AI（人工知能）（artificial intelligence）

分類: テクノロジ系基礎理論
出る試験: 基本情報応用情報
重要度: ★★★★☆

人の知的な働きを機械にさせる技術の総称。機械学習もディープラーニングも、この中に含まれる。

もう少し詳しい説明

AI（人工知能）は、人がやっていた知的な働きを機械にさせる技術の総称です。「これがAIだ」と言える単一の技術があるわけではなく、まとめ方の言葉だと思ってください。

試験でいちばん問われるのが、よく聞く3つの言葉の関係です。

3つは並んだ別物ではなく、入れ子です。ディープラーニングは機械学習の中の一手法、機械学習はAIの中の一分野。「AIの一種が機械学習、その一種がディープラーニング」と読みます。

この上下関係さえ外さなければ、言葉の意味を1つずつ暗記していなくても、関係を問う問題は解けます。逆にここを「3つの別々の技術」と覚えてしまうと、選択肢がすべて正しそうに見えてしまいます。

昔のAIは、規則を人が書いていた

いまの話に入る前に、ひとつ前の世代を見ておくと差がはっきりします。

機械学習が広まる前のAIは、人が書いた規則を機械に当てはめさせる作りでした。その代表がエキスパートシステムです。

エキスパート（expert）は専門家のことです。名前のとおり、専門家がやっている判断を、機械に肩代わりさせようという仕組みを指します。

では、専門家の判断をどうやって機械に渡すのか。「もし〜ならば〜」という規則の形に書き直して、ためておきます。 部品は2つです。

知識ベース … 規則を貯めておくところ
推論エンジン … 貯めた規則を当てはめて答えを出すところ

医師の診断や、機械の故障診断に使われました。

ただし、規則を人が書き下ろさなければならないという壁があります。専門家が言葉にできない判断は書けませんし、規則が増えるほど互いの矛盾を取り切れなくなります。

この壁を越えるために出てきたのが機械学習です。 規則を人が書くのではなく、データから見つけさせる。向きが逆になっています。

ディープラーニング

ディープラーニング（深層学習）は、機械学習の中の一手法です。

ニューラルネットワークという、人の神経細胞のつながりをまねた仕組みを使います。入力と出力のあいだに中間の層を置き、この層を何枚も重ねたものがディープラーニングです。「深い（ディープ）」は層の深さを指しています。

層を深くすると、何に注目すればよいかを、機械が自分で見つけるようになります。画像なら、浅い層で線や点、深い層で目や鼻、といった具合に段階的に捉えていきます。

人が「ここを見ろ」と教え込まなくてよくなった。これがディープラーニングで何が変わったか、という話です。

学習はバックプロパゲーション（誤差逆伝播法）という方法で行います。答えとのずれを出力側から入力側へ逆向きに伝えて、つながりの重みを少しずつ直していく手順です。

生成AI

生成AIは、文章・画像・音声などを作り出すAIです。

大量のデータで先に学習させた大きなモデルを基盤モデルと呼び、それを土台にいろいろな用途へ使い回します。文章を扱うものが大規模言語モデル（LLM）です。

ファインチューニング … 基盤モデルを、特定の用途向けに追加で学習させる
プロンプトエンジニアリング … モデルには手を入れず、指示の書き方を工夫して望む答えを引き出す

学習をやり直すか、頼み方を変えるかの違いです。手間は後者のほうがはるかに軽く済みます。

言葉の整理

言葉	位置づけ	ひとこと
AI	いちばん広い総称	機械学習を使わないAIもある
エキスパートシステム	AIの一種	規則を人が書く。知識ベース＋推論エンジン
機械学習	AIの一分野	規則をデータから見つける
ディープラーニング	機械学習の一手法	ニューラルネットワークを何層も重ねる
生成AI	ディープラーニングの応用	文章や画像を作り出す。LLMが代表

AIが苦手にすること

AIは学習したデータの範囲でしか答えられません。見たことのない状況では見当違いの答えを返しますし、なぜその答えになったのかを説明させるのが難しいという性質もあります。

学習データに偏りがあれば、その偏りをそのまま覚えます。採用や与信のように人の扱いに関わる場面では、ここが問題になります。

作り出した内容が事実と違うことがあるのも、生成AIで広く知られた弱点です。最後に人が確かめるという前提を外さないこと。応用情報では、この手の注意点が利活用の問題として出ます。

試験ではこう出る

科目A（旧・午前）で出ます。いちばん多いのが、AI・機械学習・ディープラーニングの包含関係を問う形です。入れ子になっていることを押さえておけば、そのまま解けます。

次に、言葉の意味を選ばせる形。エキスパートシステム、知識ベース、推論エンジン、ニューラルネットワーク、バックプロパゲーション、基盤モデル、LLM、プロンプトエンジニアリングあたりが候補になります。

応用情報では、AIを業務に使うときの注意点（偏り、説明のしにくさ、事実と違う内容、個人情報の扱い）を問う形が増えています。技術そのものより、使うときに何に気をつけるかを問われると考えておいてください。

ミニクイズ

AI・機械学習・ディープラーニングの関係として、最も適切なものはどれか。

正解は 2番：AIがいちばん広く、その中に機械学習があり、さらにその中にディープラーニングがある

3つは並んだ別物ではなく入れ子です。AIは「人の知的な働きを機械にさせる技術」の総称で、ルールを人が書き下ろすエキスパートシステムのように、機械学習を使わないAIもあります。機械学習はAIの中の一分野で、規則をデータから見つけさせる方法のこと。ディープラーニングはさらにその中の一手法で、ニューラルネットワークを何層も重ねたものです。「AIの一種が機械学習、その一種がディープラーニング」と読めれば、この手の問題は落としません。

間違えた用語の復習リストを見る →

この分野をまとめて解く → 基礎理論と情報メディアのミニテスト（全39問）

最終更新：2026-10-06