生成せいせいAIの最新さいしん動向どうこう

この章しょうで学まなぶこと

第だい2章しょうで「生成せいせいAIのしくみ」を学まなびましたが、この第だい3章しょうではいま現場げんばで実際じっさいに使つかわれている生成せいせいAIの最新さいしん動向どうこうを押おさえます。テキストだけでなく画像がぞう・音楽おんがく・音声おんせい・動画どうがをつくる生成せいせいAIがどこまで実用じつよう化かされているか、そこに潜ひそむディープフェイクでぃーぷふぇいくという危険きけん、そして生成せいせいAIの弱点じゃくてんを補おぎなう二に大だい技術ぎじゅつであるRAGらぐ(検索けんさく拡張かくちょう生成せいせい)とAIエージェントえーあいえーじぇんとを理解りかいするのがゴールです。

この章しょうのキーワードは「生成せいせいの多様たよう化か」と「外がいとつながるAI」。生成せいせいAIはテキスト生成せいせいから始はじまり、あらゆるメディアを生うみ出だす方向ほうこうへ広ひろがりました。さらに、AI単体たんたいの知識ちしきだけに頼たよらず、外部がいぶの最新さいしんデータを検索けんさくして答こたえる(RAG)、外部がいぶのツールを自分じぶんで操作そうさしてタスクをこなす(AIエージェント・MCP)という「外部がいぶ連携れんけい」の流ながれが、いま最もっとも注目ちゅうもくされています。

学習がくしゅうゴール

• テキスト・画像がぞう・音楽おんがく・音声おんせい・動画どうがそれぞれの生成せいせいAIの「入力にゅうりょく→生成せいせい物ぶつ」と代表だいひょうサービスを説明せつめいできる
• 画像がぞうのリサイズりさいず・正規化せいきか・データ拡張でーたかくちょう(データの水増みずまし)・リマスタリングりますたりんぐなど、生成せいせい・学習がくしゅうを支ささえる処理しょりを判別はんべつできる
• ディープフェイクでぃーぷふぇいくとは何なにか、その危険きけん性せいとディスインフォメーションでぃすいんふぉめーしょん(偽にせ情報じょうほう)の問題もんだいを説明せつめいできる
• RAGらぐの仕組しくみ(質問しつもん→検索けんさく→取得しゅとく→生成せいせい)とメリット、チャンクちゃんく・ベクトルデータベースべくとるでーたべーすの役割やくわりを説明せつめいできる
• AIエージェントえーあいえーじぇんとの仕組しくみと、MCPえむしーぴーによる外部がいぶツール連携れんけいの意味いみを説明せつめいできる

試験しけんでは: 第だい3章しょうは「新あたらしい用語ようごの意味いみと目的もくてき」を問とう出題しゅつだいが中心ちゅうしんです。特とくにRAG=最新さいしん・社内しゃない情報じょうほうを検索けんさくして答こたえる、AIエージェント=自律じりつ的てきにタスクを実行じっこうするという各かく技術ぎじゅつの「何なにのための技術ぎじゅつか」を取とり違ちがえないことが得点とくてんのカギです。

1. 生成せいせいAIが出来できることと主おもなサービス

生成せいせいAIは、学習がくしゅうしたデータをもとに新あたらしいコンテンツをつくり出だすAIです。最初さいしょはテキスト(文章ぶんしょう)が中心ちゅうしんでしたが、いまでは画像がぞう・音楽おんがく・音声おんせい・動画どうがまで、あらゆる種類しゅるいのコンテンツを生成せいせいできるようになりました。それぞれ「何なにを入力にゅうりょくすると何なにが生成せいせいされるか」で整理せいりすると覚おぼえやすくなります。

