微分積分とは（全体像）
微分積分は、「なめらかに変化する量」を扱う数学。微分と積分は、ちょうど逆向きの操作になっている。
- 微分 … その瞬間の変化のスピード（傾き）を求める。坂道の急さを測るイメージ。
- 積分 … 変化を積み重ねた合計（面積）を求める。微分の逆の操作。
大事なのは、微分が表すのは「各点での瞬間の傾き」だということ。傾きは場所によって変わる（一定ではない）。この感覚が、最大・最小を探す話やAIの学習につながる。
詳しく：基本の微分と極値だけ覚えれば戦える
ここが記事の心臓部。まずは基本の微分。
基本の微分
| もとの形 | 微分すると |
|---|---|
| x^n | n × x^(n−1) |
| 定数（数字だけ） | 0（変化しないので傾き0） |
いちばんよく使うのが`x^n`の微分で、「指数を前に出して、指数を1減らす」。たとえばx²を微分すると2x、x³を微分すると3x²になる。
そして頻出が最大・最小（極値）の見つけ方。
極値（最大・最小）の見つけ方
| 手順 | 内容 |
|---|---|
| ①傾きが0の点を探す | 微分＝0になる場所が極値の候補（山の頂上・谷の底は傾き0） |
| ②山か谷かを見分ける | さらに調べて、極大（山）か極小（谷）かを判定する |
グラフの山の頂上や谷の底では、接線の傾きがちょうど0になる。だから「微分＝0」になる点が、最大・最小の候補だ。つまり、まず傾きが0の点を探し、そこが山か谷かを見分ける、という二段構えになる。ただし、それが山か谷かは、もう一歩調べないと決まらない（傾きが0でも、上り→下りか下り→上りかで変わる）。「微分＝0」だけで山と決めつけないのがポイントだ。
最後に、応用の主役AIの勾配法。
勾配法（AIの学習）
| 項目 | 内容 |
|---|---|
| やること | 「誤差」がいちばん小さくなる場所を探す |
| 使い方 | 微分で傾きを調べ、傾きを下る向きに少しずつ進む |
AIの学習は、「予測の誤差」を表す坂道を、傾きの下る方向へ少しずつ下りていって、いちばん低い谷（誤差最小）を目指す。この「どちらに下ればよいか」を教えてくれるのが微分だ。
わかりやすく言い換えると
要するに、微分は「坂の急さ（傾き）」、積分は「積み重ねの合計（面積）」だ。
①微分 … 車のスピードメーター（その瞬間どれだけ速いか＝変化の速さ）
②積分 … 走った距離の合計（スピードを時間ぶん積み重ねたもの＝面積）
AIの勾配法は「霧の中で山を下る」イメージ。足元の傾き（微分）を調べて、いちばん急に下る方向へ一歩ずつ進めば、やがて谷底（誤差が最小）にたどり着く、というわけだ。
試験のツボ
🔴 一番出る：基本の微分と意味
①x^nの微分はn×x^(n−1)（指数を前に出して1減らす）
②微分は各点での瞬間の傾き（一定ではない）
🔴 次に出る：最大・最小（極値）
①微分＝0になる点が極値の候補
②山（極大）か谷（極小）かはもう一歩調べて判定する
🟡 押さえると安定：積分とAIの勾配法
①積分は微分の逆で、積み重ねの合計（面積）
②勾配法は傾きを下る向きに進んで誤差を最小にする
よくある間違い
①「微分が表す傾きは、どの点でもつねに同じ（一定）」→ ✗ 傾きは場所によって変わる。微分は各点での瞬間の傾き。
②「微分＝0の点は、すべて山（極大）である」→ ✗ 谷（極小）の場合もある。山か谷かはもう一歩調べないと決まらない。
③「積分は微分とは無関係の、まったく別の計算である」→ ✗ 積分は微分の逆の操作。2つは表裏の関係。
試験での出題パターン
実際の問題でたしかめてみよう。
オリジナル問題1（基本の微分）
関数 x³ を微分した結果として、正しいものはどれか。
- 指数はそのままで係数だけが3倍になるため、微分すると3x³になると考えられる
