AI ってなに？ いろいろな種類と、学ぶしくみ

01 / 18

「AI（人工知能）」は、1つの道具の名前ではありません。写真を見分ける・声を文字にする・文章を書くなど、いろいろな種類があります。

どれも「何かを受け取って（入力）、答えや作ったものを返す（出力）」しくみです。ここから1つずつ見ていきます。

会話では：「それ、画像を見分ける AI の話？ それとも文章を書く AI の話？」のように、種類をそろえてから話すと食い違いません。

02 / 18

画像分類は、写真に写っているものが何かを、あらかじめ決めた種類の中から答えます。

答えは1つではなく「ねこらしさが高い順」の候補として返ります。答えられる種類は、学習のときに決めたものだけです。

会話では：「写真を、ねこ・いぬ・その他に自動で分けたい」→ 画像分類の出番です。

03 / 18

物体検出は、写真や映像の中の「どこに・何が」あるかを見つけ、四角い枠で囲んで示します。

画像分類が「何の写真か」を1つ答えるのに対して、物体検出は1枚の中の複数のものを、それぞれの位置つきで答えます。

会話では：「カメラの映像から人の数を数えたい」→ 物体検出。囲む四角は「バウンディングボックス」と呼ばれます。

04 / 18

音声認識は、話した声を聞き取って文字にします。「文字起こし」とも呼びます。

会議の録音を文字にしたり、話しかけて文字を入力したりするのに使われます。

会話では：「打ち合わせの録音を文字起こしして、要点をまとめて」のように、ほかの AI と組み合わせて頼むこともあります。

05 / 18

機械翻訳は、ある言葉（日本語など）の文を、別の言葉（英語など）の文に直します。

Google は 2016 年に、自社の翻訳を「単語を1つずつではなく、文全体をまとめて訳す」しくみに切り替えたと説明しています。

会話では：「英語のエラーメッセージを日本語にして」と頼むのも、翻訳の使い方の1つです。

06 / 18

おすすめ（推薦）は、たくさんの動画や品物の中から、その人が気に入りそうなものを選んで並べます。

見た動画に似たものや、好みの似た人が見たものを選びます。Google は、YouTube や Google Play のおすすめにこのしくみを使っていると説明しています。

会話では：「おすすめ欄も AI なの？」→ はい。目立ちませんが、機械学習のよく知られた使い道の1つです。

07 / 18

画像生成は、「夕焼けの海辺を歩くねこ」のような文の指示から、新しい画像を作ります。

見分ける・聞き取る・選ぶ AI に対して、文章や画像など新しいものを作り出す AI を「生成AI」と呼びます。

会話では：「この挿絵は画像生成で作った」「それって生成AIの画像？」のように使います。

08 / 18

LLM（大規模言語モデル）は、文章を読んで、文章で返します。質問への答えや要約、プログラムのコードも文章として書きます。

Anthropic の Claude、OpenAI の GPT、Google の Gemini は、どれも LLM の仲間です。この教材が扱うのは、主にこの LLM です。

会話では：「どの LLM を使ってる？」「Claude に書いてもらった」——AI コーディングの会話でいう「AI」は、たいていこの LLM のことです。

09 / 18

では、どうやって見分けているのでしょう。見分け方を人が書き出すのではなく、たくさんの例から見つけさせる。これが機械学習です。

「耳がとがっていたら…」と決まりを書き出すと、例外が出てきりがありません。代わりに「ねこ」「いぬ」と答えを付けた写真をたくさん見せます。この答えを「ラベル」と呼びます。

会話では：「学習データが足りない」は、例として見せるデータが少ない、という意味です。

10 / 18

学習では、例を1つ見せて答えさせ、正しい答え（ラベル）とどれだけずれたかを測ります。

モデルの中には、答えを決める数がたくさん入っています。これを「パラメータ」と呼びます。学習を始めたばかりのモデルは、まだよく間違えます。

会話では：「モデルを学習させる」「パラメータ数が多いモデル」のように使います。

11 / 18

ずれが小さくなるように中の数を少しずつ直し、それを何度もくり返します。だんだん正しく答えられるようになります。

たとえるなら、つまみを少しずつ回して音を合わせるような作業です。Google の機械学習の用語集は、これを「問題と答えの組で勉強すること」にたとえています。

会話では：「もっと学習させれば精度が上がる？」——精度は、どれだけ正しく答えられるかという意味です。

12 / 18

学習が終わったモデルに、見たことのない新しい写真を入れると、学んだことを当てはめて答えます。これを「推論」と呼びます。

多くの場合、学習は前もってまとめて行い、使うとき（推論）はできあがったモデルを動かすだけです。

会話では：「学習済みのモデルを使う」「推論が速い」のように使います。

13 / 18

ただし、学んだ例とかけ離れたものを見せると、それらしく間違えます。AI の答えは「学んだ範囲での推測」です。

このモデルが答えられるのは、学んだ「ねこ・いぬ・うさぎ」だけです。トラの写真を見せても、その中からいちばん近いものを答えてしまうことがあります。

会話では：「学習データに無い種類には弱い」——AI の答えを信じる前に、何を学んだ AI かを考えます。

14 / 18

LLM も例から学びます。大量の文章を読み、「この続きに来る言葉は何か」を当てる練習をくり返します。

Anthropic は、Claude のもとになったモデルも、それまでの文章から次の言葉を予測するように学習した（事前学習）と説明しています。候補の並びは説明のための例です。

会話では：「事前学習」「次の言葉を予測する」は、LLM のしくみの話でよく出てきます。

15 / 18

答えるときも、続きの言葉を1つ選んで後ろに足し、また次を選ぶ……をくり返して文章を作ります。

選ぶ単位は、正確には「トークン」と呼ばれる細かい単位です（第2章）。さらに、質問に答える助手として振る舞えるよう調整されています。

会話では：「文章を生成する」「続きを書かせる」は、このしくみのことを言っています。

16 / 18

LLM そのものは、答えている最中にネットを調べてはいません。学んだ文章と、いま渡された文章をもとに答えます。

ネット検索は、アプリが付け足す「道具」です。付いているときだけ、検索した結果を読んでから答えます。検索が無ければ、学んだ時点より新しいことは知りません。

会話では：「最新の情報は、検索をオンにして聞いて」「その話は知識のカットオフより後だから知らないかも」のように使います。

17 / 18

LLM は、事実と違うことを自信ありげに書くことがあります。これを「ハルシネーション」と呼びます。

文章が自然なことと、中身が正しいことは別です。コードなら実際に動かし、事実なら出典を確かめます（確かめ方は第7章）。

会話では：「存在しない関数をハルシネーションで書いてきた」「それ、出典を確かめた？」のように使います。

18 / 18

言葉の大きさを整理します。AI の中に機械学習があり、その中に作り出す種類の生成AI、さらにその中に文章を扱う LLM があります。

「生成AI」と「LLM」は混ぜて使われがちですが、画像生成のように LLM ではない生成AI もあります。次の章では、LLM の中で何が起きているかをくわしく見ます。

会話では：「生成AIを使って」と言われたら、文章（LLM）の話か、画像などの話かを確かめると話が早く進みます。