ITパスポートのAI｜機械学習・深層学習・生成AIの違い

AIの過去問では、「正解ラベルを使うか」「何を学習するか」を見分けます。AI・機械学習・ディープラーニングの関係を押さえ、学習方法の違いを確認問題で試しましょう。

1. AI・機械学習・ディープラーニングの包含関係

AI（人工知能）＞機械学習（Machine Learning）＞ディープラーニング（深層学習）という包含関係にあります。

概念	定義	特徴と従来手法との違い
AI（人工知能）	人間の知的な振る舞い（推論、認識、判断）を模倣するコンピュータ技術全般	ルールベース（専門家の知識をルール化したエキスパートシステム）も含む広範な概念
機械学習	コンピュータが大量のデータからパターンやルールを自ら「学習」する技術	特徴量を人が設計する方法も、データから学習する方法もある。深層学習も機械学習の一種
ディープラーニング	人間の脳の神経回路を模した多層のニューラルネットワークを用いる手法	多層のネットワークで特徴表現を学習する。データ準備やモデル設計、結果の評価は必要

学習手法	入力データの特徴	代表的なタスクと具体例
教師あり学習	「入力データ」と「正解ラベル（教師データ）」のペアを与える	【回帰】：株価予測、売上予測（連続値の予測）【分類】：スパムメール判定、画像認識（離散値の分類）
教師なし学習	「正解ラベルのないデータ」だけを与え、内在する構造を見つける	【クラスタリング】：顧客の購買データからのセグメンテーション【次元削減】：データの圧縮・可視化
強化学習	エージェントが試行錯誤を通じて「報酬（スコア）が最大になる行動ルール」を学ぶ	自動運転の制御、囲碁・将棋AI（AlphaGo）、ゲーム攻略

生成AI：学習したデータのパターンに基づき、文章・画像・音声などのコンテンツを生成するAI。すべてが同じモデル構造を使うわけではありません。
LLM（大規模言語モデル）：大量の言語データなどから学習し、文章生成・要約・対話などに使うモデル。生成AIの一種であり、画像などの生成AIすべてを指す名称ではありません。
ハルシネーション：もっともらしい誤情報を出力する現象。出典や原文を確認し、正確さが必要な内容を出力のまま採用しないようにします。
情報管理：機密情報や個人情報を入力してよいか、サービスの利用規約や組織のルールを確認します。学習データに由来する偏りにも注意が必要です。
著作権：学習・生成・利用の各段階で条件が異なり、無断学習が一律に侵害になるわけではありません。既存の著作物との類似性など、生成物の利用にも確認が必要です。
プロンプトインジェクション：入力文や外部文書に仕込んだ指示で、意図しない動作を誘導する攻撃。ハルシネーションや著作権の問題とは区別します。

【問題】ECサイトにおいて、過去の全顧客の購買履歴データをもとに、顧客を似た購買パターンのグループに自動分類（セグメンテーション）し、グループごとに異なる販売キャンペーンを実施したい。この分析に用いる手法として、最も適切なものはどれか。

【正解】イ

ア：誤り。回帰分析は「売上金額」などの連続数値を予測する教師あり学習の手法です。
イ：正解。正解ラベルが与えられていないデータの中から、データの類似度に基づいてグループ分けを行うのは「教師なし学習のクラスタリング（k-means法など）」です。
ウ：誤り。強化学習は試行錯誤による行動方策の獲得に用います。
エ：誤り。あらかじめ人間が入力したルールに基づく推論であり、機械学習ではありません。

【問題】大規模言語モデル（LLM）などの生成AIを利用する際のリスクとして知られる「ハルシネーション（幻覚）」の説明として、最も適切なものはどれか。

【正解】イ

ア：誤り。プロンプトインジェクション攻撃の説明です。
イ：正解。ハルシネーション（Hallucination）とは、LLMが確率的に自然な文章を組み立てる過程で、事実とは異なる内容を極めてもっともらしく出力してしまう現象です。
ウ：誤り。情報漏えい・データプライバシー侵害の説明です。
エ：誤り。AIのバイアス（公平性の問題）の説明です。