特化型AIは、画像の判別や翻訳など特定の課題に絞って判断を行うAIで、弱いAIとも呼ばれる。
ある課題で人間を上回る性能を出しても、学習していない別の課題へ自分で能力を広げることはできない。いま実用化されているAIは、この型に当たる。
たとえ寿司だけを極めた専門店の職人のようなもの。寿司なら一流でも、ほかの料理は作れない。
覚え方英語では Narrow AI。「ナロー=狭い」の語感で、扱える範囲の狭さを思い出す。
出題のポイント
汎用AIは、分野を限らずさまざまな課題に対して人に近い柔軟さで判断することを目指すAIで、強いAIとも呼ばれる。
初めて出会う課題にも、人と同じく考えて対応できる姿が想定されている。現時点ではまだ実現しておらず、研究の目標とされる段階にある。
たとえ料理も掃除も家計の管理も、頼めば何でもこなす万能の執事のようなもの。理想として語られる姿である。
覚え方「汎」の字は「広く行き渡る」を表し、汎用品の汎と同じ。
出題のポイント
| 観点 | 特化型AI | 汎用AI |
|---|---|---|
| 別名 | 弱いAI | 強いAI |
| 決め手扱える課題 | 特定の課題に限られる | 分野を限らない |
| 学習していない課題 | 自分で能力を広げられない | 未知の課題にも対応することを目指す |
| 現状 | 実用化されているAIはこの型 | まだ実現していない研究の目標 |
AIによる認識は、画像・音声・文字などのデータから、そこに何があるか、何と言っているかを識別する働きである。
| 種類 | 入力 | 出力 |
|---|---|---|
| 画像認識 | 画像 | 写っている物や人の判別結果 |
| 音声認識 | 話し声 | 文字データ |
| 文字認識(OCR) | 文字が写った画像 | テキストデータ |
代表的なものに、写っている物を見分ける画像認識、話し声を文字データに変える音声認識、画像中の文字を読み取ってテキストにする文字認識(OCR)がある。文章や話し言葉の意味を解析する処理は自然言語処理と呼ばれ、翻訳や対話に使われる。
たとえ人が目で見て「これはリンゴ」、耳で聞いて「名前を呼ばれた」と分かる働きを、機械がデータを相手に行うようなもの。
覚え方認識の「認」は「みとめる」と読む。
出題のポイント
AIによる自動化は、AIが状況を認識し、その結果をもとに判断して、人が行っていた作業を代わりに進めることである。
不良品と決めた製品を、人の手を介さずにラインから取り除く。
入力が毎回少しずつ違っても、学習した判断基準で対応できる点に特徴がある。工場での外観検査や、周囲を見ながら車を走らせる自動運転などに使われる。
たとえ家具の位置を見てよけながら、その場で進路を決めて掃除を進めるロボット掃除機のようなもの。
出題のポイント
AIアシスタントは、利用者が話し掛けたり文字で尋ねたりした内容をくみ取り、答えを返したり操作を代わりに行ったりする対話型のサービスである。
声で使う場合は、話し声を文字にする音声認識も組み合わせて動く。スマートスピーカーやスマートフォンの音声アシスタント、Webサイトの問い合わせ窓口に置かれたチャットボットが身近な例である。
たとえ声をかけると予定を確かめたり、照明を消したりしてくれる秘書のようなもの。
覚え方アシスタント=助手。主役は利用者で、AIは横で手を貸す側。
出題のポイント
生成AIは、大量のデータで事前に学習し、指示に応じて文章・画像・音声などの新しいコンテンツを作り出すAIである。
指示はプロンプトと呼ばれ、普段の言葉(自然言語)で書けばよい。作られる内容は学習したデータの傾向に基づくため、事実と違う内容が本当らしく混じることがあり、出力は人が確かめてから使う。
たとえたくさんの本を読んできた書き手が、頼まれたテーマで新しい文章を書き下ろすようなもの。
覚え方英語では Generative AI。generate=生み出す、が名前の由来。
出題のポイント
| 観点 | AIによる認識 | 生成AI |
|---|---|---|
| 決め手働き | 既にあるデータの中身を識別する | 新しいコンテンツを作り出す |
| 主な入力 | 画像や音声などのデータ | プロンプト(言葉による指示) |
| 出力の例 | 物の判別結果、文字データ | 文章、画像、音声 |
この単元の過去問から 4 題
確認問題を解く