1. AI（人工知能）

AI（Artificial Intelligence）とは、人間の知的な振る舞いをコンピュータで再現する技術の総称です。身近な例では、スマートフォンの音声アシスタント（SiriやGoogleアシスタント）、YouTubeのおすすめ動画機能、オンラインショッピングの商品推薦などがAIを活用しています。

AIの特徴は、単純な計算だけでなく、パターンを認識したり、経験から学習したり、予測を立てたりできることです。たとえば、メールの迷惑メールフィルターは、過去の迷惑メールのパターンを学習して、新しいメールが迷惑メールかどうかを判断します。

現在のAIは「特化型AI」と呼ばれ、特定の作業に特化しています。画像認識、音声認識、文章生成など、それぞれの分野で人間を超える性能を発揮することもありますが、人間のように幅広い知的活動を行うことはまだできません。ChatGPTのような生成AIも、このAI技術の一種であり、特に文章の生成や対話に特化したものです。

2. 生成AI

生成AI（Generative AI）とは、新しいコンテンツを作り出すことができるAIのことです。文章、画像、音楽、動画など、様々な形式のコンテンツを生成できます。ChatGPTは文章を生成し、DALL-Eは画像を生成し、Soraは動画を生成するというように、それぞれ得意分野があります。

従来のAIが「分類」や「予測」を主な仕事としていたのに対し、生成AIは「創造」ができる点が革新的です。たとえば、従来のAIは犬の画像を見て「これは犬です」と判断することはできましたが、生成AIは「柴犬が宇宙服を着ている画像を描いて」という指示から、実際にその画像を作り出すことができます。

生成AIの登場により、レポート作成、プレゼン資料の作成、プログラミング、デザインなど、創造的な作業の効率が大幅に向上しました。大学生の皆さんにとっては、レポートのアイデア出しや文章の推敲、就職活動でのエントリーシート作成など、様々な場面で活用できる強力なツールとなっています。ただし、生成されたコンテンツをそのまま使うのではなく、自分で確認・編集することが重要です。

3. AGI

AGI（Artificial General Intelligence：汎用人工知能）とは、人間と同等の知的能力を持つAIのことです。現在のAIが特定のタスクに特化しているのに対し、AGIは人間のように幅広い知的作業をこなすことができます。数学の問題を解き、小説を書き、料理のレシピを考え、哲学的な議論もできる、まさに「万能型」のAIです。

現在のChatGPTは確かに賢いですが、まだAGIではありません。ChatGPTは文章の生成は得意ですが、実際に料理を作ったり、物理的な作業をしたりすることはできません。また、本当の意味で物事を「理解」しているかどうかも議論の対象となっています。

AGIの実現時期については、専門家の間でも意見が分かれています。楽観的な予測では2030年代、慎重な予測では今世紀後半、あるいは実現不可能という意見もあります。AGIが実現すれば、科学研究、医療、教育など、あらゆる分野で革命的な変化が起こると予想されています。皆さんが社会で活躍する頃には、AGIと共に働く時代が来るかもしれません。

4. ASI

ASI（Artificial Super Intelligence：人工超知能）とは、人間の知能を大幅に超越したAIのことです。AGIが「人間並み」の知能だとすれば、ASIは「人間を超えた」知能です。アインシュタインのような天才を何万人も集めたような知的能力を、一つのAIシステムが持つことを想像してみてください。

ASIの特徴は、自己改善能力を持つ可能性があることです。つまり、ASI自身がより優れたASIを設計・開発できるようになり、知能の爆発的な向上が起こる可能性があります。これにより、人類が何千年かけても解決できなかった問題を、ASIは数日で解決するかもしれません。がんの完全な治療法、気候変動の解決策、宇宙の謎の解明など、想像を超える成果が期待されています。

一方で、ASIには大きなリスクも伴います。人間をはるかに超える知能を持つ存在をどうコントロールするのか、ASIの目的と人類の利益をどう一致させるのか、といった課題があります。SF映画のような話に聞こえるかもしれませんが、多くの研究者が真剣に議論している重要なテーマです。

5. シンギュラリティ

シンギュラリティ（技術的特異点）とは、AIの進化により人類の歴史が根本的に変わる転換点のことです。未来学者のレイ・カーツワイル氏は2045年頃にシンギュラリティが起こると予測しており、これを「2045年問題」と呼ぶこともあります。

シンギュラリティが起こると、技術の進歩速度が人間の理解を超えて加速し、予測不可能な変化が起こるとされています。たとえば、ASIが登場して自己改善を始めると、数日で人類の全知識を超える発見をし、不老不死の実現、脳とコンピュータの融合、物質を自在に操る技術などが実現するかもしれません。