- 指数を前に出して指数を1減らすので、x³を微分すると3x²になると分かる
- 微分は積み重ねの合計を求める操作なので、x³を微分すると面積が求まる
- 定数とみなされるため、x³を微分すると変化せず0になると考えられる
解答は 2 だぜ。
x^nの微分は「指数を前に出して、指数を1減らす」。だからx³を微分すると3x²になる。
選択肢1は「指数そのまま」が誤り。選択肢3は積分（面積）の話と取り違え。選択肢4はx³を定数とする誤りで、xを含むので0にはならないぜ。
| 選択肢 | 判定 | 理由 |
|---|---|---|
| 1 | ✗ | 指数を1減らす必要がある |
| 2 | ✓ | 指数を前に出して1減らし3x² |
| 3 | ✗ | 面積を求めるのは積分 |
| 4 | ✗ | 定数ではないので0にならない |
オリジナル問題2（極値）
関数の最大・最小（極値）の求め方に関する次の記述のうち、正しいものはどれか。
- 微分が0になる点はすべて山（極大）であり、谷（極小）になることはない
- 関数の極値は微分とは無関係で、グラフを見ないと決して求められない
- 微分が最も大きくなる点が、つねにその関数の最大値になるとされている
- 微分が0になる点が極値の候補で、山か谷かはさらによく調べて判定する
解答は 4 だぜ。
山の頂上や谷の底では傾きが0になるから、微分＝0が極値の候補だ。ただし、それが山（極大）か谷（極小）かは、もう一歩調べて判定する必要がある。
選択肢1は「すべて山」が誤り（谷もある）。選択肢2は「微分と無関係」が誤り。選択肢3は「微分が最大の点が最大値」という誤りだぜ。
| 選択肢 | 判定 | 理由 |
|---|---|---|
| 1 | ✗ | 谷（極小）の場合もある |
| 2 | ✗ | 微分で候補を求められる |
| 3 | ✗ | 微分が最大の点＝最大値ではない |
| 4 | ✓ | 微分＝0が候補・山か谷かは要判定 |
オリジナル問題3（勾配法）
AIの学習で使う勾配法に関する次の記述のうち、正しいものはどれか。
- 勾配法は微分を使わず、すべての答えをしらみつぶしに試す方法のことである
- 勾配法は誤差が最も大きくなる方向へ進み、わざと精度を下げる方法である
- 勾配法は微分で傾きを調べ、傾きを下る向きに進んで誤差を小さくしていく
- 勾配法は積分だけを使って面積を求め、学習とは無関係な計算手法である
解答は 3 だぜ。
勾配法は微分で傾きを調べ、傾きを下る向きに少しずつ進んで誤差を小さくする。霧の中で足元の傾きを頼りに山を下り、谷底（誤差最小）を目指すイメージだ。
選択肢1は「微分を使わない」が誤り。選択肢2は「誤差を大きくする」が逆。選択肢4は「積分だけ・学習と無関係」が誤りだぜ。
| 選択肢 | 判定 | 理由 |
|---|---|---|
| 1 | ✗ | 微分（傾き）を使う |
| 2 | ✗ | 誤差を小さくする向きに進む |
| 3 | ✓ | 傾きを下る向きに進み誤差を最小化 |
| 4 | ✗ | 学習で使う微分ベースの手法 |
まとめ
押さえどころ
- 🔴 微分と積分 ＝ 微分は傾き（変化の速さ）、積分は面積（積み重ねの合計）。2つは逆の関係。
- 🔴 基本の微分と極値 ＝ x^nはn×x^(n−1)。微分＝0が極値の候補で、山か谷かはもう一歩調べる。
- 🟡 勾配法 ＝ 微分で傾きを調べ、傾きを下る向きに進んで誤差を最小にする（AIの学習）。
次に学ぶ
- 確率分布（二項・正規・ポアソン） ── 微分積分と並ぶ数理の柱。AIや統計では、微分（最適化）と確率の両方がよく使われる。
- 線形代数（行列） ── 微分積分とともにAIを支える数学。多くのデータをまとめて扱うしくみにつながる。
執筆: SikakuQuest編集部