AIとは何か？――機械学習・生成AI・LLMまでを一枚の地図で理解する

この記事で分かること

• AI、機械学習、深層学習、生成AI、LLMの違い
• ChatGPTのようなサービスと、GPTのようなモデルの違い
• 文章、画像、動画、音楽を作るAIがどこでつながっているか
• AIにできることと、苦手なこと
• 次にどの記事を読めばよいか

まず結論

AI（人工知能）は、コンピュータが人間の知的活動に似た処理を行う仕組みの総称です。厳密な定義は目的によって異なりますが、予測、推薦、分類、認識、計画、文章や画像の生成などを含みます。

AIは「人間と同じ心を持つ機械」という意味に限りません。迷惑メール判定、写真の顔認識、動画の推薦、需要予測もAIです。会話型の生成AIは、その広い分野の一部にすぎません。

AIの全体地図

AIを理解するときに重要なのは、「技術の系統」と「何をするAIなのかという能力・用途の分類」を混ぜないことです。

技術の系統として見ると、AIという広い分野の中に、データから規則性を学ぶ機械学習があり、その一分野として多層ニューラルネットワークを使う深層学習があります。現在の大規模な生成AIの多くも深層学習を基盤にしています。

一方、生成AIは「深層学習の次の階層」という意味ではありません。文章、画像、音声、動画などの新しい内容を生成する能力・用途に着目した呼び方です。同じ深層学習でも、画像を分類するモデルもあれば、文章や画像を生成するモデルもあります。

そのため、全体像は一つの縦方向のツリーだけで表すより、次の二つの軸を分けて考える方が正確です。

• 技術・実現方法の軸：AI → 機械学習 → 深層学習 → 基盤モデルなど
• 能力・用途の軸：認識、分類、予測、推薦、生成、計画など

LLM（大規模言語モデル）は、このうち主に言語を扱う大規模モデルです。LLMを使った文章生成は生成AIの代表例ですが、生成AIには画像生成、動画生成、音声・音楽生成などもあるため、生成AI＝LLMではありません。

これは理解のための概念整理です。実際のAI製品は、一つのモデルだけで完結するとは限らず、検索、データベース、外部ツール、複数種類のモデルなどを組み合わせて動きます。

機械学習とは

従来のプログラムでは、人が「この条件ならこの処理」と規則を書きます。機械学習では、多数の例から入力と出力の関係をモデルに学習させます。

たとえば猫と犬の画像を大量に与えると、モデルは画像の特徴と正解ラベルの関係を調整し、初めて見る画像を分類できるようになります。ただし、モデルが学んだ相関関係は、人間と同じ意味理解や常識を保証しません。

深層学習とは

深層学習（ディープラーニング）は、何層も重ねたニューラルネットワークを使う機械学習です。画像認識、音声認識、自然言語処理などで大きな性能向上をもたらしました。

「AI＝深層学習」ではありません。AIが最も広く、その中に機械学習、さらにその中に深層学習があると考えると位置関係をつかみやすくなります。

生成AIとは

生成AIは、学習したパターンを基に新しい内容を出力するAIです。

種類	主な入力	主な出力	用途例
文章・会話	質問、指示、資料	文章、要約、翻訳	調査、執筆、相談
コード	要件、既存コード	プログラム、修正案	開発、テスト
画像	説明文、参考画像	写真風・イラスト・図	広告、資料、デザイン
動画	説明文、画像、映像	動画、編集結果	映像制作、SNS
音声・音楽	台本、声、曲の説明	読み上げ、効果音、楽曲	ナレーション、作曲

LLMとは

LLM（Large Language Model：大規模言語モデル）は、大量の言語データから言葉や文脈のパターンを学習した大規模なモデルです。文章生成、質問応答、要約、翻訳、コード生成などに利用されます。

現在の代表的なLLMの多くは、Transformerと呼ばれるニューラルネットワークの仕組みを基盤としています。また、LLMは単に文章を保存して検索しているわけではなく、学習によって得た多数の数値パラメータを使い、与えられた文脈に応じて出力を生成します。

ここで重要なのは、LLMと生成AIは同義ではないという点です。

• LLM：主に言語を扱うモデルの種類
• 生成AI：文章、画像、動画、音声など、新しい内容を生成するAIの総称
• チャットサービス：LLMなどのモデルに検索、ファイル解析、音声、画像生成、外部ツールなどを組み合わせた利用者向け製品

