生成AIとは？従来のAIとの違いを初心者向けに解説

イト

生成AIって、チャットで文章を書くAIだけを指すの？

ユイ

画像や音声を作る工房も、同じ生成AIの仲間なのかな

ピコ

同じ指示を三つの工房へ運んで、返ってくる出力を比べよう

生成AIとは、学習したデータの分布や構造をもとに、文章、画像、音声、動画、コードなどの新しい出力を組み立てるAIです。

「検索した作品を貼り付けるのか」「従来のAIと何が違うのか」と迷っているなら、AIが返す出力の種類と、学習時・利用時の二つの時間を分けて確認すると整理できます。ラボの生成工房へ同じ指示札を運び、文章、画像、音声の窓口が何を返すか見ていきましょう。

第100話「次の言葉を当てる街」では、一つの問いに対して分類、翻訳、文章生成の窓口が違う形で応答します。その中の「新しい内容を作る窓口」を広く扱うのが今回のテーマです。

生成AIを一文でいうと

生成AIは、既存の候補からラベルを一つ選ぶだけでなく、学習した規則性を使って出力そのものを構成します。NISTの用語では、入力データの構造や特徴を模倣し、文章、画像、音声などの合成コンテンツを生成するAIモデルのクラスとして説明されています。

ここで「新しい」とは、利用時にモデルが出力列や画素などを計算して組み立てる、という意味です。事実が新発見である、作品が権利上まったく問題ない、過去のデータと似ていない、という保証ではありません。

たとえでは、生成工房は作品棚から一枚を選んで渡す貸出窓口ではなく、学んだ形、色、言葉の関係を使って注文ごとに組み立てる作業場です。ただし実際のモデル内部には、職人が部品を意味ごとに手で選ぶような工程がそのままあるわけではありません。

従来の識別AIとの違い

生成AIと対比されることが多いのが、分類や予測を中心にする識別的なAIです。違いは「古いか新しいか」ではなく、主な出力の役割にあります。

• 分類: 写真を猫・犬などのラベルに分ける
• 数値予測: 明日の需要や到着時間を数値で返す
• 異常検知: 普段と違う入力へ印を付ける
• 生成: 文、画像、音声、コードなどの内容を構成する

共通点もあります。どちらもデータから調整したモデルを使う場合があり、入力を数値表現に変え、学習済みパラメータで出力を計算します。一つの製品が、入力を分類してから文章を生成するように両方を組み合わせることもあります。

AI・機械学習・ディープラーニングの違いで見た地図では、生成AIはAIの用途・モデル群を表す札です。生成AIの多くはディープラーニングを利用しますが、三語の包含関係と「生成する」という用途の分類は別の軸です。

文章・画像・音声で何を生成する？

生成AIはチャットだけではありません。扱うデータの形式によって、入力と出力が変わります。

• 文章モデル: 指示や文脈から文章、要約、翻訳、コードを生成する
• 画像モデル: 文章や画像から、新しい画素の並びとして画像を生成・編集する
• 音声モデル: 文章から読み上げ音声を作る、音声の特徴を変換する
• 音楽モデル: 条件に合う音の時間的な並びを生成する
• 動画モデル: 文や静止画から連続したフレームを生成する
• マルチモーダルモデル: 文章、画像、音声など複数形式を受け取り、別形式に出力する

形式が違えば、モデル構造、訓練データ、評価方法、失敗の種類も変わります。文章の事実誤りと、画像の指の形の乱れは、同じ「生成の失敗」でも確認方法が異なります。

学習と生成の二段階

生成AIの動きを理解するには、学習と生成を分けます。

1. 学習段階: 多数のデータから規則性を捉え、モデルのパラメータを調整する
2. 生成段階: 利用者の入力と調整済みパラメータから、出力の候補を順に計算する

文章モデルなら、学習時にトークン列の関係を学び、利用時に文脈へ続くトークンを選びながら文章を伸ばします。画像生成モデルでは、ノイズから条件に合う画像へ近づけるなど、モデル方式に応じた生成過程があります。

利用者が一回指示を送るたびに、モデル全体がその場で訓練し直されるわけではありません。AIの学習と推論の違いで見たように、通常の生成は調整済みモデルを使う推論です。サービスによって会話履歴、検索資料、保存情報を入力に加える場合がありますが、それらも基盤モデルの再学習とは分けます。

同じ指示でも結果が変わる理由

生成モデルは、候補の確率分布から出力を選びます。文章なら次のトークンに複数の候補があり、画像なら生成過程の初期ノイズなどが結果に影響します。そのため、同じ指示でも毎回同一の出力になるとは限りません。

変化には、次の要素が関わります。

• 入力した指示と会話文脈
• モデルの種類とバージョン
• 候補の選び方を調整する設定
• 乱数の初期状態
• 外部検索やツールから追加された情報
• サービス側の安全処理や後処理

変化は創作の幅になりますが、同じ手順を再現したい業務では課題にもなります。入力、モデル版、設定、参照資料、出力日時を記録すると比較しやすくなります。

検索と生成を場面で使い分ける

生成AIは、学習データの文章を一件ずつ検索して貼り付けるデータベースではありません。パラメータに反映された規則性を使い、新しい出力を計算します。一方、チャットサービスがWeb検索や社内資料検索を別機能として呼び出す場合はあります。

• 検索は、保存された資料の中から条件に合うものを見つける
• 生成は、モデルが文脈に合う出力を組み立てる
• 検索付き生成は、見つけた資料を文脈に加えてから出力を組み立てる

「検索していないから何も知らない」「自然に答えたから今Webを見た」のどちらも早合点です。回答画面の出典、ツール利用表示、サービス仕様を確認します。外部資料を取得する仕組みはRAGとは？で一方向の流れとして扱います。

生成工房から次へ進む

文章を生成するモデルへ絞るなら、大規模言語モデルLLMとは？で事前学習から次トークン生成までをたどれます。生成結果が自然でも事実とずれる問題はAIのハルシネーションとは？へ進みます。

AI全体の入口へ戻るならAIとは？、学習順全体はAIルートから確認できます。

出力の注意点と確認クイズ・ワーク

生成結果は下書きや候補として便利ですが、もっともらしさと正しさは別です。事実、引用、数値、権利、個人情報、安全性は用途に応じて確認します。

ワーク: 身近なAI機能を「分類」「数値予測」「生成」の三つに分けてください。写真の自動整理、天気の降水確率、文章の要約、画像作成、迷惑メール判定を置き、複数の機能を組み合わせているものには二つ印を付けます。

Q1. 生成AIの文章は、過去の文をそのまま検索した結果？

一般には、学習した規則性と入力文脈から出力を計算します。ただし、外部検索や引用機能を組み合わせるサービスはあります。

Q2. 生成された内容は、どこにも存在しなかった事実を表す？

そうとは限りません。文章の形が新しく構成されても、内容が既知の事実、誤り、似た表現、架空の情報である場合があります。

Q3. 同じ指示で結果が違うのは故障？

確率的な候補選択による通常の変化である場合があります。再現性が必要なら、利用できる設定と実行条件を記録します。