AI（人工知能）の中に機械学習（ML）があり、その中に深層学習（DL／ディープラーニング）があります。 つまり、AI⊃ 機械学習 ⊃ 深層学習という関係です。

では、ChatGPTなどの生成AIはどこに入るのでしょうか。生成AIは主に文章・画像・音声などを「作る」という働きから付いた名前です。現在の主要な生成AIには深層学習が使われていますが、ほかの3つと同じ基準で必ず「4段目の入れ子」にするのは正確ではありません。

この記事では、マトリョーシカ（入れ子人形）の例えを使いながら、関係図、実際の仕事の例、「AI搭載」の中身を見分ける方法まで説明します。

ざっくり言うと

言葉一言で言うと覚えるポイント
AI（人工知能）知的な作業をコンピューターで実現する技術・研究分野の総称必ず機械学習を使うわけではない
機械学習（ML）データからパターンを学んで予測や分類などに利用する手法AIの一分野
深層学習（DL）多層のニューラルネットワークを使う機械学習機械学習の一手法
生成AI文章・画像・音声などの新しい内容を生成するAI主に「何をするか」を表す呼び名

最初に覚えるのは、「AIが一番広い」「深層学習は機械学習の仲間」「生成AIは生成という役割に着目した名前」の3点です。

イメージ

1. 関係図で見る：AIの中に機械学習、その中に深層学習

次の図は、技術の包含関係を表したものです。実際の利用者数や技術の優劣、歴史の順番を表す図ではありません。

  • AI（人工知能）
    • ルールをあらかじめ設定して動くAI
      • エキスパートシステムなど
    • 機械学習（ML）
      • 決定木・回帰モデルなど
      • 深層学習（DL）
        • 多層のニューラルネットワーク

深層学習で作られたモデルは、機械学習を使うAIの一種です。 一方で、AIにはルールを人が設定するタイプもあるので、「AIなら必ず機械学習している」とは言えません。Google CloudやIBMの技術解説でも、AI・機械学習・深層学習をこの階層で整理しています。

生成AIはこの図の「DLの下に必ず付く4段目」という意味ではありません。 現代の生成AIの多くは深層学習モデルを基盤にしていますが、生成AIという言葉は主に生成する機能・用途から説明されます。詳しくは第4節で扱います。

正確には

2. マトリョーシカで考えると分かりやすい

マトリョーシカ（ロシアの入れ子人形）の例えで考えてみましょう。大きな人形を開けると、中から小さな人形が出てくるイメージです。

  • 一番外側
    AI— 人の知的な活動に関わる仕事をコンピューターにさせる、広い分野です。
  • 中の人形
    機械学習 — 人が判断規則を一つずつ書き込む代わりに、データから傾向を学ぶ方法です。
  • さらに中の人形
    深層学習 — 多層のニューラルネットワークで複雑なパターンを学ぶ方法です。

「深層学習はAIですか？」と聞かれたら、はい、AIの一種ですと答えられます。逆に「AIは全部、深層学習ですか？」なら、いいえです。

ただし、この人形の大きさは技術的な難しさや性能を表していません。簡単な問題なら、深層学習より小規模な機械学習やルールベースの仕組みのほうが扱いやすい場合もあります。

3. それぞれ何をする？ 実例で違いを知る

AIは、機械学習以外の方法も含む

AIは、問題を解く・判断する・文章を扱うといった知的な作業を機械で実現する広い分野です。AI＝チャットで文章を返すサービスではありません。

たとえば、専門家が持つ判断規則を「この条件なら、この対応」という形で組み込んだエキスパートシステムは、機械学習を使わないAIの代表例です。AIという言葉には統一された厳密な定義がない面もあるため、実際の製品でどんな仕組みを使っているかは個別に確認します。

機械学習は、データからパターンを学ぶ

迷惑メールを見分ける仕組みを考えてみましょう。過去のメールと判定例などを使って学習し、新しいメールに対して「迷惑メールらしい」と予測する方法が考えられます。

ここで大切なのは、開発者がすべての判定規則を書いたのではなく、データを使ってモデルを学習させたという点です。需要予測や商品推薦などにも機械学習が使われます。ただし、こうした機能が必ず機械学習で作られているとは限りません。

