AI(人工知能)の基礎
最終確認日:
この章で学ぶこと
生成AIパスポート試験は全5章・60問で構成され、この第1章「AI(人工知能)」は生成AIを理解するための土台にあたります。生成AIは「AI」という大きな技術のなかの一分野なので、まず「そもそもAIとは何か」「機械学習とディープラーニングはどう違うのか」「AIはどんな歴史をたどってきたのか」を押さえておくと、第2章以降がぐっと理解しやすくなります。
この章のキーワードは「ルールベースから機械学習へ」と「データから自分で学ぶ」。かつては人間がルールを書き込んでいたAIが、大量のデータから自分でパターンを学ぶ「機械学習」、さらに脳を模したしくみで学ぶ「ディープラーニング」へと進化してきた流れを、用語とセットで理解します。
学習ゴール
- AIの定義と、AIとロボットの違いを説明できる
- ルールベースと機械学習の違い、機械学習の3つの手法(教師あり学習・教師なし学習・強化学習)を判別できる
- ニューラルネットワークとディープラーニングの関係、過学習とその対策を説明できる
- AIの4つのレベルと、弱いAI(ANI)・強いAI(AGI)の違いを判別できる
- 第一次〜第三次AIブームの特徴と、シンギュラリティの意味を説明できる
試験では: 第1章は「用語の意味を正しく選ぶ」問題が中心です。似た用語(教師あり/教師なし、ANI/AGI、各AIブーム)の違いを問う出題が多いので、対比で覚えるのが得点のコツです。
1. AIとは何か
AI(Artificial Intelligence、人工知能)とは、人間の知的なふるまい(考える・学ぶ・判断する)をコンピュータで実現しようとする技術の総称です。実は「AIの唯一の定義」は存在せず、研究者によって説明が異なるのが現状です。試験では「AIには明確な定義がない」という点自体が問われることがあります。
AIという言葉は、1956年のダートマス会議(ダートマス・カンファレンス)で、研究者ジョン・マッカーシーらによって初めて使われました。これがAI研究の出発点とされています。
AIとロボットの区別
AIとロボットは混同されがちですが、別のものです。
| 役割 | たとえ | |
|---|---|---|
| AI | 考える・判断する頭脳(ソフトウェア) | 人間の「脳」 |
| ロボット | 物理的に動く体(ハードウェア) | 人間の「体」 |
ロボットにAIが搭載されることもありますが、AIのないロボット(決められた動作だけを繰り返す産業用アームなど)も、ロボットのないAI(画面の中で応答するチャットボットなど)も存在します。
引っかけ: 「AI＝ロボット」ではありません。AIは知能の部分、ロボットは体の部分。生成AIやChatGPTは体を持たないAIの代表例です。
2. AIに知能をもたらすしくみ
AIが「賢く」ふるまうためのしくみには、大きく2つの系統があります。
2.1 ルールベースと機械学習
- ルールベース: 人間が「もしAならB」というルール(条件)をあらかじめ書き込んでおく方式。ルールにない状況には対応できません。
- 機械学習(Machine Learning): 大量のデータをAIに与え、AI自身がデータからパターン(規則性)を見つけ出す方式。学習の結果できあがったものを学習済みモデルと呼びます。
現在のAI・生成AIの主流は機械学習です。ルールを人間が書くのではなく、データから学ばせるのが最大の違いです。
2.2 機械学習の3つの手法
機械学習は、学習のさせ方によって主に3つに分けられます。
| 手法 | 学習のさせ方 | 代表的な用途 |
|---|---|---|
| 教師あり学習 | 「入力」と「正解(ラベル)」のペアを与えて学ばせる | 画像分類、スパム判定、価格予測 |
| 教師なし学習 | 正解を与えず、データの構造だけから学ばせる | クラスタリング(グループ分け)、次元削減 |
| 強化学習 | 行動に「報酬」を与え、報酬が最大になる行動を試行錯誤で学ばせる | ゲームAI、ロボット制御 |
このほか、少量の正解データと大量の正解なしデータを組み合わせる半教師あり学習もあります。
絶対暗記: 教師あり=正解つき、教師なし=正解なし(グループ分け)、強化学習=報酬で学ぶ。この3つの違いは頻出です。
なお「あらゆる問題に万能な唯一の手法は存在しない」ことを示すノーフリーランチ定理という考え方も、シラバスのキーワードに含まれます。
2.3 ニューラルネットワークとディープラーニング
人間の脳は、ニューロン(神経細胞)がシナプスでつながり、信号をやり取りすることで情報を処理しています。これをまねてコンピュータ上に作ったのが人工ニューロン(ノード)であり、それを層状につないだものがニューラルネットワークです。
ニューラルネットワークの層を何層も深く重ねたものがディープラーニング(深層学習)です。各ニューロンのつながりには重み(重要度)が設定され、学習とは「この重みを調整していく作業」だと考えると理解しやすくなります。ディープラーニングは画像認識・音声認識・自然言語処理で大きな成果を上げ、現在の生成AIの基盤技術になっています。
2.4 過学習とその対策
機械学習でよく問われるのが過学習(オーバーフィッティング)です。これは、学習に使ったデータに合わせすぎて、未知の新しいデータにうまく対応できなくなる状態を指します。テスト勉強で「過去問を丸暗記したが、本番の初見問題は解けない」状態に似ています。
過学習を避ける主な手法:
- 正則化: モデルが複雑になりすぎないようペナルティをかける
