【AI用語図解シリーズ】#3 AIのしくみが見えてくるAI用語5つ｜AI×情報編

2026年5月30日 21:52

こんにちは、まだまだやっていきます！
AI×情報です。

今回は、AIの「中身」にフォーカスします。

普段は見えないところで動いている技術ですが、知っておくと「このAIは賢い」「これは得意じゃない」という違いが肌感覚でわかるようになります。ちょっとだけ、AIの裏側を覗いてみましょう。

1. 機械学習

人間がルールを教えるのではなく、データからAI自身がルールを見つけ出す技術のことです。

たとえば「迷惑メール判定」。人間が「こういう文面はスパム」とルールを書くのではなく、大量のメール例を見せることで、AIが「このパターンは怪しい」と学んでいきます。

機械学習は今のAIの根っこにある考え方で、画像認識・音声認識・翻訳・おすすめ機能など、私たちが毎日使っているサービスのほとんどに使われています。

「経験を積むほど上手くなる」という点では、人間の学習と本質的に似ています。ただし人間と違い、AIは膨大な量のデータを短時間で処理できます。

機械学習の中でも特に強力な手法で、人間の脳の神経回路（ニューラルネットワーク）を何層にも重ねた構造で学習します。

「深層（ディープ）」という名前は、この層の深さから来ています。層を重ねるほど、より複雑なパターンを学べるようになります。

従来の機械学習は「どの特徴を学ぶか」を人間が指定する必要がありました。ディープラーニングはその特徴すら自動で見つけられます。この進歩が、現在のAIブームを引き起こした最大の要因です。

ChatGPTも、Stable Diffusionも、音声認識も、すべてディープラーニングが土台にあります。

「Generative Pre-trained Transformer」の略。日本語にすると「事前学習済み生成トランスフォーマー」です。

OpenAIが開発した言語AIのアーキテクチャ（設計思想）で、ChatGPTの「GPT」はここから来ています。大量のテキストを事前に学習し、「次にくる言葉を予測する」という処理を繰り返すことで、自然な文章を生成します。

「Transformer」と呼ばれる仕組みが画期的で、文章の中の単語同士の関係を一度に把握できます。これにより「文脈を理解した回答」が可能になりました。

GPT-3、GPT-4と世代を重ねるごとに性能が飛躍的に向上。Microsoftが多額の投資をOpenAIに行ったのも、このGPT技術の可能性を見込んでのことです。

AIモデルの中にある、学習によって調整された膨大な数の数値のことです。ニュースで「〇〇億パラメータ」「〇兆パラメータ」という表現を見たことがある方も多いのでは。

人間の脳で言えば「シナプスの数」に近いイメージです。シナプスが多いほど複雑な思考ができるように、パラメータが多いほどAIは複雑な処理や表現が可能になります。

ただし「パラメータ数＝賢さ」ではありません。学習データの質、モデルの設計、チューニングの方法なども性能に大きく影響します。最近は少ないパラメータで高性能を実現する「小型モデル」の研究も進んでいます。

数字の目安として、GPT-3は1,750億パラメータ。スマホで動く小型AIは数十億パラメータ程度です。

AIが1回の会話の中で同時に参照できるテキストの最大量を指します。「トークン」という単位で測られ、文字数に近いイメージです。

人間で言えば「作業記憶（ワーキングメモリ）」に相当します。この容量を超えた情報は、AIが参照できなくなります。長い会話をしていると「さっきの話を忘れた」ような現象が起きるのはこのためです。

コンテキストウィンドウが大きいほど、長い文書を一度に処理したり、会話の前半の内容を踏まえた回答ができます。最近のモデルは100万トークン超えのものも登場し、本一冊まるごと読み込むことも可能になっています。

PDFを渡したり、長いコードを貼り付けたりする作業では、このコンテキストウィンドウの大きさが実用上の重要なポイントになります。

✅ 機械学習
　　データから自分でルールを見つけるAIの学習方法

✅ ディープラーニング（深層学習）
　　脳の神経回路を模した、現在のAIブームの源泉

✅ GPT
　　ChatGPTの土台となった言語AIの設計思想

✅ パラメータ
　　AIの「知識量・表現力」を示す数値

✅ コンテキストウィンドウ
　　AIが一度に覚えていられる情報の容量