01 — Goals
ねらい
この回を終えたときに、次のことができるようになることを目指します。
- 01AIの発展（ルールベース → 機械学習 → 深層学習 → 生成AI）を大まかに説明できる。
- 02大規模言語モデル（LLM）の基本的なしくみと、得意なこと・苦手なことを説明できる。
- 03企業における生成AI活用の類型と、導入時に検討すべきリスク・ガバナンスの論点を整理できる。
02 — Keywords
キーワード
講義で出てくる主な用語です。復習の際に、それぞれを自分の言葉で説明できるか確かめてください。
- 人工知能（AI）
- 機械学習
- 深層学習
- 生成AI
- 大規模言語モデル（LLM）
- プロンプト
- ハルシネーション
- RAG（検索拡張生成）
- AIエージェント
- 情報漏洩・シャドーAI
- 著作権
- AIガバナンス
03 — Flow
講義の流れ
講義資料（ノート）は Teams に掲載します。ここでは各パートの要点を示します。
-
AIの歴史と種類
記号処理・ルールベース（エキスパートシステム）、データから規則を学ぶ機械学習、画像・音声認識にブレイクスルーをもたらした深層学習、そして文章・画像・音声をつくり出す生成AI。何度かのブームと「冬の時代」をへて、現在に至る流れを整理します。
-
生成AIのしくみを概観する
大規模言語モデルは「次の単語を予測する」モデルです。Transformer、事前学習と微調整、プロンプトとコンテキストといった基本用語を押さえ、得意なこと（文章生成・要約・翻訳・コード・アイデア出し）と苦手なこと（事実の正確さ・最新情報・計算・根拠の提示）を区別します。
- 得意：生成・要約・翻訳・変換・下書き
- 苦手：事実確認・最新情報・厳密な計算・出典
-
企業における生成AIの活用
文書作成・要約・翻訳、カスタマーサポート、社内知識の検索（RAG）、ソフトウェア開発、マーケティングなど活用の類型。個人利用から全社導入へ、自社データとの接続、AIエージェントによる業務自動化。生産性への効果と、仕事の中身そのものの変化。
-
限界・リスクとガバナンス
ハルシネーション、機密情報の入力による漏洩、会社が把握していない利用（シャドーAI）、著作権と学習データ、バイアス、説明責任。利用ガイドラインの策定、人が最終判断に関与する設計、国内外のガイドライン・規制の動向。
- 情報：機密・個人情報の扱い、シャドーAI
- 法：著作権、規制・ガイドライン
- 品質：ハルシネーション、バイアス、検証の体制
04 — Think & Post
考えてみよう
この回の Teams 投稿のテーマです。授業への参加度として評価します。
Teams投稿のテーマ
生成AIを業務に取り入れた企業は、何を狙い、何を得て、何に悩んでいるか？
実際の導入事例を通じて、活用の類型とリスクの論点を自分の言葉で確かめましょう。
- 生成AIを業務に導入した企業の事例（ニュース記事、プレスリリース、事例紹介など）を1つ探す。
- 「導入の目的」「得られた効果」「懸念点・対策」の3点で整理する。
- 自分がその企業の担当者なら、次に何をAIに任せるか（任せないか）を一言添える。
事例の情報源（リンク）を明記してください。生成AIを使って調べた場合は、その旨と、出力を自分で確かめた点を書き添えてください。
05 — Reading
読んでみよう
教科書は使用しません。参考文献は講義のなかで適宜紹介します。ここでは、関心に応じて手に取ってほしいものを挙げます（任意）。
- 総務省・経済産業省「AI事業者ガイドライン」日本におけるAIの開発・提供・利用の指針。企業がAIをどう扱うべきかを考える共通の出発点。
- Vaswani, A. et al. (2017). Attention Is All You Need.現在の大規模言語モデルの基盤となる Transformer を提案した論文。しくみに関心がある人向け。
- 総務省『情報通信白書』生成AIの利用動向（企業・個人）に関する国内外の調査データ。
06 — Review
復習のポイント
Teams のノートを見返しながら確認
- 「生成AI」と、それ以前の「機械学習」との違いを説明できるか。
- 大規模言語モデルが苦手なことを3つ挙げ、それぞれの理由を言えるか。
- 企業が生成AIを導入する際のリスクを、「情報」「法」「品質」の観点で整理できるか。