1.1 生成せいせいAIの種類しゅるいと生成せいせい物ぶつ

種類しゅるい	主おもな入力にゅうりょく	生成せいせいされるもの	サービスの例れい
テキスト生成せいせいAI	文章ぶんしょう(プロンプト)	文章ぶんしょう・要約ようやく・翻訳ほんやく・プログラム	ChatGPT、Gemini、Claude
画像がぞう生成せいせいAI	文章ぶんしょうや画像がぞう	イラスト・写真しゃしん風ふう画像がぞう・デザイン	Stable Diffusion、Midjourney、DALL-E
音楽おんがく生成せいせいAI	文章ぶんしょうやジャンル指定してい	楽曲がっきょく・BGM・歌うた	Suno、Udio
音声おんせい生成せいせいAI	文章ぶんしょう(読よませたい内容ないよう)	音声おんせい読よみ上あげ・合成ごうせい音声おんせい	各種かくしゅの音声おんせい合成ごうせいサービス
動画どうが生成せいせいAI	文章ぶんしょうや画像がぞう	短みじかい動画どうがクリップ	Sora、Veo3

いずれも「与あたえた指示しじ(プロンプト)や素材そざいから、まったく新あたらしいコンテンツを生うみ出だす」点てんは共通きょうつうです。近年きんねんは、テキスト・画像がぞう・音声おんせいなど複数ふくすうの種類しゅるいを同時どうじに扱あつかえるマルチモーダルまるちもーだる化が進すすみ、1つのサービスで文章ぶんしょうも画像がぞうも動画どうがも扱あつかえるようになってきています。

補足ほそく: サービス名めいは入いれ替かわりが激はげしい分野ぶんやです。試験しけん対策たいさくでは「Sora や Veo3 は動画どうが生成せいせいAI」「Suno は音楽おんがく生成せいせいAI」のように、名前なまえと種類しゅるいの対応たいおうを押おさえておけば十分じゅうぶんです。個々ここの機能きのうを細こまかく暗記あんきする必要ひつようはありません。

1.2 画像がぞう・データを扱あつかう基本きほん処理しょり

画像がぞう生成せいせいAIや画像がぞう認識にんしきAIを学習がくしゅう・活用かつようするとき、元もとデータをそのまま使つかうのではなく、あらかじめ整ととのえる処理しょりが行おこなわれます。用語ようごとして問とわれることがあります。

• リサイズりさいず: 画像がぞうの大おおきさ(縦横じゅうおうのピクセル数すう)をそろえる処理しょり。AIに入力にゅうりょくする画像がぞうはサイズを統一とういつする必要ひつようがあるため行おこないます。
• 正規化せいきか(ノーマライゼーション): 画素がその明あかるさや数値すうちの範囲はんいを、たとえば0〜1のような一定いっていの範囲はんいにそろえる処理しょり。学習がくしゅうを安定あんていさせ、精度せいどを高たかめます。
• データ拡張でーたかくちょう(データオーグメンテーション / データの水増みずまし): 元もとの画像がぞうを回転かいてん・反転はんてん・拡大かくだい・色調しきちょう変更へんこうなどして学習がくしゅうデータを人工じんこう的てきに増ふやす技術ぎじゅつ。データが少すくないときに過か学習がくしゅうを防ふせぎ、精度せいどを上あげます。
• リマスタリングりますたりんぐ: 古ふるい・低てい画質がしつの画像がぞうや音声おんせい・映像えいぞうを、AIで高画質こうがしつ・高こう音質おんしつに作つくり直なおす処理しょり。ノイズ除去じょきょや解像度かいぞうど向上こうじょうなどに使つかわれます。

絶対ぜったい暗記あんき: データ拡張かくちょう(データの水増みずまし)=既存きそんデータを加工かこうして量りょうを増ふやす技術ぎじゅつで、データ不足ふそくと過か学習がくしゅうの対策たいさくになります。ゼロから新あたらしいデータを買かい集あつめるのではない点てんがポイントです。

2. ディープフェイク(深層しんそう偽造ぎぞう)技術ぎじゅつ

生成せいせいAIの表現ひょうげん力りょくが高たかまったことで、便利べんりさと同時どうじに新あたらしいリスクも生うまれました。その代表だいひょうがディープフェイクでぃーぷふぇいくです。