この概念は賛否両論があり、楽観派は人類の問題がすべて解決される黄金時代の到来を予想し、悲観派は人類がAIに支配される危険性を警告しています。現実的には、シンギュラリティが本当に起こるかどうかは不明ですが、AIの急速な進化により、皆さんの生涯において社会が大きく変わることは確実です。この変化に適応し、AIと共存する能力が、これからの時代を生きる上で重要になるでしょう。

6. 機械学習

機械学習（Machine Learning）とは、コンピュータがデータから自動的にパターンやルールを学習する技術です。人間が一つ一つルールをプログラミングするのではなく、大量のデータを与えることで、コンピュータ自身が法則を見つけ出します。

身近な例では、Netflixの映画推薦システムがあります。あなたが見た映画の履歴から、好みのパターンを学習し、次に気に入りそうな作品を推薦してくれます。最初は的外れな推薦もありますが、使えば使うほど精度が上がっていくのは、システムがあなたの好みを「学習」しているからです。

機械学習には様々な手法がありますが、基本的な流れは共通しています。まず大量のデータを集め、そのデータからパターンを抽出し、新しいデータに対して予測や判断を行います。スパムメールの判定、株価の予測、病気の診断支援など、幅広い分野で活用されています。ChatGPTのような生成AIも、機械学習の技術を基盤として作られており、インターネット上の膨大なテキストデータから言語のパターンを学習しています。

7. 深層学習（ディープラーニング）

深層学習（Deep Learning）は、機械学習の中でも特に強力な手法で、人間の脳の仕組みを模倣した学習方法です。「深層」という名前は、情報を処理する層（レイヤー）を何層も重ねた構造から来ています。各層で少しずつ情報を加工していき、最終的に高度な判断を下すことができます。

たとえば、猫の画像を認識する場合、最初の層では線や角度を検出し、次の層では耳や目などの部品を認識し、最後の層で「これは猫だ」と判断します。この過程は、人間が物を認識する過程と似ています。深層学習の革新的な点は、これらの特徴を人間が教える必要がなく、大量のデータから自動的に学習することです。

深層学習の登場により、画像認識、音声認識、自然言語処理などの分野で飛躍的な進歩がありました。2012年の画像認識コンテストで深層学習が圧勝したことをきっかけに、現在のAIブームが始まりました。ChatGPTも深層学習の技術を使っており、膨大な文章データから言語の複雑なパターンを学習することで、人間のような自然な文章を生成できるようになっています。

8. ニューラルネットワーク

ニューラルネットワークとは、人間の脳の神経細胞（ニューロン）の仕組みを模倣した計算モデルです。脳内では無数のニューロンが互いに信号を送り合って情報を処理していますが、これをコンピュータ上で再現したものがニューラルネットワークです。

構造はシンプルで、入力層、隠れ層、出力層という層から成り立っています。たとえば、手書き数字を認識する場合、入力層に画像のピクセル情報を入れると、隠れ層で特徴を抽出し、出力層で「これは7です」といった結果を出します。各ニューロン間の接続の強さ（重み）を調整することで学習が進み、正確な判断ができるようになります。

ニューラルネットワークは1950年代から研究されていましたが、計算能力の限界で一時期は下火になりました。しかし、2000年代以降、コンピュータの性能向上とビッグデータの登場により、深層ニューラルネットワーク（ディープラーニング）として復活しました。現在では、ChatGPTをはじめとする最先端のAIの基盤技術となっており、私たちの生活を支える重要な技術となっています。

9. 教師あり学習

教師あり学習とは、正解ラベル付きのデータを使ってAIを訓練する方法です。「教師」という名前の通り、人間が「これが正解です」と教えながらAIを育てていくイメージです。たとえば、犬と猫の画像分類AIを作る場合、「この画像は犬」「この画像は猫」というラベル付きの画像を大量に用意して学習させます。

身近な例では、スマートフォンの顔認証システムがあります。あなたの顔写真を何枚か登録すると、それが「正解データ」となり、システムはあなたの顔の特徴を学習します。その後、新しい角度や照明条件でもあなたの顔を認識できるようになるのは、教師あり学習の成果です。

教師あり学習の利点は、精度が高く、結果が予測しやすいことです。一方で、大量のラベル付きデータを用意する必要があり、人手がかかるという欠点もあります。医療診断AI、音声認識、機械翻訳など、正確性が求められる分野で広く使われています。ChatGPTの基礎となる言語モデルも、部分的に教師あり学習の手法を使って、より人間らしい応答ができるように調整されています。

