AI 基礎知識入門

人工知能（AI）とは？

人工知能 = 機械に 見る 👁️ + 聞く 👂 + 話す 🗣️ + 考える 🧠 + 決断する ✅ を人間のようにさせる技術

たとえば、スマートフォンに写った写真が猫か犬かを判別させる——これがAIです。地図アプリに最短ルートを計算させる——これもAIです。

AIの3つの核心要素

料理に 食材＋レシピ＋コンロ が必要なように、AIにも3つの要素が必要です：

💡 2020年代にAIが爆発的に普及した根本的な理由は、この3つ全てが同時に臨界点に達したからです——インターネットに膨大なデータが蓄積され、科学者がより優れたアルゴリズムを発明し、GPUメーカーがより高性能なチップを製造したのです。

身の回りのAI（毎日使ってるかも！）

AIプログラミング vs 従来のプログラミング：何が違う？

従来のプログラミング：  プログラマーがルールを書く → コンピュータがその通りに実行
            「もし気温が30度を超えたら、エアコンをつける」

AIプログラミング：    コンピュータに大量の例を見せる → コンピュータが自分でルールを学ぶ
            「猫と犬の画像を10000枚見せて、自分で見分ける方法を学ばせる」

AIの3つの流派（機械学習の種類）

現在の主流なAIはすべて「機械学習」で実現されています。主に3つの学習方法があります：

① 🎓 教師あり学習 —「答え付きの練習問題」

学び方：AIに「問題＋正解」のペアを大量に与え、自分で法則を見つけさせます。

🧪 例え話：

10,000枚の写真が与えられ、それぞれに「🐱 猫」か「🐶 犬」のラベルがついています。何度も見ているうちに、猫の耳は尖っていて、犬の耳は丸いことがわかってきます。初めて見る猫の写真でも、一目で見分けられるようになります。

📋 よくある用途：

② 🔍 教師なし学習 —「答えのない素材」

学び方：AIに素材だけを与え、正解は教えずに自分で法則を見つけさせます。

🧪 例え話：

10,000件のECユーザーの購買記録が与えられ、誰がどんなタイプかは教えられていません。データを見ていると、いつも安いものだけを買う人、ブランド品だけを買う人、毎週買い物をする人がいることに気づき——自然に3つのグループに分類できます。

📋 よくある用途：

③ 🎮 強化学習 —「ゲームで学ぶ経験則」

学び方：AIが自ら試行錯誤し、正解すればご褒美🍬、間違えればお仕置き📏。

🧪 例え話：

AIに将棋を覚えさせます。何百万局も自分自身と対戦し——勝てば＋1点、負ければ−1点。たくさん指すうちに、どんな手が勝ちにつながるかを学習します。AlphaGoはこうして世界チャンピオンを打ち負かしたのです。

📋 よくある用途：🤖 ロボット制御、🚗 自動運転、🎮 ゲームAI

AIの能力レベル

賢さの度合いによって、AIは3つのレベルに分類されます：

💡 現状の解説：最も強力なChatGPTやDeepSeek V4でさえ、本質的には「超高性能な文字続きゲーム」に過ぎません——自分が何を言っているかを本当に「理解」しているわけではなく、文脈から最も適切な次の単語を推測しているだけです。ただし、見てきたテキストの量が桁違いに多い（ほぼインターネット全体）ため、あたかも本当に理解しているように見えるのです。

AI略年表（70年を一覧で）

大規模言語モデル（LLM）の仕組み

LLM = Large Language Model = 大規模言語モデル

ChatGPT、DeepSeek、Claude、Gemini……あなたが聞いたことのあるAI製品は、すべてLLMをベースにしています。

一言でいうと

LLMの本質 = 超高性能版「入力予測」

あなたがスマホで「今日の天」と打つと、入力予測が「気は？」と提案します。LLMも同じことをやっていますが、規模が1億倍違うのです——インターネット上のほぼすべての本、記事、コードを読んでいるので、予測するのは1単語だけでなく、論理的な回答全体になります。

例：

あなたの入力：「Pythonでソートアルゴリズムを書いてください。」
LLMの思考：「読んできた何百万ものコードによると、ここで最も適切な続きは……」
LLMの出力：「def bubble_sort(arr): ...」

