AI / 機械学習 / 深層学習 の関係図

ざっくり言うと

ニュースで「AIが◯◯した」と言われる話の多くは、実際には一番内側の 生成AI を指しています。ここを分けて見られるようになると、「AI」という言葉に振り回されにくくなります。

イメージ

正確には

総務省『令和元年版 情報通信白書』では、AI(人工知能)について「明確な定義はなく、研究者によって解釈が異なる」と整理されています。そのうえで、機械学習はAIの一分野、深層学習(ディープラーニング)は機械学習の一手法として位置づけられています。

IBM の解説でも同じ整理で、機械学習は「データから学んで予測や判断の精度を上げる、AIのサブ分野(subfield of AI)」、深層学習は「人工ニューラルネットワークを多層に重ねた、機械学習のサブ分野(subfield of machine learning)」と説明されています。生成AI(Generative AI)については、IBM の解説で 「主に深層学習モデルを土台にして、テキスト・画像・音声・動画などの新しいコンテンツを生成するAI」 と定義されています。

4層の特徴を1枚で見る

各層が「何ができる/何が代表例/何が苦手」を並べると、こうなります。

層	できること	代表例	苦手・限界
AI(人工知能)	人間の知的作業に近いことを機械にさせる(総称)	ルールベースの将棋ソフト、エキスパートシステム、後述の機械学習すべて	「AIです」だけでは中身が分からない
機械学習(ML)	大量のデータからルールを自動で発見して、予測・分類・推薦をする	迷惑メール判定、商品レコメンド、需要予測	データの傾向が変わると性能が落ちる / 説明しにくい場合がある
深層学習(DL)	ニューラルネットを多層に重ねて、画像・音声・言語など複雑なデータを扱う	顔認識、音声認識、機械翻訳、ChatGPT等の土台	大量データと計算資源が要る / 中身がブラックボックスになりがち
生成AI	学習した知識を元に、新しい文章・画像・音声を作り出す	ChatGPT、Claude、Gemini、画像生成AI	事実と違う内容を自然に書く(ハルシネーション)

境界で迷ったときの見分け方

実務では、きれいに一語で分けられないこともあります。たとえば「会議音声を文字起こしして要約する」には、音声認識の深層学習と、要約を書く生成AIが両方入っている場合があります。

そのときは無理に一つへ押し込めず、「入力」「処理」「出力」に分けて見ると整理できます。

• 入力: 何を入れるか(文章、画像、音声、表データ)
• 処理: 分類するのか、予測するのか、生成するのか
• 出力: 数字、ラベル、文章、画像のどれが返るのか

「AIの種類」はラベル当てゲームではなく、仕組みとリスクを見分けるための地図です。

何が変わって「生成AI」が来たのか

機械学習までは、ざっくり言うと「分ける・当てる」が主な仕事でした。「このメールは迷惑か / 迷惑じゃないか」「明日の売上はいくらか」のように、答えを 選ぶ・予測する タイプです。

深層学習が広まったことで、画像や言語のような 複雑で整理しにくいデータ も扱いやすくなりました。そして深層学習の一部の使い方として、「新しいものを作り出す」 ことに特化したのが生成AI(Generative AI)です。IBM の解説でも、生成AIは「分類や予測といった従来タスクではなく、新規コンテンツの生成 を目的とする」と区別されています。

どこを覚えれば仕事で困らないか

注意点

やってみよう