生成AIの活用が急速に普及している昨今。ビジネスシーンやIT関連の記事でAI関連用語に触れる機会が増えたという人も多いのではないでしょうか。
今回は、生成AI時代の代表的なAI関連用語を紹介します。生成AIのリテラシーを高めたいとお考えの方は、ぜひ参考にしてください。
まず紹介する用語は「機械学習」です。膨大な量のデータを与えることで、明示的なプログラミング抜きでシステムが自発的にデータ内のパターン・構造・規則性を抽出。正確な予測や意思決定を実現します。
生成AIの成立に欠かせない「ディープラーニング（深層学習）」もこの機械学習の一種です。脳に近い認識機能を備えた「ニューラルネットワーク」を活用して、データ内のより複雑な特徴を抽出。画像・音声・自然言語などの高度なモデル化を行うことができます。
ちなみに機械学習の手法には「教師あり学習」「教師なし学習」「強化学習」の3種類があります。
「教師あり学習」ではモデルに与えるデータにラベルを付与。学習を方向づけ、予測精度を高めることが可能です。一方、ラベルなしのデータを与える「教師なし学習」では、手間・コストがかからない、未知のパターンを発見しやすくなる、といったメリットが期待できるでしょう。
「強化学習」はポジティブなフィードバックを与えてモデルの特定の行動を強化する学習手法。ゲームAIや自動運転などの領域で活用されています。
「生成AI」はこれらの技術を駆使して既存のデータから新しいデータを生成するAIです。現在は多種多様な生成AIが生まれており、生成できるデータもテキスト・音声・音楽・画像など多岐にわたります。
数ある生成AI技術のなかでも、「自然言語処理（NLP）」は自然言語によるコンピュータと人間のやり取りを実現する領域。現在NLPでとくに注目されているのは「大規模言語モデル（LLM）」という技術です。
その名の通り数十億から数兆という大量のテキストデータを保持するAIで、人間とも遜色ないスムーズな会話や文章作成を行うことができます。なお、各モデルが保持するデータの量は「パラメータ」という数値で示されます。
最近は入力されたテキストから意味だけでなくユーザーの感情まで判断する「センチメント分析」というNLP手法の研究も進んでいます。
有名なLLMといえば、ChatGPTにも活用されている「GPT」でしょう。OpenAIが開発したモデルで、文章理解や出力の精度の高さからAI業界に革新をもたらしました
生成AIの普及により注目された概念のひとつが「プロンプトエンジニアリング」。AIから必要なデータを引き出すために最適な入力（プロンプト）を行う技術です。ユーザーが生成AIを使いこなすためにはプロンプトエンジニアリングに関する学習が欠かせません。
AIシステムの倫理的かつ透明な動作を保証する「AIガバナンス」も重要な概念のひとつです。
生成AIの出力する内容には、トレーニング時に使用されたデータの影響で、「機械学習バイアス（AIバイアス）」と呼ばれる偏りが含まれているケースがあります。また、生成AIには誤情報や無意味な情報をあたかも事実であるかのように回答する場合があり、「ハルシネーション（幻覚）」と呼ばれています。
「XAI」は“説明可能なAI”と訳される「Explainable AI」の略語です。生成AIの出力がどのようなプロセスで得られたものか、ユーザーに明示することで公平性・信頼性を確保する概念で、現在は医療・金融業界を中心に、AIの「説明可能性／解釈可能性」が求められています。
以上、生成AI時代のAI関連用語を紹介しました。ぜひ参考にしていただいて、興味がある領域を掘り下げたり、ビジネスシーンでのコミュニケーションに活用したりしてください。