LLMはどうやって「作られる」の？

LLMを作るには3つのステップが必要です。子育てに例えてみましょう：

🟢 ステップ1：事前学習（たくさんの本を読む）
    ↓ モデルがインターネット全体（数兆語）を読み、言語と知識を習得
    ↓ ⏱️ 数ヶ月 | 💰 数十億円 | 🔥 数万枚のGPUを使用

🟡 ステップ2：指示チューニング（学校に行く）
    ↓ 良質な「QAペア」を使って、モデルに質問への答え方を教える
    ↓ ⏱️ 数週間 | 💰 数百万〜数千万円

🔴 ステップ3：人間のフィードバックによる強化学習（社会性を学ぶ）
    ↓ 人間がモデルの回答に「いいね／よくない」をつけ、モデルがより良い回答を学習
    ↓ 目的は、より有用で安全な出力にすること

知っておくべき重要コンセプト

Transformerとは何か？

2017年、Googleが論文『Attention Is All You Need』を発表し、Transformer アーキテクチャを提案しました。現代のLLMはすべてこのアーキテクチャを採用しています。

核心となる革新：アテンション機構

📖 文章を読むとき、単語によって関連性があるものとないものがあります：

「太郎はカバンを机の上に置いて、彼は本を取り出した。」

👆 アテンション機構によって、モデルはこの「彼」＝「太郎」であり、「カバン」でも「机」でもないことを認識できます。

モデルは各単語と他のすべての単語の「関連度」を計算し、関連性が高いほどアテンションスコアが高くなります。

なぜTransformerはこんなに優れているのか？

AI Agent：「会話」から「行動」へ

AI Agent（AIエージェント） は2025〜2026年における最も重要なAI進化の方向性です。

違いがひと目でわかる比較表

🍎 一言でたとえると：

普通の会話AI = 🧙‍♂️ 部屋に閉じ込められた賢者。アドバイスはくれるけど動けない

AI Agent = 🧑‍💼 手足のある執事。あなたが一言言えば全部やってくれる

Agentのワークフロー

あなたが「今日のAIニュースを調べてまとめて」とメッセージを送信
        ↓
🤖 AIが思考：「ユーザーはAIニュースが欲しい → まず検索 → 結果を見る → 最後にまとめる」
        ↓
🔍 検索ツール：「AI news today 2026」を検索
        ↓
📥 結果を受信：10件のニュースリンク
        ↓
🤖 AIが再思考：「1つずつ読んで重要なポイントを抽出する必要がある」
        ↓
📝 結果をもとに要約を生成
        ↓
✅ 返信：「今日のAIニュースには3つの大きなトピックがあります：……」

AI Agentは何ができる？

主要AIモデルの選び方（2026年版）

海外モデル

国産モデル

価格比較（おすすめ度）

DeepSeek V4.1-Flash 🟩🟩🟩🟩🟩  破格の安さ  月額数百円
DeepSeek V4-Pro    🟩🟩🟩🟩⬜  安い        月額数千円
GPT-5              🟩🟩⬜⬜⬜  高い        月額数万円
Claude Sonnet 4.6    🟩🟩⬜⬜⬜  高い        月額数万円

🎯 一般ユーザーへのアドバイス：日常使いなら DeepSeek V4.1-Flash で十分、速くて安い。コーディングや複雑なタスクは DeepSeek V4-Pro に切り替えましょう。国産モデルの価格は海外トップモデルのおよそ10〜20分の1——つまりAIは「高級品」から「日用品」になったのです。

プロンプトエンジニアリング：AIを思い通りに動かす方法

プロンプト（Prompt） = AIに対してあなたが入力する言葉。良いプロンプトがあれば、AIの回答品質が10倍になります。

黄金のフォーマット

🎭 [役割] + 📋 [タスク] + 📂 [コンテキスト] + 📝 [出力形式] + ⚠️ [制約条件]

6つの実践テクニック

① 🎭 AIに役割を与える

❌ 「メールを書いて」
✅ 「あなたは10年の経験を持つビジネス交渉のプロです。サプライヤーに値下げ5％を
    要請するメールを作成してください。口調はプロフェッショナルかつ丁寧に。」

② 📚 例を示す（Few-Shot）

AIに2〜3個の例を見せると、それに習って答えられるようになります：

「以下のコメントの感情分析をしてください：
"この料理、まずすぎる" → ネガティブ
"景色が本当に綺麗" → ポジティブ
"まあまあかな、普通" → ニュートラル
ではこの文を分析してください："間違いなく人生で一番美味しいケーキ！" → 」