深層学習は、多層のネットワークで複雑な特徴を学ぶ

深層学習で使うのは、ニューラルネットワークです。数値を受け取り次の層へ渡す処理を何層も重ねた仕組みを指します。「深層」の「深い」は、主にこの層の重なりのことです。

画像・音声・文章のような複雑なデータを扱う場面で広く使われています。たとえば、写真から物体を見分ける画像認識には深層学習を使う方法があります。

ただし、画像認識なら必ず深層学習という意味ではありません。また、深層学習なら結果がいつでも正しいわけでもありません。学習データ、評価する条件、使い方によって精度や限界が変わります。

4. 生成AIは「4段目の入れ子」と考えていい？

生成AI（Generative AI）は、新しい文章、画像、音声、動画などの内容を作るAIを指します。ChatGPT、Claude、Geminiなどの文章を作る機能は、身近な例です。

AI・機械学習・深層学習が主に技術や手法の範囲を表すのに対して、生成AIは主にどんな出力を作るかに着目した呼び名です。この違いは、米国NISTの生成AIの定義やGoogle Cloudの用途別解説とも整合します。

見分ける軸例何を確かめる？
仕組み・手法ルールベース、機械学習、深層学習どうやって判断・処理するか
仕事・出力分類する、予測する、生成する何を受け取り、何を返すか

たとえば、同じ深層学習でも、写真を「犬」と分類するモデルと、犬の絵を新しく生成するモデルがあります。深層学習＝生成AIではないのです。

技術の解説図に「AI→ 機械学習 → 深層学習 → 生成AI」と4段で描かれている場合もあります。それは現在の主流の生成AIが深層学習に基づくことを示す簡略図としては役立ちます。ただし、生成AIという用語の定義が「深層学習の一手法だけ」に限られると受け取るのは避けましょう。

もう一つ大切なのは、「生成」という言葉は「事実として正しい」という意味ではないことです。生成AIは自然な文章を作れても、存在しない事実をもっともらしく書く場合があります。大事な数字、名前、出典は人が確かめます。

5. 身近な仕事では、どのAIが使われる？

「何をしたか」は説明できても、実際に使われた技術は、製品の仕様を見ないと分からないことがあります。以下は代表的な用途と、考えられる技術の例です。

やりたいこと分かりやすい呼び方技術について言えること
メールの下書きを作る生成AI文章生成が中心。現在の主流は深層学習を利用
過去データから売上を予測する予測機械学習を使うことがある。単純な計算式だけの場合もある
迷惑メールかどうかを判定する分類ルールベース、従来型の機械学習、深層学習など複数の作り方がある
写真から人物を検出する画像認識深層学習がよく使われるが、機能名だけでは断定できない
音声を文字にして、文章を要約する認識＋生成音声認識と文章生成など、別の処理を組み合わせることがある

「どんな仕事をしたか」だけで、内部の技術を決めつけないことがポイントです。「予測だから機械学習」「画像だから深層学習」といつも言い切れるわけではありません。

6. 1つのサービスに、複数のAIが使われることもある

たとえば、会議の音声から議事録の下書きを作る場合です。

  1. 入力
    会議の音声を受け取る。
  2. 処理①
    音声認識で、話した内容を文字にする。
  3. 処理②
    生成AIで、文字になった内容から議事録の下書きを作る。
  4. 出力
    決定事項・担当者・確認事項などを文章で返す。

ここでは音声認識に深層学習が使われ、議事録の下書きに生成AIが使われる構成が考えられます。実際の製品でこの構成になっているかは、提供元の説明を確認する必要があります。

さらに、音声認識の聞き間違いがあれば、議事録にも誤りが残ることがあります。話した本人が内容を確認し、確定していない担当者や期限は、AIに勝手に決めさせないことが重要です。

