本文へ移動
← 目次 生成AI発展講座 DAY 01

第1章|人工知能とは

DAY 01 ・ 約30分

人工知能を、どう定義するか

一つに決まらない定義を、目的と能力の違いから整理する。

今日できるようになること

AIの定義が一つに決まらない理由を説明し、製品名や印象ではなく、目的・入力・処理・出力・評価からAIシステムを捉えられる。

01 言葉を知る02 仕組みを理解する03 実例で理解する04 今日の理解度を確認する05 今日の整理をする
01|言葉を知る

言葉を知る

用語を暗記するだけでなく、似た概念との違いと、何を判断するための言葉かまで整理します。

人工知能(AI)

知覚、予測、推論、言語、計画など、人が知的だと捉える働きを機械で実現しようとする研究分野・技術・システムの総称です。境界は研究目的や社会状況で変わります。

知的エージェント

周囲の状態を受け取り、目的に照らして行動を選ぶ主体としてAIを捉える考え方です。人間のような意識があるという意味ではありません。

合理性

限られた情報と計算資源の中で、設定された目的を最もよく達成すると期待できる行動を選ぶ性質です。常に正解することや、倫理的に正しいこととは別です。

チューリングテスト

文字による対話で、人間の判定者が相手を人間と区別できるかを調べる提案です。知能そのものの完全な定義ではなく、外から観察できる振る舞いで考える試みです。

操作的定義

直接測りにくい概念を、観察・試験できる手続きに置き換えて定める方法です。AIでは「知能とは何か」だけでなく、「何ができれば達成と判定するか」を具体化します。

AIシステム

AIを利用し、入力から予測・生成・推奨などを行うシステム。定義は適用する制度や指針によって異なります。

評価基準

目的に照らして性能・安全性・運用上の影響などを確かめる尺度。

02|仕組みを理解する

仕組みを理解する

1.AIの定義は、辞書の一文だけでは決まらない

生成AI基礎講座では、AIを「人が行う知的な作業をコンピューターで実現しようとする技術や研究分野の総称」と捉えました。発展講座では、なぜ「総称」としか言い切れないのかを考えます。知能には、物を見分ける、言葉を使う、先を予測する、計画を立てる、経験から学ぶなど複数の働きがあります。どれか一つができればAIなのか、すべて必要なのかについて、世界共通の短い合意はありません。 さらに、昨日まで特別だった技術が普及すると、AIと呼ばれなくなることがあります。文字認識、経路検索、かな漢字変換は、発展当時には知的な処理と見られましたが、現在は日常的なソフトウェア機能として扱われます。この現象は「AI効果」と呼ばれることがあります。人がAIという言葉に期待する範囲が動くため、特定の機能一覧だけで永久に定義することは難しいのです。定義が曖昧だから何でもAIと呼んでよいのではありません。むしろ、何をAIと呼んでいるのか、議論ごとに範囲を明示する必要があります。

2.人間らしく考えるか、正しく行動するかで見方が変わる

AIの捉え方は、大きく「人間の思考を再現する」「人間の行動を再現する」「論理的に正しく考える」「目的に対して合理的に行動する」という方向へ分けられます。人間の思考を再現したいなら、心理学や脳科学の知見と照らし、実際の人がどう判断するかを調べます。人間の行動を再現したいなら、外から観察できる対話や動作が人間らしいかを評価します。 一方、合理的に行動するAIでは、人間と同じ考え方である必要はありません。倉庫内の最短経路を探すシステムは、人が頭の中でたどる手順と違っても、制約を守り安全に目的地へ着けば役割を果たせます。現在の実務では、この「目的と環境に照らして適切な行動を選ぶ」という知的エージェントの見方が扱いやすくなります。ただし、目的が間違っていれば合理的な最適化が望ましくない結果を生むことがあります。再生時間だけを増やす推薦AIが、刺激の強い内容を優先する例です。合理性は、目的の良さまで自動で保証しません。

3.チューリングは、内面ではなく観察できる振る舞いを問うた

アラン・チューリングは1950年の論文で、「機械は考えることができるか」という問いを、そのまま言葉の定義争いにする代わりに、模倣ゲームとして考えました。文字だけで人間と機械へ質問し、判定者が区別できなければ、機械は人間に近い対話能力を示したと評価できます。この提案の重要点は、機械の内部に意識があるかを直接測るのではなく、確認可能な振る舞いへ問いを置き換えたことです。 ただし、チューリングテストに合格すれば、あらゆる知能を持つと証明されるわけではありません。会話で人間らしく振る舞えても、現実の物体を安全に扱えるとは限りません。短時間の会話で相手をだませても、長期的な計画や事実確認ができるとは限りません。逆に、人間らしい雑談は苦手でも、気象予測や画像診断支援で人より高い性能を出すシステムはあります。試験が測る能力と、測らない能力を区別することが重要です。

