AWS認定AIプラクティショナー（AIF-C01）の土台、ドメイン1「AI/MLの基礎」。まずはAI・機械学習・ディープラーニング・生成AIの関係と、学習の種類・データの種類を押さえましょう。ここが分かると以降の生成AIの話がぐっと楽になります。
AI・機械学習・ディープラーニング・生成AIの関係
4つは別物ではなく、大きい概念の中に小さい概念が含まれる「入れ子」の関係です。
AI（人工知能）は、人間のような知的処理（認識・判断・言語理解など）をコンピューターで実現しようとする最も広い概念です。ルールベースの古典的なAIから最新の生成AIまで、すべてを含む“傘”のような言葉だと考えてください。
機械学習（ML）は、人がルールを書く代わりに、大量のデータからパターンや規則をコンピューター自身が学習するAIの一分野です。例：過去の購入履歴から「次に買いそうな商品」を予測する。データが増えるほど精度が上がるのが特徴です。
ディープラーニング（深層学習）は、人間の脳神経をまねたニューラルネットワークを多層に重ねた機械学習の手法です。画像・音声・自然言語など複雑なデータから、人が特徴を指定しなくても自動で特徴を抽出できるのが強み。画像認識や翻訳の精度を飛躍的に高めました。
生成AIは、ディープラーニング（特に大規模な基盤モデル）を使って、文章・画像・音声・コードなどを新しく“生成”する技術です。従来のAIが「分類・予測」中心だったのに対し、生成AIはゼロから新しいコンテンツを作り出せる点が革新的。対話AIや画像生成AIが代表例です。
機械学習の3つの学習タイプ
機械学習は、学習のしかたで大きく3つに分かれます。AIF試験で頻出です。
| 学習タイプ | 特徴・代表タスク |
|---|---|
| 教師あり学習 | 正解ラベル付きデータで学習。分類・回帰（例：迷惑メール判定、価格予測） |
| 教師なし学習 | ラベルなしデータから構造を発見。クラスタリング（例：顧客のグループ分け） |
| 強化学習 | 報酬を手がかりに試行錯誤で行動を学習（例：ゲームAI、ロボット制御） |
推論（インファレンス）：バッチとリアルタイム
学習済みモデルで予測を行うことを推論（インファレンス）といいます。実行のしかたで2種類あります。
- バッチ推論：データをまとめて一括処理（例：夜間に大量データを分析）
- リアルタイム推論：1件ずつ即時に応答（例：チャットの応答、不正検知）
扱うデータの種類
AIが扱うデータにはいくつかの分類があります。用語として押さえておきましょう。
- ラベル付き / ラベルなし：正解が付いているかどうか（教師あり/なしに対応）
- 構造化 / 非構造化：表形式など整った形か、文章・画像など自由な形か
- 種類：表形式（テーブル）、時系列、画像、テキスト など
- AI⊃機械学習⊃ディープラーニング、生成AIはDLで“新しく生成”する技術
- 学習＝教師あり（分類/回帰）・教師なし（クラスタリング）・強化学習（報酬）
- 推論＝バッチ（一括）／リアルタイム（即時）
- データ＝ラベル有無、構造化/非構造化、表形式/時系列/画像/テキスト
確認クイズ
Q1. AI・機械学習・ディープラーニングの関係として正しいものは？
Q2. ラベルなしデータから似たもの同士をグループ化する学習タイプは？
よくある質問（FAQ）
Q. 生成AIと普通のAIは何が違う？
A. 従来のAI/MLは「分類・予測」が中心。生成AIはディープラーニングを使い、文章や画像などを新しく作り出す点が特徴です。
Q. ディープラーニングと機械学習の違いは？
A. ディープラーニングは機械学習の一手法で、ニューラルネットワークを多層にしたもの。画像・音声・言語など複雑なデータに強いのが特徴です。
まとめ
- AI⊃機械学習⊃ディープラーニング。生成AIはDLで新しく生成する技術
- 学習＝教師あり／教師なし／強化学習
- 推論＝バッチ／リアルタイム、データ＝ラベル有無・構造化/非構造化
※本記事はAWS公式試験ガイド(AIF-C01)に基づき、エンジニアKが作成しています。
コメント