③ 🧩 ステップバイステップで考えさせる（Chain-of-Thought）

❌ 「太郎くんはリンゴを5個持っていました。花子さんに2個あげて、さらに3個買いました。
     今何個持っていますか？」

✅ 「ステップごとに考えてみましょう：
   1️⃣ 最初に5個のリンゴを持っている
   2️⃣ 花子さんに2個あげた：5 − 2 = 3
   3️⃣ さらに3個買った：3 + 3 = 6
   答えは6個です。」

④ 📊 出力形式を指定する

「以下のデータを分析し、JSON形式で出力してください：
   {"平均点": 85, "最高点": 98, "最低点": 62}」

⑤ ⛔ AIにやってはいけないことを伝える（否定プロンプト）

「100文字以内で要約してください。「まず／次に／最後に」のような接続詞は使わないでください。個人的な評価は加えないでください。」

⑥ 🔄 反復して掘り下げる

まずアウトラインをもらう → 特定のポイントを展開 → さらに詳細を深掘り
「気候変動に関する記事のアウトラインを作成してください」
「3つ目のポイントを詳しく説明してください」
「1つ目と3つ目のポイントのデータを表で比較してください」

初心者がやりがちなミス

2026年のAIトレンド

トレンド1：AI Agentの本格普及

AIが「会話」から「行動」へ進化。企業の40％が2026年にAI Agentの導入を計画しています。ちょうどスマートフォンが従来の携帯電話に取って代わったように——電話ができるからではなく、あらゆる問題を解決できるからです。

トレンド2：中国製AIの全面的な台頭

DeepSeek、Qwen、GLMなどの国産モデルが性能面で海外モデルに追いつき、価格は100分の1。OpenRouterにおける中国製モデルの世界シェアはすでに30％に達しています。

トレンド3：音声AIの新体験

AIがリアルタイムで会話し、声色や感情を理解できるように。音声対話がAIの新しい入口になりつつあります——2007年のiPhoneのタッチスクリーンのように、すべてを変えるかもしれません。

トレンド4：AI利用量の爆発的増加

世界のAI消費量は2024年から2025年にかけて10倍に増加しました。1回の簡単な会話＝数百Token、1つのAI Agentがタスクを完了する＝数十万Token。AIは「たまに使うもの」から「毎日使うもの」へと変わりつつあります。

AI進化のロードマップ

2022 🗣️  対話AI    質問すれば答える     → ChatGPT
2024 🧠  推論AI    深く考える         → DeepSeek R1
2025 🛠️  ツールAI  ツールを使う       → Copilot
2026 🤖  Agent時代  自律的に行動する   → Hermes Agent

AIの欠点（これだけ押さえておけばOK）

AIの限界を知ることも同じくらい重要です：

① 🤥 ハルシネーション — AIは平然と嘘をつく

AIの本質は言葉当てゲームであり、「真実」という概念を持ちません。もっともらしい偽のニュース、偽のデータ、偽の論文をでっち上げることがあります。

🛡️ 対策：重要な情報は必ず自分で確認しましょう。AIの言い分を鵜呑みにしてはいけません。

② 📖 本当に理解しているのか？—— いいえ

AIはきれいなコードを書けますが、コードのロジックをまったく理解していない可能性があります。「理解」ではなく「模倣」をしているのです。

③ 🪟 長い文章を覚えきれない

最も強力なモデルでも、長文書を処理する途中で中盤の内容を「忘れてしまう」ことがあります。100ページのPDFを一度に与えても、約70％を覚えていれば良い方です。

④ ⚖️ バイアスがある

学習データに含まれるバイアスは、そのままAIに反映されます。たとえば、インターネット上の「医者」に関する記述の多くが男性だった場合、AIは医者＝男性と認識する可能性があります。

⑤ ☠️ 安全性の問題

AIが人間の意図通りに動き、悪いことをしないようにするにはどうすればいいか？ これは現在のAI研究における最大の課題です。

AIと付き合う正しい心構え

AI = 🛠️ 強力な道具であり、🔮 万能の答えを出す機械ではない

✅ 生産性向上と時間節約に活用する ✅ 「専門家」ではなく「アシスタント」として扱う ✅ できあがったものは自分で一度確認する ✅ 常に自分で考えることを忘れない

📅 最終更新：2026-05-12 | 【AI 支援で執筆】