2.1 ディープフェイクとは

ディープフェイクでぃーぷふぇいく(deepfake、深層しんそう偽造ぎぞう)とは、ディープラーニングを使つかって、実在じつざいする人物じんぶつの顔かお・声こえ・動作どうさなどをリアルに合成ごうせいし、本物ほんものそっくりの偽にせの画像がぞう・音声おんせい・動画どうがをつくる技術ぎじゅつのことです。「ディープラーニング(deep learning)」と「フェイク(fake、偽物にせもの)」を組み合わせくみあわせた言葉ことばです。

技術ぎじゅつ的てきには、第だい2章しょうで学まなんだGANがん(敵対てきたい的てき生成せいせいネットワーク)などの生成せいせい技術ぎじゅつが土台どだいになっています。もともとは映像えいぞう制作せいさくなどへの応用おうようも期待きたいされましたが、悪用あくようされると深刻しんこくな被害ひがいにつながります。

2.2 ディープフェイクの危険きけん性せいと事件じけんの類型るいけい

ディープフェイクは、見分みわけがつかないほど精巧せいこうになっているため、次つぎのような形かたちで悪用あくようされる危険きけんがあります。

悪用あくようの類型るいけい	内容ないよう
なりすまし	有名人ゆうめいじんや経営けいえい者しゃの顔かお・声こえを合成ごうせいし、本人ほんにんが発言はつげん・出演しゅつえんしたように見みせかける
偽にせ動画どうが・偽にせ画像がぞうの拡散かくさん	実際じっさいには起おきていない出来事できごとの映像えいぞうをつくり、SNSなどで拡散かくさんする
詐欺さぎへの悪用あくよう	家族かぞくや上司じょうしの声こえを合成ごうせいした電話でんわで送金そうきんを求もとめるなど、金銭きんせんをだまし取とる
名誉めいよ毀損きそん・プライバシー侵害しんがい	本人ほんにんの許可きょかなく顔かおを別べつの映像えいぞうに合成ごうせいし、尊厳そんげんを傷きずつける

こうした事件じけんは世界せかい各地かくちで報告ほうこくされており、有名人ゆうめいじんの偽にせ広告こうこく、経営けいえい者しゃになりすました送金そうきん指示しじ、選挙せんきょに関かかわる偽にせ情報じょうほうなどが問題もんだいになっています。

引ひっかけ: ディープフェイクは「画像がぞうだけ」の技術ぎじゅつではありません。顔がお・声こえ・動画どうがを含ふくむ幅広はばひろい偽造ぎぞう技術ぎじゅつです。音声おんせいだけを合成ごうせいして詐欺さぎに使つかう「声こえのディープフェイク」もあります。

2.3 偽にせ情報じょうほう(ディスインフォメーション)

ディープフェイクと深ふかく関かかわるのが、偽情報ぎじょうほうの問題もんだいです。用語ようごを区別くべつしておきましょう。

• ディスインフォメーションでぃすいんふぉめーしょん(disinformation): 他人たにんをだます・混乱こんらんさせることを意図いとして、意図いと的てきにつくられ拡散かくさんされる偽にせ情報じょうほう。
• ミスインフォメーション(misinformation): 悪意あくいはなく、誤あやまって広ひろまってしまう誤あやま情報じょうほう。

ディープフェイクは、このディスインフォメーション(意図いと的てきな偽にせ情報じょうほう)の強力きょうりょくな道具どうぐになり得えます。生成せいせいAIで大量たいりょうの偽にせコンテンツを簡単かんたんにつくれるようになったため、情報じょうほうの真偽しんぎを自分じぶんで確たしかめる姿勢しせい(ファクトチェックふぁくとちぇっく)がこれまで以上いじょうに重要じゅうようになっています。

絶対ぜったい暗記あんき: ディスインフォメーション=だます意図いとがある偽にせ情報じょうほう、ミスインフォメーション=意図いとしない誤あやま情報じょうほう。「意図いとの有無うむ」で区別くべつします。

3. RAG(検索けんさく拡張かくちょう生成せいせい)

生成せいせいAI(大だい規模きぼ言語げんごモデル)には、第だい2章しょうで学まなんだ大おおきな弱点じゃくてんが2つあります。①学習がくしゅうした時点じてんまでの知識ちしきしか持もたず最新さいしん情報じょうほうに弱よわいこと、②事実じじつでないことをもっともらしく答こたえるハルシネーションはるしねーしょんが起おきることです。これらを補おぎなう代表だいひょう的てきな技術ぎじゅつがRAGらぐです。