- ドロップアウト: 学習中に一部のニューロンをわざと無効化して、特定のつながりに依存しすぎないようにする
- データを増やす / 学習を早めに止める なども有効
関連して、すでに学習済みのモデルを別の課題に応用する転移学習も重要用語です。ゼロから学ばせるより少ないデータ・時間で高い精度を出せます。
引っかけ: 過学習は「学習しすぎ」で起こる問題。学習が足りない状態(未学習)とは逆です。正則化・ドロップアウトは過学習を「防ぐ」側の手法です。
3. AIの種類
3.1 特徴量とAIの4つのレベル
AIが判断の手がかりにするデータの特徴を特徴量と呼びます。「この画像が猫かどうか」を判断するときの、耳の形・ひげ・輪郭といった着目点が特徴量です。ディープラーニングの大きな功績は、この特徴量をAI自身が見つけられるようになった点にあります。
AIはその賢さの度合いで、おおまかに4つのレベルに分けて説明されます(単純な制御→ルールベース→機械学習→ディープラーニング、と高度化していく整理)。
3.2 弱いAI(ANI)と強いAI(AGI)
| 種類 | 意味 | 現状 |
|---|---|---|
| 弱いAI(ANI) | 特定の作業に特化したAI | 現在実用化されているAIはほぼすべてこれ |
| 強いAI(AGI) | 人間のように何でもこなせる汎用AI | まだ実現していない(研究段階) |
翻訳AI、画像認識AI、ChatGPTのような生成AIも、いまはすべて弱いAI(ANI)に分類されます。「人間並みの汎用知能」である強いAI(AGI)は未実現である、という点が試験でよく問われます。
4. AIの歴史 — 3つのブーム
AIには過去に3回のブームがありました。ブームとブームの間には、期待外れで研究が停滞した「AIの冬」の時期があったことも重要です。
| 時期 | ブーム | 中心技術 | つまずき |
|---|---|---|---|
| 1950〜60年代 | 第一次 | 探索・推論(迷路やパズルを解く) | 現実の複雑な問題は解けなかった |
| 1980年代 | 第二次 | エキスパートシステム(専門家の知識をルール化) | ルールの入力・管理が膨大で限界 |
| 2010年代〜現在 | 第三次 | 機械学習・ディープラーニング | ビッグデータと計算能力の向上で実用化 |
第三次ブームは、インターネットの普及で大量のデータ(ビッグデータ)が集まり、コンピュータの計算能力が向上したことで本格化しました。現在の生成AIブームも、この第三次ブームの延長線上にあります。
絶対暗記: 第一次=探索・推論、第二次=エキスパートシステム、第三次=機械学習・ディープラーニング。順番と代表技術のセットで覚えます。
5. シンギュラリティ(技術的特異点)
シンギュラリティ(技術的特異点)とは、AIが人間の知能を超え、AI自身がさらに賢いAIを生み出すことで、技術が爆発的・予測不能に進歩するとされる転換点のことです。
- 発明家・思想家のレイ・カーツワイルは、これが2045年ごろに訪れると予測しました(2045年問題)。
- SF作家・数学者のヴァーナー・ヴィンジがこの概念を広めたとされます。
関連用語にAI効果があります。これは「AIが何かをできるようになると、人はそれを『単なる自動処理であって知能ではない』と見なし、AIの成果を認めたがらない」という心理的な現象を指します。
補足: シンギュラリティはあくまで「予測・仮説」です。必ず起こると決まっているわけではない点に注意しましょう。
まとめ
- AIは人間の知的ふるまいを実現する技術の総称で、明確な唯一の定義はない。ロボット(体)とは区別する
- 機械学習はデータからパターンを学ぶ方式で、教師あり(正解つき)・教師なし(グループ分け)・強化学習(報酬) の3手法がある
- 脳を模したニューラルネットワークを深く重ねたものがディープラーニング。生成AIの基盤
- 過学習は学習データに合わせすぎる問題。正則化・ドロップアウトで対策。転移学習は学習済みモデルの応用
- 実用化AIはすべて弱いAI(ANI)。人間並みの強いAI(AGI) は未実現
- AIブームは第一次(探索・推論)→第二次(エキスパートシステム)→第三次(機械学習・ディープラーニング)
- シンギュラリティはAIが人知を超える転換点。カーツワイルは2045年と予測
学習ロードマップ（5件）
- 1AI(人工知能)の基礎
- 2生成AIのしくみ
- 3生成AIの最新動向
- 4情報リテラシー・AI社会原則・法律
- 5プロンプトの作り方と実践
ほかの分野の練習もチェック
生成AIのしくみ 一問一答
生成モデル・Transformer・GPT・主要生成AIのしくみを確認する一問一答です。
生成AIの最新動向一問一答
各種生成AI・ディープフェイク・RAG・AIエージェントの動向を確認する一問一答です。
情報リテラシー・AI社会原則・法律一問一答
セキュリティ・個人情報保護法・著作権・AI社会原則・AI新法を確認する一問一答です。
プロンプトの作り方と実践一問一答
LLM・プロンプトの要素・Few-Shot・実践テクニック・不得意分野を確認する一問一答です。
生成AIパスポート 総合問題集
生成AIパスポート試験の全範囲を本試験形式(60問・60分)でまとめて力だめしできる総合問題集です。AI基礎・生成AIのしくみ・最新動向(ディープフェイク/RAG/AIエージェント/MCP)・情報リテラシーと法律(個人情報保護法/著作権/AI新法/AI社会原則)・プロンプトの実践までを1セットで確認できます。