10. 教師なし学習

教師なし学習とは、正解ラベルのないデータから、AIが自力でパターンや構造を見つけ出す学習方法です。人間の教師がいない状態で、AI自身がデータの中から意味のあるグループや関係性を発見します。

具体例として、音楽配信サービスのプレイリスト自動生成があります。サービスは、曲のテンポ、音色、歌詞の内容などの特徴から、似た曲を自動的にグループ化します。「これはロック」「これはジャズ」といったラベルを人間が付けなくても、AI自身が音楽の特徴から自然なグループを作り出すことができます。

教師なし学習の強みは、人間が気づかないパターンを発見できることです。たとえば、ECサイトの顧客データを分析すると、「金曜日の夜に買い物をする20代」といった、人間が事前に想定していなかった顧客グループを発見することがあります。また、大量のラベル付けが不要なため、コストを抑えられるという利点もあります。生成AIの分野では、大量のテキストデータから言語の構造を自動的に学習する際に、この教師なし学習の技術が重要な役割を果たしています。

11. 自己教師あり学習

自己教師あり学習とは、データ自体から自動的に教師信号を作り出して学習する方法です。教師あり学習と教師なし学習の良いところを組み合わせた手法で、人間がラベルを付ける手間を省きながら、高い精度を実現できます。

ChatGPTの学習方法が、まさにこの自己教師あり学習の代表例です。文章の一部を隠して、その部分を予測させる訓練を繰り返します。たとえば、「今日は天気が［　］です」という文で、［　］の部分に「良い」や「悪い」が入ることを学習します。この方法により、人間が一つ一つ正解を教えなくても、大量の文章データから言語の規則を学ぶことができます。

自己教師あり学習の革新性は、インターネット上の膨大なデータを活用できることです。ウェブページ、書籍、論文など、ラベルのついていないテキストデータから、自動的に学習用のタスクを生成できます。この技術により、GPT-3やGPT-4のような巨大な言語モデルの開発が可能になりました。今後も、この手法を使ってさらに賢いAIが登場することが期待されています。

12. LLM（大規模言語モデル）

LLM（Large Language Model：大規模言語モデル）とは、膨大なテキストデータを学習して、人間のような文章を理解・生成できるAIモデルのことです。「大規模」という名前の通り、数千億から数兆個のパラメータ（調整可能な数値）を持ち、インターネット上のほぼすべての公開テキストを学習しています。

LLMの特徴は、事前学習により幅広い知識を持っていることです。プログラミング、料理、歴史、科学など、あらゆる分野の質問に答えることができます。また、文章の要約、翻訳、創作など、様々なタスクをこなすことができます。これは、特定の用途に特化した従来のAIとは大きく異なる点です。

代表的なLLMには、OpenAIのGPTシリーズ、GoogleのGemini、AnthropicのClaudeなどがあります。これらのモデルは、チャットボット、文章作成支援、コード生成など、様々なサービスの基盤となっています。LLMの登場により、専門的な知識がなくても、自然な言葉でAIと対話できるようになり、AIの民主化が大きく進みました。今後も、より賢く、より効率的なLLMの開発が続くことでしょう。

13. GPT／ChatGPT

GPT（Generative Pre-trained Transformer）は、OpenAI社が開発した言語モデルのシリーズ名です。「生成的」「事前学習済み」「トランスフォーマー」という3つの特徴を表しています。ChatGPTは、このGPTモデルを対話型のインターフェースで使えるようにしたサービスです。

ChatGPTの画期的な点は、専門知識がなくても、普通の会話のようにAIを使えることです。「レポートの構成を考えて」「このコードのバグを見つけて」「英語に翻訳して」など、自然な言葉で指示するだけで、高品質な回答が得られます。2022年11月の公開からわずか2か月で1億ユーザーを突破し、史上最速で普及したサービスとなりました。

GPTシリーズは世代を重ねるごとに進化しており、GPT-3.5からGPT-4、そして最新のGPT-4oへと性能が向上しています。文章生成の質が上がっただけでなく、画像の理解、複雑な推論、長文の処理など、できることが増えています。大学生の皆さんにとっては、レポート作成、プログラミング学習、就職活動の準備など、学生生活のあらゆる場面で活用できる強力なツールとなっています。

14. トランスフォーマー

トランスフォーマー（Transformer）は、2017年にGoogle研究者が発表した画期的なAIアーキテクチャ（基本設計）です。「Attention is All You Need（注意機構だけで十分）」という論文タイトルが示すように、「注意機構」という仕組みを使って、文章の中の重要な関係性を効率的に学習します。

