AI（人工知能）とは？

人工知能には、特化型 AI、汎用型 AI、人工超知能といった主な分類以外にも、相互に関連するさまざまなレベルがいくつかあります。

• 機械学習 (ML) は、AI の一部であり、コンピューターシステムが経験やデータから学習して改善することを可能にします。また、コンピューターサイエンス、統計、心理学、神経科学、経済学などの分野の要素を取り入れています。機械学習では、さまざまな種類の学習方法や分析手法にアルゴリズムが適用されます。これにより、明示的にプログラミングしなくても、データや経験から自動的に学習し、改善を行うことができます。ビジネスの場合、複雑な大規模データセットの分析に基づいた結果予測のために、機械学習を利用できます。

• ニューラルネットワークは、人間の脳の構造と機能からヒントを得た人工知能の基本的な構成要素です。この多層計算モデルは、生物学的な脳のニューロン（神経細胞）のようにクラスター化されたノードを持っています。各人工ニューロンは、入力を受け取り、それに対して数学的演算を行い、後続のニューロンの層に渡す出力を高速な並列処理で生成します。ニューラルネットワークは、トレーニングの間にデータ内の例に基づいてニューロン間の結合強度を調整し、その結果、パターン認識や予測、さらには問題解決ができるようになります。タスクやデータの種類に応じて、さまざまな方法を用いてデータから学習します。ニューラルネットワークの用途は、画像認識や音声認識、自然言語処理、モデリング、自動運転車など、さまざまな分野に拡がっています。

• ディープラーニング (DL) は、データを中心とした機械学習の一部です。複数の（深い）層を持つニューラルネットワークを使用して、大量のデータから特徴を学習して抽出します。ディープニューラルネットワークは、人間にはすぐにはわからないデータ内の複雑なパターンや関係を自動的に発見して、より正確な予測と決定を可能にします。ディープラーニングは、画像認識や音声認識、自然言語処理、データ分析などのタスクに優れています。ディープラーニングは、ディープニューラルネットワークの階層構造を活用して、医療、財務、自律システムなど、多くの領域に変革をもたらしました。

• 生成 AI (Gen AI) はディープラーニングの一種です。大規模言語モデル (LLM) などの基盤モデルを使用し、トレーニングデータに基づいて、画像、テキスト、サウンド、動画、ソフトウェアコードなどのまったく新しいコンテンツを作成します。生成 AI は、さまざまな基盤モデルテクノロジー（テキストの次の単語を予測するなど、自己教師あり学習を使用して膨大な量のデータでトレーニングされたニューラルネットワーク）の包括的な用語です。1 つのモデルで詩とビジネス文書の両方を書くこともあれば、画像を作成したり、論理思考テストに合格したりすることもできます。このように、その傑出した機能によって、生成 AI は AI の画期的な進歩を成し遂げました。2 つの LLM があるとします。1 つはもっぱら科学研究誌でトレーニングされたモデル、もう 1 つは SF 小説でトレーニングされたものです。この出力はどのようなものになるでしょう。どちらも、空間における物体の動きについて簡単な説明を生成できますが、その内容は大きく異なると考えられます。生成 AI には、多数のビジネスアプリケーションがあります。リアルな製品プロトタイプの作成、自然な会話によるカスタマーサービス、パーソナライズされたマーケティング資料の設計、コンテンツ作成プロセスの自動化、グラフィックや特殊効果の作成などが挙げられます。これまでのところ、企業も消費者も、驚くべきペースで生成 AI を取り入れています。これは、多くの生成 AI アプリケーションがプログラミングやコーディングのスキルを必要としないことに起因しています。ユーザーが普通の言語を使用して何を求めるかを記述するだけで、アプリケーションはタスクを実行し、多くの場合、素晴らしい結果を提供します。2023 年の McKinsey 社のレポートでは、以下の調査結果が報告されています。

• 組織の 33% が、少なくとも 1 つのビジネス機能で生成 AI を正式に使用しています。

• 組織の 40% が、生成 AI を理由に、AI への投資を増額する予定です。

• AI を導入している組織の 60% は、すでに生成 AI を使用しています。