ベイズ統計学

ベイズ統計学とは

ベイズ統計学（Bayesian Statistics）は、事前に持っている知識（事前確率）に新しいデータの証拠を組み合わせて、確率（事後確率）を更新していく統計学の体系です。18世紀の数学者トーマス・ベイズが提唱したベイズの定理に基づいています。

AIとの関わり

迷惑メールフィルターは、新しいメールを受信するたびに「これは迷惑メールである確率」を更新し続けるベイズ統計の代表的な応用です。機械学習 では予測の不確実性（どれくらい自信があるか）を定量化できる点が重要視され、医療診断や自動運転など「判断の信頼度」が求められる領域で特に有効です。

リスク管理領域における「不確実性」の定量化

企業におけるAI導入で最も恐れられるのは「AIが100%間違っているのに自信満々に見えること（ハルシネーション等）」です。ベイズ統計学的アプローチを組み込んだAIは、「この判断は80%の確率で正解だが、20%は全く見当違いかもしれない」という不確実度もセットで出力します。これにより、自動運転であれば「不確実性が高いため人間のドライバーに権限を戻す」といった安全なフローを生み出すことが可能になります。