生成AIパスポートラボ
CHAPTER 01 / c1-1

AIとは何か。歴史から全体像をつかむ

AIとロボットの違い、ルールベースと機械学習、三つのAIブームを整理します。

2027年版約6分AIの基礎と歴史
この単元の目次図解と具体例で確認AIは物体の名前ではなく、知的な処理の技術ルールを書く方法と、データから学ぶ方法AIの歴史は、期待と限界を学ぶ手掛かり

この単元でわかること

  • AIとロボットの違いを説明できる
  • ルールベースと機械学習を区別できる
  • AIの発展を技術と課題の両面から捉えられる

01AIは物体の名前ではなく、知的な処理の技術

AIは、認識、推論、予測、言語処理など、人の知的な活動に関わる処理をコンピューターで実現する技術の総称です。対してロボットは、センサーやモーターを使って現実の環境で動作する機械です。

AIを使わず決められた順序で動くロボットも、身体を持たず文章を生成するAIもあります。「人間のように会話できる」ことだけで意識や感情があるとは判断できません。何を入力し、何を出力する仕組みなのかを見ると、説明が具体的になります。

  • AIを搭載しないロボットも存在する
  • 会話の自然さと意識の有無を混同しない

02ルールを書く方法と、データから学ぶ方法

ルールベースでは、人が「条件を満たす場合はこの処理」という規則を用意します。例えば、在庫が10個未満なら補充を促す処理は、明確な条件で説明できます。機械学習では、多くの事例に含まれる傾向をデータから学び、新しい入力に対する予測に利用します。

問い合わせの緊急度を過去の対応履歴から推定する場合などが例です。ルールの方が適する場面もあり、新しい技術ほど常に優れているわけではありません。目的とデータの状況で選びます。

  • 明確で安定した条件はルール化しやすい
  • 複雑な傾向の推定にはデータの品質が重要
図解でつかむAIの中に、機械学習と深層学習がある
AI知的な処理の技術全体
ルールベース人が規則を書く在庫10個未満 → 補充
機械学習データから傾向を学ぶ
深層学習多層のネットワークで学ぶ

外側ほど広い概念で、深層学習は機械学習の一分野として読みます。

具体例

問い合わせの振り分け

担当部署を人の規則で決める方法も、過去の問い合わせから学ぶ方法もあります。

図は代表的な関係を示しています。AIの方法をすべて網羅した分類ではありません。

03AIの歴史は、期待と限界を学ぶ手掛かり

1956年のダートマス会議は、AIという研究分野の出発点を理解するうえで重要な出来事です。その後、探索と推論、専門家の知識を使うエキスパートシステム、データに基づく機械学習と深層学習へと関心が移ってきました。

期待されたことを十分に実現できず、研究への投資が冷え込んだ時期もあります。現在の進歩には計算資源やデータの増加も関わります。シンギュラリティは将来に関する概念であり、確定した到来日を持つ事実ではありません。

  • 第一次は探索・推論、第二次は知識表現が中心
  • 技術の進歩と社会の期待を分けて考える
NICE WORK

ここまで、おつかれさまでした。

読み終えたら学習済みに。4問の確認問題で、覚えた知識を確かめましょう。

確認問題を解く

出題範囲の参照:GUGA公式シラバス(2027年2月以降)。教材は独自に制作しています。確認日:2026年10月3日。