4.現在は、AIを単体モデルではなくシステムとして見る

実際のAIサービスは、学習済みモデルだけでできていません。入力画面、データベース、検索、ルール、権限管理、人の承認、出力先などが組み合わさっています。問い合わせ対応AIなら、文章を分類するモデルが高精度でも、古い顧客情報を参照したり、権限のない返金を実行したりすれば、システム全体としては失敗です。AIの評価をモデルの正解率だけへ縮めると、運用上の重要な問題を見落とします。 そのため、対象を五つに分けます。第一に目的は何か。第二に何を入力するか。第三にモデル・規則・検索などでどう処理するか。第四に何を出力または実行するか。第五に、良し悪しをどう確認するかです。生成AIなら文章の自然さだけでなく、根拠、指示遵守、安全性、費用も評価します。採用支援なら、精度に加え公平性、説明、異議申立て、人の最終判断が必要です。「AIだから何ができるか」ではなく、「このシステムが、この条件で何をできるか」へ問いを具体化します。

5.モデル・サービス・機能・運用を混同しない

同じAIという言葉が、会社、製品、モデル、機能、研究分野を指すため混乱が起きます。あるチャットサービスがファイルを読めるとしても、言語モデル自体が保管庫へ自由にアクセスできるとは限りません。検索機能を付けたサービスが最新情報へ答えられても、モデルの学習知識が毎秒更新されているわけではありません。画像生成、音声入力、外部ツール実行も、別のモデルや仕組みが接続されている場合があります。 比較するときは層をそろえます。「A社のサービス」と「B社のモデル」を直接比較すると、料金、画面、接続機能、モデル性能が混ざります。まず用途を決め、同じ条件のサービス同士、モデル同士、機能同士で比べます。発展学習では、名称を覚えるより、どの層の話かを言い直せることが重要です。新しい製品名が増えても、目的・入力・処理・出力・評価の枠組みは使い続けられます。

6.AIかどうかより、任せてよい範囲を判断する

AIの定義を学ぶ実務的な目的は、言葉の勝ち負けを決めることではありません。機械が行う判断の性質と限界を理解し、任せる範囲を決めるためです。ルールで金額を計算する処理、統計モデルで需要を予測する処理、生成モデルで文章案を作る処理では、誤りの原因と確認方法が違います。すべてを「AIの答え」とまとめると、必要な対策を選べません。 判断を支援するAIと、判断を確定するAIも分けます。医療画像から注意箇所を示す支援と、診断を確定することは同じではありません。融資候補を整理することと、融資可否を決定することも違います。性能が高くても、権利や生命へ大きな影響がある場合は人の責任と確認を残します。AIを高度な主体として擬人化するより、能力、条件、証拠、失敗時の影響を具体的に確認する方が、安全で再現可能な活用につながります。

7.定義の違いは、評価結果の読み方を変える

「AIの性能が上がった」という説明を見たら、何を性能と呼んでいるかを確認します。画像認識なら正解率、文章生成なら人の好み、エージェントなら仕事の完了率など、評価対象が異なります。人間らしい会話を定義の中心に置けば対話評価が重要になり、合理的な行動を中心に置けば目的達成率、費用、危険な行動の回避が重要になります。定義は抽象的な言葉に見えて、測定方法を決める前提です。 数字の比較では、問題の難しさ、データの作り方、採点者、許可された道具もそろえます。検索を使えるモデルと使えないモデル、何度も試せるモデルと一回だけ答えるモデルを同じ得点だけで比べると、能力の原因が分かりません。平均点が高くても、特定分野の重大な誤りが隠れることがあります。何をAIと呼ぶかだけでなく、どの能力を、どの条件で、どの失敗まで含めて測ったかを読み取ります。

8.制度上のAI定義は、目的に応じて作られる

研究上の定義とは別に、法律や国際的な指針でもAIシステムが定義されます。制度の定義は、哲学的に知能の本質を決めるためではなく、どのシステムへ義務・リスク管理・説明を適用するかを定めるために作られます。同じ技術でも、人事、医療、重要インフラなど利用場面によって求められる管理が変わります。 そのため、ある制度の定義を世界で唯一の正解として覚えるのではなく、適用目的と範囲を読みます。国内法、海外法、業界規則、契約の定義が一致しないこともあります。サービス提供者が「この機能はAIではない」と呼んでも、実際の処理や影響が規制対象になる可能性は残ります。名称ではなく、入力から出力を生成する仕組み、利用目的、影響を確認する姿勢が必要です。