3.1 RAGとは

RAGらぐ(Retrieval-Augmented Generation、検索けんさく拡張かくちょう生成せいせい)とは、AIが回答かいとうを生成せいせいする前まえに、外部がいぶの文書ぶんしょやデータベースから関連かんれん情報じょうほうを検索けんさくして取とり込こみ、その情報じょうほうにもとづいて回答かいとうを生成せいせいするしくみです。「Retrieval(検索けんさく)」で得えた情報じょうほうを「Generation(生成せいせい)」に足たし込こむ、というのが名前なまえの由来ゆらいです。

たとえば社内しゃないマニュアルや最新さいしんのニュースをRAGで参照さんしょうさせれば、AIが本来ほんらい知しらない社内しゃない固有こゆうの情報じょうほうや最新さいしん情報じょうほうについても、根拠こんきょにもとづいて答えこたえられるようになります。

3.2 RAGの歴史れきしと発展はってん

RAGという考かんがえ方かたは2020年ねんごろに論文ろんぶんで提唱ていしょうされ、ChatGPTの登場とうじょうで大だい規模きぼ言語げんごモデルが普及ふきゅうすると、その弱点じゃくてん(最新さいしん情報じょうほう・専門せんもん情報じょうほうへの対応たいおう)を補おぎなう実用じつよう的てきな手法しゅほうとして一気いっきに広ひろまりました。現在げんざいでは、企業きぎょうが自社じしゃデータと生成せいせいAIを組くみ合あわせる際さいの標準ひょうじゅん的てきなアプローチの1つになっています。

3.3 RAGの仕組しくみ

RAGは、大おおきく「事前じぜん準備じゅんび」と「回答かいとう生成せいせい」の2段階だんかいで動うごきます。

事前じぜん準備じゅんび(データを検索けんさくできる形かたちにしておく)

1. 参照さんしょうさせたい文書ぶんしょをチャンクちゃんく(chunk)と呼よばれる適度てきどな長ながさのかたまりに分割ぶんかつする。
2. 各かくチャンクを、意味いみを数値すうちベクトルに変換へんかんした埋め込みうめこみ(エンベディング)にする。
3. そのベクトルをベクトルデータベースべくとるでーたべーす(ベクトルDB)に保存ほぞんしておく。

回答かいとう生成せいせい(質問しつもんが来きたときの流ながれ)

手順てじゅん	処理しょり
① 質問しつもん	利用りよう者しゃが質問しつもんを入力にゅうりょくする
② 検索けんさく	質問しつもんをベクトル化かし、ベクトルDBから意味いみが近ちかいチャンクを探さがす
③ 取得しゅとく	関連かんれんする文書ぶんしょ(チャンク)を取とり出だす
④ 生成せいせい	取とり出だした文書ぶんしょを質問しつもんと一緒いっしょにLLMへ渡わたし、それを根拠こんきょに回答かいとうを生成せいせいする

ポイントは、LLM本体ほんたいを再さい学習がくしゅう(ファインチューニング)しなくても、参照さんしょうさせる文書ぶんしょを差さし替かえるだけで最新さいしん・専門せんもん情報じょうほうに対応たいおうできることです。

絶対ぜったい暗記あんき: RAGの流ながれは 質問しつもん → 検索けんさく → 関連かんれん文書ぶんしょの取得しゅとく → 回答かいとう生成せいせい。文書ぶんしょはチャンクちゃんくに分割ぶんかつしてベクトルデータベースべくとるでーたべーすに入いれ、意味いみの近ちかさで検索けんさくします。

3.4 RAGのメリットとユースケース

RAGの主おもなメリット:

• ハルシネーションの低減ていげん: 検索けんさくしてきた実際じっさいの文書ぶんしょを根拠こんきょにするため、でたらめな回答かいとうが減へる。
• 最新さいしん情報じょうほうへの対応たいおう: 参照さんしょうデータを更新こうしんすれば、モデルを学習がくしゅうし直なおさなくても新あたらしい情報じょうほうに答えこたえられる。
• 社内しゃない・専門せんもん情報じょうほうの活用かつよう: 一般いっぱん公開こうかいされていない社内しゃない文書ぶんしょにもとづいた回答かいとうができる。
• 出典しゅってんを示しめせる: どの文書ぶんしょを参照さんしょうしたかを提示ていじでき、回答かいとうの根拠こんきょを確認かくにんしやすい。

代表だいひょう的てきなユースケースには、社内しゃない文書ぶんしょを検索けんさくして答こたえる社内しゃない向むけチャットボット、製品せいひんマニュアルにもとづくカスタマーサポート、大量たいりょうの資料しりょうから根拠こんきょ付つきで答こたえる調査ちょうさ・問とい合あわせ支援しえんなどがあります。

引ひっかけ: RAGはモデルそのものを賢かしこく学習がくしゅうし直なおす技術ぎじゅつではありません。外部がいぶ知識ちしきを「検索けんさくして足たす」技術ぎじゅつです。モデルの中身なかみを更新こうしんするファインチューニングふぁいんちゅーにんぐとは目的もくてきが異ことなります。

4. AIエージェント

RAGが「AIに知識ちしきを足たす」技術ぎじゅつだとすれば、AIエージェントえーあいえーじぇんとは「AIに行動こうどうさせる」技術ぎじゅつです。2025年ねんごろから最もっとも注目ちゅうもくを集あつめている分野ぶんやです。

4.1 AIエージェントとは

AIエージェントえーあいえーじぇんと(AI Agent)とは、目標もくひょうを与あたえると、その達成たっせいに必要ひつような作業さぎょうを自分じぶんでいくつかの手順てじゅんに分解ぶんかいし、外部がいぶのツールを使つかいながら自律じりつ的てきに実行じっこうしていくAIのことです。

従来じゅうらいの生成せいせいAIは「質問しつもんに答こたえる」「文章ぶんしょうを書かく」など、人間にんげんが1回かいごとに指示しじを出だす使つかい方かたが中心ちゅうしんでした。これに対たいしAIエージェントは、「調しらべて・まとめて・資料しりょうを作つくって」といった複数ふくすうステップの仕事しごとを、人間にんげんが細こまかく指示しじしなくても最後さいごまでやり遂とげようとします。

4.2 AIエージェントの仕組しくみ

AIエージェントは、おおむね次つぎのサイクルを繰くり返かえして動うごきます。

段階だんかい	内容ないよう
① 計画けいかく	与あたえられた目標もくひょうを、達成たっせいに必要ひつような小ちいさなタスクに分解ぶんかいする
② ツール実行じっこう	Web検索けんさく・計算けいさん・ファイル操作そうさ・外部がいぶサービスなど、必要ひつようなツールを選えらんで実行じっこうする
③ 観察かんさつ	実行じっこう結果けっかを確認かくにんし、目標もくひょうに近ちかづいたかを評価ひょうかする
④ 再さい計画けいかく	まだ足たりなければ次つぎの手てを考えかんがえ、①〜③を繰くり返かえす

このように、自分じぶんで計画けいかくし、ツールを使つかい、結果けっかを見みて次つぎの行動こうどうを決きめるループを回まわせる点てんが、単たんなるチャットボットとの大おおきな違ちがいです。RAGによる検索けんさくも、エージェントが使つかうツールの1つとして組くみ込こまれることがあります。

絶対ぜったい暗記あんき: AIエージェントのキーワードは「自律じりつ的てき」と「タスクの分解ぶんかい・実行じっこう」。目標もくひょうだけ与あたえれば、手順てじゅんの分解ぶんかいからツールの実行じっこうまで自分じぶんで進すすめます。

4.3 AIエージェントのツール事例じれい

AIエージェント型がたのサービス・ツールが次々つぎつぎに登場とうじょうしています。試験しけん対策たいさくとしては「そういう名前なまえのAIエージェント系けいサービスがある」という程度ていどで押おさえておけば十分じゅうぶんです。