このように、1つの製品を「機械学習か、深層学習か、生成AIか」のどれか一語だけに押し込む必要はありません。

7. 「AI搭載」と書かれた機能は、何を確かめる？

製品の説明に「AI搭載」とあっても、それだけでは何の情報を受け取り、どう処理し、何を返すのかが分かりません。「入力・処理・出力」で考えると、機能の中身を聞きやすくなります。

確かめること具体的な質問迷惑メール機能なら
入力何を受け取る？届いたメールの本文や送信元など
処理何をする？迷惑メールの可能性を判定する
出力何を返す？迷惑メール判定や警告を返す

ここまでは機能の確認です。「実際に機械学習を使っているか」「深層学習のモデルなのか」は、さらに技術資料や提供元の説明を確かめないと分かりません。

仕事で導入するなら、「誤判定した場合はどう修正するか」「入力した顧客情報はどのように扱われるか」も大切です。高度なAIという名前より、実際に必要な仕事を安全にできるかで判断しましょう。

8. 初心者が間違えやすい4つのこと

「AIはすべて自分で学習し続ける」は間違い

ルールをあらかじめ設定して動くAIもあります。学習済みのモデルも、使うたびに自動で追加学習するとは限りません。「AIだからいつも新しい情報を覚えている」と決めつけないでください。

「深層学習は必ず機械学習より高性能」ではない

深層学習は機械学習の一部です。比較するには、どんな仕事か、データがどれほどあるか、必要な速度やコストなどの条件が必要です。単純な課題では別の方法が適する場合もあります。

「AIで予測する＝生成AI」ではない

需要予測や故障予測は、生成AIを使わずに行われる場合もあります。逆に、生成AIが予測や分類のような作業に利用される場合もあります。機能と実装は一対一の対応ではありません。

「生成AIが自然に書けば正しい」は間違い

生成AIの流ちょうな文章も、誤情報を含む場合があります。重要な情報や仕事の判断は、根拠となる元データで確認しましょう。

9. 自分で見分けてみよう

次の説明を読んで、「手法の話」か「何をするかの話」か考えてみてください。

  • 「過去の販売データからパターンを学習する」
    機械学習という手法の説明。
  • 「何層も重ねたニューラルネットワークを使う」
    深層学習という手法の説明。
  • 「商品紹介文を新しく作る」
    生成という仕事の説明。具体的な技術は別途確認。
  • 「入力された写真を犬か猫かに分ける」
    分類という仕事の説明。深層学習かどうかはこれだけでは分からない。

ここまで理解できれば、ニュースや商品説明で「AI」という言葉を見ても、中身を落ち着いて見分けられるようになります。

よくある質問

やってみよう

判断クイズ

第1問

「AIの中に機械学習があり、その中に深層学習がある」という説明として正しいのはどれですか？

  • A. 深層学習はAIの一種である。
  • B. AIなら必ず深層学習を使っている。
  • C. 機械学習はAIとは別の技術で、重ならない。

第2問

「過去の販売データから翌月の売上を予測する」という製品の説明で、確実に言えることは？

  • A. 必ず深層学習を使っている。
  • B. 売上を予測するという仕事をする。中身の手法は、この説明だけでは分からない。
  • C. 新しい文章を書くので、必ず生成AIである。

第3問

「AI搭載の迷惑メール判定」を導入する前に、最初に確認することは？

  • A. AI搭載なら必ず正確なので、誤判定については聞かない。
  • B. 生成AIだと決めつけて、文章の長さだけを調べる。
  • C. 何を入力し、何を判定し、どんな結果を返すのかを確認する。

あわせて読みたい

締めに

まとめ

AI・機械学習・深層学習は、AI⊃ 機械学習 ⊃ 深層学習という包含関係です。 深層学習はAIの一種ですが、AIのすべてが深層学習ではありません。

一方、生成AIは主に新しい内容を作る働きから付いた名前です。現在の主要な生成AIは深層学習を土台にしていますが、3つの手法と同じ基準で必ず4段目に並ぶと覚える必要はありません。

ニュースや製品で「AI」と聞いたら、何を受け取り、どう処理し、何を返すのかを確かめましょう。名称だけでなく、機能や注意点が分かるようになります。