従来の手法では、文章を先頭から順番に処理していましたが、トランスフォーマーは文章全体を同時に処理できます。たとえば、「彼は銀行に行った」という文で、「銀行」が金融機関なのか川岸なのかを判断する際、文脈全体を瞬時に参照できます。この並列処理により、学習速度が大幅に向上し、より長い文章も扱えるようになりました。

トランスフォーマーは現在のAI革命の基盤技術となっており、ChatGPT、Claude、Geminiなど、主要な言語モデルすべてがこの技術を採用しています。また、言語だけでなく、画像認識（Vision Transformer）や音声認識など、様々な分野に応用されています。この技術の登場により、AIの性能が飛躍的に向上し、私たちが今日使っている高性能な生成AIが実現しました。

15. マルチモーダル

マルチモーダルAIとは、テキスト、画像、音声、動画など、複数の種類のデータを同時に理解・処理できるAIのことです。人間が五感を使って世界を理解するように、AIも複数の「感覚」を持つことで、より豊かな理解が可能になります。

具体例として、GPT-4Visionがあります。画像をアップロードして「この料理のレシピを教えて」と聞くと、画像から料理を認識し、適切なレシピを文章で返してくれます。また、手書きのメモを写真で撮って「これをテキスト化して」と頼むこともできます。このように、異なる形式のデータを組み合わせることで、より便利で直感的な使い方が可能になっています。

マルチモーダルAIの応用範囲は広く、医療では画像診断と患者の症状説明を組み合わせた診断支援、教育では図表と説明文を組み合わせた学習支援、クリエイティブ分野では文章から画像や動画を生成するなど、様々な可能性があります。今後は、さらに多くの感覚を統合したAIが登場し、人間により近い形で世界を理解できるようになることが期待されています。

16. トークン

トークンとは、AIが文章を処理する際の最小単位のことです。日本語では1文字が1〜3トークン、英語では1単語が1〜2トークン程度に分割されます。たとえば、「こんにちは」は約5トークン、「Hello」は1トークンとして処理されます。AIは文章をトークンに分解してから理解し、トークンを組み合わせて文章を生成します。

トークンが重要な理由は、AIの利用料金と処理能力に直結するからです。ChatGPT APIなどの有料サービスでは、使用したトークン数に応じて課金されます。また、一度に処理できるトークン数には上限があり、これを超える長文は扱えません。たとえば、GPT-3.5は4,000トークン、GPT-4は8,000〜32,000トークンまで処理できます。

実用的な目安として、日本語の場合、1,000文字が約2,000トークン程度になります。レポートを書く際にChatGPTを使う場合、質問と回答を合わせたトークン数が上限を超えないよう注意が必要です。長い文章を扱う場合は、適切に分割したり、要約してから処理したりする工夫が求められます。トークンを意識することで、AIをより効率的に、経済的に活用できるようになります。

17. コンテキストウィンドウ

コンテキストウィンドウとは、AIが一度に「記憶」して処理できる文章の長さのことです。会話の文脈や背景情報を保持できる容量と考えると分かりやすいでしょう。人間でいえば、短期記憶の容量のようなものです。

たとえば、ChatGPTと長い会話をしていると、最初の方の内容を忘れてしまうことがあります。これは、コンテキストウィンドウの限界を超えたためです。GPT-4のコンテキストウィンドウは32,000トークン（約16,000文字）ですが、これを超えると古い情報から順に忘れていきます。最新のClaude 3では200,000トークン（約10万文字）という大きなコンテキストウィンドウを持ち、本1冊分の内容を記憶できます。

コンテキストウィンドウの大きさは、AIの実用性に大きく影響します。大きければ、長い文書の要約、複数の資料を参照した分析、長時間の対話などが可能になります。一方、小さいと頻繁に要約したり、重要な情報を繰り返し伝えたりする必要があります。今後、技術の進歩によりコンテキストウィンドウはさらに拡大し、より複雑なタスクをこなせるようになることが期待されています。

18. AIエージェント

AIエージェントとは、特定の目標を達成するために自律的に行動するAIシステムのことです。単に質問に答えるだけでなく、計画を立て、実行し、結果を評価して、必要に応じて修正することができます。人間の秘書やアシスタントのように、複雑なタスクを任せられる存在です。

現在開発中のAIエージェントの例として、旅行計画を完全に任せられるものがあります。「来月、3泊4日で京都旅行したい」と伝えると、ホテルの検索・予約、交通手段の手配、観光スポットの選定、レストランの予約まで、すべて自動で行ってくれます。また、プログラミング分野では、要件を伝えるだけでコードを書き、テストし、デバッグまで行うエージェントも登場しています。