• GenSparkじぇんすぱーく: 調査ちょうさやコンテンツ作成さくせいなどを自律じりつ的てきに進すすめるとされるAIエージェント系けいサービス。
• Manusまぬす: 与あたえたタスクを自律じりつ的てきに実行じっこうするとうたうAIエージェント系けいサービス。
• Skywork AIすかいわーくえーあい: 資料しりょう作成さくせいなどの業務ぎょうむ支援しえんを行おこなうとされるAIエージェント系けいサービス。

これらは機能きのうや位置いちづけが更新こうしんされやすいため、細こまかい仕様しようの暗記あんきより「AIエージェントの代表だいひょう例れい」として名前なまえを認識にんしきしておくことが大切たいせつです。

4.4 MCPと外部がいぶ連携れんけい

AIエージェントが力ちからを発揮はっきするには、外部がいぶのツールやデータと安全あんぜんにつながる必要ひつようがあります。そのための標準ひょうじゅん的てきなしくみがMCPえむしーぴーです。

MCPえむしーぴー(Model Context Protocol、モデルコンテキストプロトコル)とは、AI(モデル)と外部がいぶのツールやデータソースを、共通きょうつうのルール(プロトコル)でつなぐための標準ひょうじゅん規格きかくです。2024年ねんにAnthropic(Claudeの開発かいはつ元もと)が提唱ていしょうし、対応たいおうが広ひろがっています。

MCPが重要じゅうようなのは、これがあると個別こべつのツールごとに専用せんようのつなぎ込こみを開発かいはつしなくても、標準ひょうじゅんの作法さほうにそって多様たような外部がいぶサービスをAIから利用りようできるようになるからです。いわば「AIと外部がいぶ世界せかいをつなぐ共通きょうつうの差さし込こみ口ぐち」のような役割やくわりを果はたし、AIエージェントの活用かつようを後押あとおししています。

補足ほそく: MCPは「AIと外部がいぶツール/データを標準ひょうじゅん的てきにつなぐ共通きょうつう規格きかく」と押おさえます。RAG(検索けんさくして知識ちしきを足たす)、AIエージェント(自律じりつ的てきに実行じっこうする)、MCP(外部がいぶと標準ひょうじゅん的てきにつなぐ)をセットで区別くべつできるようにしておきましょう。

まとめ

• 生成せいせいAIはテキスト・画像がぞう・音楽おんがく・音声おんせい・動画どうがに広ひろがった。Sora・Veo3は動画どうが、Sunoは音楽おんがくなど、名前なまえと種類しゅるいの対応たいおうで押おさえる
• 学習がくしゅう・生成せいせいを支ささえる処理しょりとしてリサイズ・正規せいき化か・データ拡張かくちょう(データの水増みずまし)・リマスタリングがある。データ拡張かくちょうは既存きそんデータを加工かこうして量りょうを増ふやし過か学習がくしゅうを防ふせぐ
• ディープフェイクはディープラーニングで顔かお・声こえ・動画どうがを精巧せいこうに偽造ぎぞうする技術ぎじゅつ。なりすまし・偽にせ動画どうが・詐欺さぎに悪用あくようされる
• 偽にせ情報じょうほうはディスインフォメーション(意図いと的てき)とミスインフォメーション(意図いとしない誤あやまり)を区別くべつする
• RAG(検索けんさく拡張かくちょう生成せいせい)は外部がいぶ文書ぶんしょを検索けんさくして回答かいとうに足たす技術ぎじゅつ。流ながれは質問しつもん→検索けんさく→取得しゅとく→生成せいせい。文書ぶんしょをチャンクに分わけてベクトルデータベースに保存ほぞんし、ハルシネーション低減ていげんと最新さいしん情報じょうほう対応たいおうを実現じつげんする
• AIエージェントは目標もくひょうからタスクを自律じりつ的てきに分解ぶんかい・実行じっこうするAI。GenSpark・Manus・Skywork AIなどが代表だいひょう例れい
• MCP(Model Context Protocol)はAIと外部がいぶツール/データを標準ひょうじゅん的てきにつなぐ共通きょうつう規格きかく。RAG・AIエージェント・MCPは目的もくてきの違ちがいで区別くべつする