オッカムの剃刀とは？

「説明が複雑になるときに、最初に切るもの」

料理のレシピを説明するとき、「この食材は必須」「この順番が大事」だけで済むのに、なぜか「この日の月齢」「調理器の製造年式」まで理由が足されていたら、どう感じますか？実はいま、あなたの頭の中で起きているのは、まさにその“余計な理由”を見分ける感覚です。

つまり、オッカムの剃刀（Occam’s Razor）は、同じ結果を説明するなら「余計な仮説や仕組みを増やさないで、より単純なものを選ぶ」という考え方です。

新人エンジニアが「バグの原因はサーバー、ネットワーク、ブラウザ、時差、天気」の5つを並べたとき、経験者はまず「最も単純な1つ」から切り分けます。この“1つに絞る”動きは、オッカムの剃刀の身近な形です。

この「絞る感覚」が使えるかどうかで、議論の質が変わります。

AIでは、同じデータで「単純なモデル」と「複雑なモデル」が同じくらいの精度を出す場合、単純なモデルを選ぶことが多くなります。これは、複雑なモデルほど「そのデータにだけ過剰に合わせる」（過学習：overfitting）リスクがあるためです。

「精度が近いなら単純を選ぶ」という一言が、モデル選定の第一歩になります。

オッカムの剃刀は、「同じ説明なら、余計なものを減らす」ための思考の刃です。AI/ITの現場では、原因調査・機能設計・モデル選定のすべてで、“何を省略できるか”を判断する基準になります。

📚 さらに理解を深めたい方には、G検定の公式テキストがお薦めです！

リンク

※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。

オッカムの剃刀の「余計な部分を切る」構造が一目で伝わり、立体感も優れます。ただ、白いカードに内容が映えず、単純化の対比が少し弱いです。