9.定義を使って、未知のAIサービスを説明する

新しいサービスを見たときは、まず製品の宣伝文を外し、観察できる事実へ分解します。利用者は何を渡すのか。システムは過去データから学んだモデルを使うのか、固定規則だけか。結果は文章・予測・推奨・外部操作のどれか。結果によって誰の行動や権利が変わるのか。誤ったときに誰が見つけ、止め、直せるのかを確認します。 この説明ができれば、AIというラベルの有無に振り回されません。単純な規則処理でも外部へ大きな影響を与えるなら管理が必要で、高度な生成AIでも社内の下書きだけなら危険を限定できます。発展講座では、技術名を知識として覚えながら、最終的には未知の仕組みを自分の言葉で分解し、評価できる状態を目指します。

10.基礎講座の知識を、発展講座の見方へ変える

基礎講座ではAI・機械学習・深層学習・生成AIの関係を整理しました。発展講座では各方式が解く問題、学習内容、失敗条件を理解し、ルール、学習、人の判断を使う場面を理由とともに選びます。 知識は初めての事例に使えるかで判断します。新製品を入力、モデル、外部情報、実行、評価へ分解します。以降の50日では定義、歴史、学習、数理、社会実装、法律・倫理を扱います。

11.DAY 1の理解を、自分の言葉で確かめる

今日の内容を理解できたかは、「AIとは人間みたいなコンピューターです」と言わずに説明できるかで確かめます。身近な一つのシステムを選び、目的、入力、処理、出力、評価を五行で書いてください。次に、そのシステムが人間らしさを目指すのか、目的達成を目指すのかを分けます。最後に、正しく動いても人が確認すべき影響を一つ挙げます。 製品名しか出ないなら、機能の層が混ざっています。「ChatGPTだから生成AI」ではなく、文章を入力し、学習済み言語モデルが文脈から出力を生成し、利用者が正確さを確認する、と言い換えます。未知の仕組みを構造化して説明することが、発展学習の出発点です。

03|実例で理解する

実例で理解する

具体例で考える

地域の飲食店が、電話予約の内容を自動で整理する仕組みを導入する場面を考えます。「AI予約係」と呼ぶだけでは、能力も責任も分かりません。目的は、予約日時・人数・希望を聞き取り、空席候補を担当者へ提示すること。入力は通話音声、処理は音声認識・文章抽出・空席データ照合、出力は予約候補です。予約確定は担当者が行います。 評価では、聞き取りの正確さだけでなく、日時の取り違え率、聞き直しが必要な割合、担当者の確認時間、個人情報の保存期間を測ります。「自然に会話できた」だけでは合格にしません。この分解ができれば、音声認識モデルを変えるのか、予約台帳との接続を直すのか、人の確認画面を改善するのかを判断できます。

手を動かして理解する

  1. 提供ケース「架空の写真整理サービスを、AIの定義・目的・評価の観点で説明する」または自分が説明できる身近な事例を一つ選び、DAY1「人工知能を、どう定義するか」の判断観点で整理してください。提出物には、①対象と目的、②本文の用語を使った判断、③判断の根拠、④未確認事項または限界を記します。最後に学習目標「AIの定義が一つに決まらない理由を説明し、製品名や印象ではなく、目的・入力・処理・出力・評価からAIシステムを捉えられる。」を満たす説明になっているか自己確認してください。紙または端末の標準メモだけで実施でき、外部サービスへの登録や有料契約は不要です。 実在人物の個人情報、機密情報、未公開資料は使わず、架空または匿名化した情報だけを使ってください。

04|今日の理解度を確認する

今日の理解度を確認する

1 / 5
QUESTION 01

AIの定義が一つの短い文に固定しにくい主な理由はどれですか。

QUESTION 02

知的エージェントとしてAIを見るとき、合理性の説明として適切なものはどれですか。

QUESTION 03

チューリングテストについて正しい説明はどれですか。

QUESTION 04

問い合わせ対応AIをシステムとして評価する場合、最も十分な見方はどれですか。

QUESTION 05

採用候補を整理するAIについて、正解率以外に確認すべきことはどれですか。

05|今日の整理をする

今日の整理をする

この3点を持ち帰る

  • ✓ AIの定義は目的と評価の置き方で変わり、一つの機能一覧には固定できない
  • ✓ 人間らしさ・合理性・倫理的な正しさは別の性質として考える
  • ✓ モデルではなく、目的・入力・処理・出力・評価を持つシステム全体を見る

講義本文 4,862字

PRIMARY SOURCES

確認に使った一次資料・原典

本文は各資料を参照し、初学者向けに独自構成・独自表現で解説しています。
NEXT LESSONDAY 2「特化型AI・汎用AI・強いAI」へ次のDAYに進む →