側として「なぜこのアルゴリズムを選ぶのか」をベンダーに確認できると、より良い意思決定ができます。

アルゴリズムの3つの条件

良いアルゴリズムには必ず以下の性質が求められます。

条件	意味	例え
有限性	有限のステップで必ず終わる	無限ループしないレシピ
確定性	同じ入力には必ず同じ結果が出る	同じ材料・同じ手順→同じ料理
入出力	入力を受け取り、出力を返す	材料を入れて、完成品が出る

覚え方：「ゆうかく（有確入）」

「有限・確定・入出力」の3つを「ゆうかく」と覚えよう！「有確入（ゆうかくにゅう）」で3条件を網羅できます。

アルゴリズムの性能を測る指標：計算量

アルゴリズムの速さ・効率は「計算量（O記法）」で表します。データ量が10倍になったとき、処理時間がどう変わるかを示します。

記法	読み方	特徴	身近な例
O(1)	定数時間	データ量に関係なく一定	配列の先頭要素を取り出す
O(log n)	対数時間	非常に速い	電話帳を半分に割り続けて探す
O(n)	線形時間	データ量に比例	リストを1件ずつ確認する
O(n²)	二乗時間	データ増加で急激に遅くなる	全員と全員で握手する回数

実際に見てみよう：二分探索のステップ

「1〜16番の棚から、13番の商品を探す」という例で2つの方法を比べてみましょう。

方法①：端から順に探す（線形探索）— O(n)

1番から順に「ここじゃない、ここじゃない…」と確認していきます。

確認回数	確認した番号	結果
1回目	1番	ちがう
2回目	2番	ちがう
・・・	・・・	ちがう
13回目	13番	見つかった！

最悪の場合、全16件を確認しないといけません。商品が100万件あれば、最大100万回の確認が必要です。

方法②：半分ずつ絞り込む（二分探索）— O(log n)

前提：番号順に並び替えてあること

ステップ	確認する番号	判断	残り候補
① 真ん中を確認	8番（1〜16の真ん中）	13 ＞ 8 → 右半分へ	9〜16
② 残りの真ん中	12番（9〜16の真ん中）	13 ＞ 12 → 右半分へ	13〜16
③ 残りの真ん中	14番（13〜16の真ん中）	13 ＜ 14 → 左半分へ	13〜13
④ 残りを確認	13番	一致！	完了

たった 4回で見つかりました！

ポイント： 二分探索はデータが2倍になっても確認回数は1回しか増えません。16件→4回、100万件→約20回。これが O(log n) の威力です。ただし「あらかじめ並び替えてある」ことが前提条件—この「前提条件を整えてから高速なアルゴリズムを使う」という考え方がシステム設計の基本になっています。

歴史と背景

9世紀：ペルシャの数学者アル＝フワーリズミー（Al-Khwārizmī）が体系的な計算手順を著述。「アルゴリズム」という言葉は彼の名前のラテン語読みが由来
1936年：アラン・チューリングが「チューリングマシン」を提唱し、アルゴリズムの理論的基礎を確立
1950〜60年代：ソートや探索の基本アルゴリズムが次々と発明・整理される
1970年代：計算量理論（P問題・NP問題）が研究され、「解けない問題の分類」が進む
1990年代：インターネット普及により、大量データを高速処理するアルゴリズムの需要が急増
2000年代〜現在：機械学習・深層学習の台頭で、データから自動的に「手順」を学ぶアルゴリズムが主流に

代表的なアルゴリズムの種類と用途

ビジネスシステムでよく登場するアルゴリズムを分類して紹介します。

種類	代表例	何に使う？
探索	二分探索・深さ優先探索	商品検索・経路探索
整列（ソート）	クイックソート・マージソート	データの並び替え・ランキング
最適化	遺伝的アルゴリズム・動的計画法	配送ルート最適化・スケジューリング
機械学習	決定木・ニューラルネットワーク	需要予測・画像認識・レコメンド
暗号	RSA・AES	通信の暗号化・認証

以下の図は、「問題の種類」と「よく使われるアルゴリズム」の対応関係を示しています。