アルゴリズムAlgorithm

手順と条件でできています

アルゴリズムには必ず二つの要素が入ります。何をどんな順番でするかを決めた手順、そしてどんな状況でどう分かれるかを決めた条件です。「沸いたら麺を入れる」の前半が条件で、後半がすることです。

抜けている部分があれば手順とは言えません。「おいしく味を整える」のような言い方は人には通じても、コンピュータには何をどれだけ入れればいいのか分かりません。アルゴリズムを書くとは、こうした曖昧な部分をひとつ残らず埋める作業です。

終わる地点も決まっている必要があります。同じ段階を繰り返す手順なら、いつ止めるかも一緒に書かれていなければならず、そうでなければ永遠に回り続ける手順になります。

順番を変えると結果も変わります

同じ材料を使っても、順番を変えると結果が変わります。スープをお湯が沸く前に入れるか後に入れるかで味が分かれるのと同じです。アルゴリズムでは順番は飾りではなく、手順の要です。

これはコンピュータの仕事でも同じです。データをふるいにかける段階と並べ替える段階のどちらを先にするかで、かかる時間が大きく変わります。結果が同じでも、数秒で終わる手順と数時間かかる手順に分かれることがあります。

同じ問題を解く方法は何通りもあります

名前と年齢が混ざった名簿を、名前順に並べ替える作業を考えます。最初から最後まで見ながら並びを入れ替える方法もあれば、名簿を半分ずつに分けてそれぞれ並べ替えたあと合わせる方法もあります。結果は同じ名簿ですが、名簿が長くなるほど二つの方法の所要時間の差はとても大きく開きます。

そのため、アルゴリズムを選ぶときは結果だけでなくどれだけ時間がかかるか、どれだけ場所を取るかを一緒に見ます。短い名簿なら単純な方法がよく、とても長い名簿なら複雑でも速い方法がよいわけです。状況によって正解が変わるということです。

AIでいうアルゴリズムは教え方です

機械学習でいうアルゴリズムは、データを見てモデルの中の数値をどう直していくかを決めた手順です。誤りの大きさを測り、どの方向にどれだけ直すかを決め、直したあとまた測る作業を、決まった規則どおりに繰り返します。

この手順を最後まで進めると、数値が落ち着いた成果物が残ります。これがモデルです。作り方とラーメンが別物であるように、学習アルゴリズムとモデルも別物です。アルゴリズムは人があらかじめ書いておいたもので、モデルはその手順をデータに当てはめて出てきたものです。

だから同じアルゴリズムでも、どんなデータを入れたかによってまったく違うモデルができます。同じ作り方でラーメンを作っても、入れる具材が違えば違う料理になるのと同じです。

ニュースの「アルゴリズム」はもっと広い言葉です

「アルゴリズムがこの動画を勧めた」という言い方でのアルゴリズムは、手順ひとつを指していません。何を見せるか選ぶいくつもの段階と、学習済みのモデルいくつも、そして運営会社が決めた規則までまとめた言い方です。

この言葉が難しく聞こえるのは、中身が見えないからです。どんな基準で選ばれたのか外からは分からず、作った側もすべてを説明できるわけではありません。だからおすすめがなぜそうなったのかをめぐって論争が起きるのです。