AIの基礎知識
AIロボットの基礎知識
AIの近未来
AIビジネスの基礎
日米中のAI交流

AI（人工知能）の基礎知識

1. AI（人工知能）とは
• AIは「Artificial Intelligence」の略で、日本語では人工知能という。
• 人間が持つ「考える・判断する・学ぶ」といった知的な働きを、コンピューターで再現する技術。
• 例えば次のようなことが可能。
　o 画像を見て判断する
　o 音声を理解する
　o 文章を読む・書く
　o 質問に答える
　o 過去データから未来を予測する
• AIの目的は、人間の仕事や判断を支援し、効率化・高度化すること。
• 完全に人間の代わりになるというより、人間を補助する技術として活用されることが多い。
________________________________________
2. AIの歴史
• 1950年代
　o AI研究が始まる。
　o Alan Turingが「機械は考えられるか」を提唱。
• 1960〜70年代
　o ルールを与えて判断する研究が進む。
• 1980年代
　o 専門知識を持つ「エキスパートシステム」が普及。
• 1990〜2000年代
　o コンピューター性能向上。
　o データを使って学ぶAIが発展。
• 2010年代
　o ディープラーニングが急成長。
　o 画像認識・音声認識が実用化。
• 2020年代
　o 文章生成AI・対話AIが一般利用へ。
　o 企業導入が急増。
________________________________________
3. AIの主な種類
① ルールベースAI
• 人が決めたルールで判断。
• 「もしAならB」の形。
• 例
　o 自動応答
　o シンプルな診断システム
② 機械学習（Machine Learning）
• データからパターンを学ぶ。
• 人が細かくルールを書かなくても判断できる。
• 例
　o 売上予測
　o 不正検知
　o 顧客分析
③ 深層学習（Deep Learning）
• 機械学習の一種。
• 人間の脳を模した「ニューラルネットワーク」を利用。
• 大量データで高精度。
• 例
　o 顔認識
　o 翻訳
　o 音声認識
④ 生成AI（Generative AI）
• 新しい文章・画像・音楽などを作る。
• 最近最も注目される分野。
• 例
　o OpenAIのChatGPT
　o 画像生成AI
　o 動画生成AI
________________________________________
4. AIが学ぶ仕組み
①教師あり学習
• 正解付きデータを使う。
• 例
　o 猫画像→「猫」
　o 犬画像→「犬」
②教師なし学習
• 正解なし。
• 共通点やグループを探す。
③強化学習
• 行動→結果→学習。
• 成功すると報酬。
• 例
　o ゲームAI
　o ロボット制御

________________________________________
5. AIに必要な3つ
① データ
• AIの学習材料。
• 多いほど精度向上。
• 質も重要。
② アルゴリズム
• 学び方の設計。
③ コンピューター性能
• 高速計算が必要。
• GPU活用が多い。
________________________________________
6. AIの得意分野
• 大量データ処理
• パターン認識
• 繰り返し作業
• 高速検索
• 予測分析
• 自動分類
• 多言語翻訳
• レポート作成補助
例
　・ 医療画像判定
　・ 顧客対応
　・商品推薦
　・ 在庫管理
　・ 品質検査
________________________________________
7. AIの苦手分野
• 感情の深い理解
• 常識判断の誤り
• 未経験状況への対応
• 倫理判断
• 完全な責任判断
• 曖昧な人間関係の理解
そのため
• 最終判断は人間
• AI＋人の組み合わせが重要


戻る
________________________________________
8. AI活用例
①製造業
• 外観検査
• 故障予測
②医療
• レントゲン解析
• 診断支援
③金融
• 不正利用検知
• 与信判断
④小売
• 在庫予測
• レコメンド
⑤不動産
• 価格査定
• 顧客マッチング
⑥観光
• 多言語案内
• 旅行提案
⑦農業
• 病害検知
• 収穫予測
________________________________________
9. 生成AIの特徴
• 会話できる
• 文書作成
• 翻訳
• 要約
• アイデア出し
• 画像生成
• プログラム作成補助

メリット
• 時間短縮
• 生産性向上
• 人手不足対策

注意
• 誤情報
• 著作権
• 個人情報
• 出力確認が必要


戻る
________________________________________
10. AI導入のメリット
• コスト削減
• 作業効率向上
• ミス削減
• 24時間対応
• データ活用高度化
• 新サービス開発
• 顧客満足向上
• 人材不足対策
________________________________________
11. AI導入時の課題
• データ整備
• 導入費用
• 専門人材不足
• 社内理解
• セキュリティ
• 法規制
• 精度検証
• 運用管理
________________________________________
12. AI倫理と安全性
重要テーマ
• 個人情報保護
• 差別防止
• 説明責任
• 著作権
• 誤判断リスク
• セキュリティ

企業では
• 利用ルール
• チェック体制
• 教育
が必要。


戻る
________________________________________
13. 今後のAI
今後さらに拡大する分野
• 自動運転
• 医療支援
• 教育個別化
• 介護
• 金融分析
• 農業DX
• クリエイティブ制作
• ロボット
期待される変化
• 業務の自動化
• 新しい職種誕生
• 生産性向上
• 国際競争力向上
________________________________________
14. まとめ
• AIは人間の知的作業を支援する技術
• データを学び判断する
• 機械学習・深層学習・生成AIが中心
• 多くの業界で活用中
• 効率化と新しい価値を生む
• 一方で安全性とルール整備が必要
• 今後の企業経営や社会に不可欠な技術

今アメリカ・中国で起きていること
大きな流れは
第1段階 AIが補助
↓ 第2段階 AIが人の半分の仕事を担当
↓ 第3段階 会社が人数を減らす
↓ 第4段階 AIを使える少人数で運営
この流れがかなり進んでいます。 なのであなたの 「実際には人の代わりになっていて失業者が出ている」 という認識は、かなり現実に近いです。 より正確に言うなら、 AIは“人を完全にゼロにする”わけではないが、必要人数を減らし、特に定型業務の雇用を確実に減らしている。 その影響はアメリカと中国で既に目立っており、今後さらに広がる可能性が高い。

AIで増えている仕事
AIで減る仕事がある一方、増えている仕事もあります。
AI導入コンサル
データ整備 AI教育
高度営業
戦略企画
ブランド設計
AI監査
AI＋人の運用管理


戻る