AIエージェントの普及により、私たちの働き方や生活が大きく変わる可能性があります。定型的な業務はAIエージェントに任せ、人間はより創造的な仕事に集中できるようになるでしょう。ただし、AIエージェントに過度に依存することで、人間のスキルが低下したり、プライバシーの問題が生じたりする可能性もあるため、適切な活用方法を考える必要があります。

19. ハルシネーション

ハルシネーション（幻覚）とは、AIが事実と異なる情報をあたかも真実のように生成してしまう現象のことです。人間が幻覚を見るように、AIも存在しない情報を「見て」しまい、それを自信満々に答えてしまうのです。

具体例として、ChatGPTに「2024年のノーベル文学賞受賞者は？」と聞くと、実在しない人物名や間違った情報を答えることがあります。また、存在しない論文や書籍を引用したり、歴史的事実を誤って説明したりすることもあります。特に危険なのは、もっともらしい説明と共に誤情報を提供するため、気づきにくいことです。

ハルシネーションを防ぐためには、AIの回答を鵜呑みにせず、重要な情報は必ず別の信頼できる情報源で確認することが大切です。特に、レポートや論文でAIの回答を引用する場合は、元となる資料を自分で確認する必要があります。また、最新の出来事や専門的な内容については、ハルシネーションが起きやすいため、より慎重に扱うべきです。AIは強力なツールですが、最終的な判断は人間が行う必要があることを忘れてはいけません。

20. バイアス

AIのバイアス（偏り）とは、学習データに含まれる偏見や不公平がAIの判断に反映されてしまう問題のことです。AIは与えられたデータから学習するため、そのデータに偏りがあれば、AIも偏った判断をしてしまいます。

たとえば、過去の採用データを学習した採用AIが、特定の性別や年齢層を不当に低く評価してしまうケースがあります。また、画像生成AIに「医師」と入力すると男性ばかり、「看護師」と入力すると女性ばかり生成されるといった、職業に対するステレオタイプが反映されることもあります。これらは、学習データに含まれる社会的偏見がそのまま再現されているのです。

バイアスの問題は、AIが社会に与える影響を考えると非常に重要です。就職、融資、医療診断など、人生を左右する場面でAIが使われる場合、バイアスは深刻な差別につながる可能性があります。この問題に対処するため、多様なデータセットの使用、バイアス検出ツールの開発、人間による監督など、様々な取り組みが行われています。AIを使う私たちも、その結果に偏りがないか常に意識する必要があります。

Q1. ChatGPTは検索エンジンの代わりですか？
部分的には代替しますが、最新性や出典精度は検索＋一次情報確認に劣る場面があります。併用が安全です。

Q2. レポートをそのまま提出してよいですか？
非推奨です。出典・数値を検証し、自分の言葉で編集してください。引用ルールも守りましょう。

Q3. 機密情報を入れても大丈夫？
組織ポリシーに従い、機密・個人情報は入力しないのが原則です。匿名化や要約投入を検討します。

Q4. 良いプロンプトのコツは？
目的・対象・制約・出力形式を明記し、例を添えます。足りない場合は追記して再実行します。

最後までお読みいただきありがとうございます。今回はChatGPT初心者が最初に覚えるべき20のAI用語を基礎から応用まで網羅的に解説しました。専門用語というと難しく感じるかもしれませんが、一つ一つ意味を押さえていくと、AIの全体像がクリアに見えてきたのではないでしょうか。

AIの世界は日進月歩で進化しています。今後も新しい概念や技術が登場するでしょうが、まずは今回の20用語を押さえておけば十分な土台ができます。これを機にAIへの理解を深め、未来のAI時代を主体的に活用していく一歩を踏み出しましょう。読者の皆様が生成AIを上手に活用し、学業や仕事、日常生活でそのメリットを享受できることを願っております。それでは、あなたもぜひAIとの新たなチャレンジを楽しんでください！

ここまでいかがだったでしょうか？

私たちドコドアでは、Webサイト制作だけでなく、生成AIを活用したコンテンツ制作・生成AIの導入支援にも取り組んでいます。
これまで全国1,600社以上の企業様のデジタル施策を支援してきた実績と、最新技術へのキャッチアップ力を活かし、御社のビジネス課題に合わせたAI・Web戦略をご提案いたします。

生成AIプロダクト・マーケティング支援・Web制作に興味のある方は…

▼まずはホームページをご覧ください

https://docodoor.co.jp/

▼お問い合わせ・ご相談はこちら
https://docodoor.co.jp/lp_fullscratch/#contact