近年は、文章だけでなく画像、音声、動画など複数種類の情報を扱えるマルチモーダルモデルも増えています。そのため、「LLM」「基盤モデル」「生成AI」「AIサービス」は、それぞれ同じものを別名で呼んでいるのではなく、異なる観点からAIを分類した言葉です。

LLMの仕組みについては、別記事のLLMとは何か？で詳しく扱います。

「モデル系列」と「サービス」は別の層

ここは名称が重なるため、特につまずきやすい点です。

• 個別モデル：ある時点の学習済みモデル。バージョンや大きさによって区別される
• モデル系列：共通ブランドを持つモデル群。GPT系列、Gemini系列、Claude系列、Qwen系列、Llama系列など
• サービス／アプリ：利用者が触る製品。ChatGPT、Geminiアプリ、Claude.ai、Qwen Chat、Microsoft Copilotなど
• 機能：検索、ファイル解析、画像生成、音声会話、外部アプリ操作など

ご質問の感覚どおり、LLMのモデル名とサービス名は本来別です。ただし、企業が同じブランド名をモデル系列とサービスの両方に使うため、見た目だけでは判別しにくくなっています。

提供元	モデル系列	利用者向けサービスの例
OpenAI	GPT系列	ChatGPT
Google	Gemini系列	Geminiアプリ
Anthropic	Claude系列	Claude.ai
Alibaba	Qwen系列	Qwen Chat
Meta	Llama系列	Meta AI、外部サービス、ローカル実行
DeepSeek	DeepSeek系列	DeepSeek Chat

たとえば「Gemini」や「Claude」だけでは、モデル系列を指しているのか、同名ブランドのチャットサービスを指しているのかが文脈次第になります。本サイトでは、必要に応じてGeminiモデル／Geminiアプリ、Claudeモデル／Claude.aiのように書き分けます。

一つのサービスが複数モデルを切り替えて使うことも、同じモデルが公式アプリ、API、他社サービスから利用されることもあります。そのため「どのAIが一番か」を考えるときは、モデルの性能と、サービス側の検索、連携機能、料金、データの扱い、使いやすさを分けて比べる必要があります。

チャット型とWork型・エージェント型

チャット型は、質問に対して回答を返すのが基本です。Work型またはエージェント型は、ファイルを読み、調査し、コードや文書を編集し、複数の手順を進めて成果物を作ります。

両者の境界は固定されていません。現在の主要チャットサービスにも、深い調査、資料作成、アプリ連携、ブラウザ操作などが加わっています。したがって、製品名よりも「会話だけか」「資料や道具を扱えるか」「人の確認なしにどこまで実行するか」を見る方が実用的です。

AIが間違える理由

現在の高性能AIは、以前の生成AIと比べて事実誤認やハルシネーションが大幅に減っています。情報が不足している場合に「分からない」「確認できない」と答えたり、Web検索やデータベース、計算ツールを使って自分の内部知識だけに頼らず回答したりする仕組みも一般化しています。

そのため、「AIは分からなくても必ずもっともらしい答えを作る」という説明は、現在では正確ではありません。

ただし、誤りがなくなったわけではありません。

AIが間違う原因は、単純な知識不足だけではなくなっています。情報源自体が間違っている、質問に必要な情報が存在しない、曖昧な条件を誤って解釈する、複数の正しい情報を統合する途中で推論を誤る、ツールの結果を読み違える、といった失敗があります。

また、非常に新しい出来事、非公開情報、局所的な事実、専門性の高い未解決問題などでは、AI側にも確定的な答えが存在しない場合があります。

現在のAIを理解するうえで重要なのは、「AIは必ず嘘をつく」ということではなく、AIもまた、取得できる情報と推論能力の範囲内で答えているということです。

よくある質問

AIは考えているのですか

「考える」の定義によります。推論らしい処理や問題解決はできますが、人間と同じ主観、意識、意図を持つことは確認されていません。能力が似て見えることと、内部の仕組みや経験が同じであることは別です。

生成AIはインターネットを全部覚えているのですか

いいえ。学習データの文をそのまま検索するデータベースではなく、データ中のパターンを多数の数値パラメータとして学びます。また、検索機能を使うサービスは、モデルの学習とは別に現在のWeb情報を取得しています。