AIとは、Artificial Intelligence(アーティフィシャル・インテリジェンス)の略で、日本語では人工知能と言います。
読み方は「エーアイ」です。
物を見分ける、先のことを予測する、言葉を理解して答える、文章や画像を作るといった、人間が知能を使ってしていることを、コンピュータにさせる技術を指します。
AIには、研究者や機関の間で1つに決まった定義はありません。
総務省の『情報通信白書』も、確立した定義はないとしたうえで、「人間の思考プロセスと同じような形で動作するプログラム」や「人間が知的と感じる情報処理・技術」といった広い意味で理解されていると説明しています。
この記事では、出典ごとのAIの定義、身近な例、学習と推論の仕組み、4つの分け方で並べた種類の一覧と使い分け、1950年から生成AIまでの歴史の年表、メリットと使うときの注意、用語集をまとめています。
AIの意味と仕組みと種類を解説する動画をNoLangで作った作例も載せています。
NoLangAIの意味と仕組みを、 解説の動画にする
この動画を作る
AI(人工知能)とは
AIの意味と言葉の由来
AIは「Artificial Intelligence」の頭文字をとった言葉で、artificial は「人工の」、intelligence は「知能」を表します。
この言葉が初めて使われたのは、1956年にアメリカのダートマス大学で開かれた研究会(ダートマス会議)とされています(総務省・経済産業省『AI事業者ガイドライン(第1.2版)』)。
名付けたのは、研究会を呼びかけた計算機科学者のジョン・マッカーシーです。
1955年8月31日付の研究会の提案書には、学習をはじめとする知能のあらゆる特徴は、原理的には機械でまねできるほど正確に記述できる、という見通しのもとで研究を進めると書かれています。
AIの定義
AIの定義は、出典によって言い方が違います。
代表的なものを並べます。
AIの定義(出典ごと)
出典 定義 ジョン・マッカーシー 知的な機械、特に、知的なコンピュータプログラムを作る科学と技術 人工知能学会 研究には「人間の知能そのものをもつ機械を作る」立場と「人間が知能を使ってすることを機械にさせる」立場があり、実際の研究のほとんどは後者 AI事業者ガイドライン(総務省・経済産業省) 人間の思考プロセスと同じような形で動作するコンピュータープログラム、コンピューター上で知的判断を下せるシステム等 JIS X 22989(ISO/IEC 22989) 人間が定義した所与の目標の集合に対して、コンテンツ、予測、推奨、意思決定等の出力を生成する工学的システム OECD 明示的または暗黙的な目的のために推測し、受け取った入力から、予測、コンテンツ、推奨、意思決定などの出力を生成する機械ベースのシステム
マッカーシーの定義は、人工知能学会が訳して公開している「人工知能のFAQ」によります。
JIS X 22989 と OECD の定義は「AIシステム」の定義で、どちらも『AI事業者ガイドライン』が参考として載せている訳です。
どの定義にも共通しているのは、人間が知能を使ってしていることをコンピュータが代わりに行い、入力から予測、判断、文章や画像などの出力を返すという点です。
一方で、「人間のように考えるコンピューター」という意味でのAIは、まだ実現していません(総務省『情報通信白書』平成28年版)。
『AI事業者ガイドライン』は、2000年代以降、画像認識、翻訳などの自然言語処理、音声認識のように、特定の分野で予測、提案、決定を行うシステムをAIと呼ぶようになってきたと説明しています。
身近なAIの例
AIは、毎日使っている道具やサービスの中で働いています。
身近なAIの例
場面 例 AIがしていること 調べる 検索エンジン 入力した言葉に合うページを探して並べる 話しかける スマートフォンの音声アシスタント、音声入力 声を聞き取って文字にし、頼みごとを理解する 買い物 ネットショッピングのおすすめ 買った物や見た物から、好みに合いそうな商品を選ぶ 移動 自動運転 周りの車や人を見分け、危ない状況を予測して運転する 言葉 翻訳 文章を別の言語に訳す 医療 医療画像の診断 画像から病気の特徴を見つける ゲーム 囲碁 次の一手を選ぶ 作る ChatGPTなどの対話型の生成AI 質問に答え、文章や画像を作る
検索エンジンと音声アシスタントは総務省の『情報通信白書』、ネットショッピングのおすすめは人工知能学会、翻訳、自動運転、医療画像の診断、囲碁は文部科学省が、それぞれ身近なAIの例として挙げています。
「スマートフォンはAIなのか」と聞かれることがありますが、スマートフォンそのものはAIではありません。
音声アシスタント、音声入力、翻訳のように、スマートフォンの機能の一部にAIが使われています。
文章や画像を作る生成AIを使う人も増えています。
総務省の『情報通信白書』令和8年版によると、日本で何らかの生成AIのサービスを「使っている(過去使ったことがある)」と答えた人は58.8%で、前の年度の調査の26.7%から大きく増えました(2025年度の調査は15歳以上、前の年度は20歳以上が対象)。
同じ調査で、アメリカとドイツは75.6%、中国は93.6%でした。
AIの仕組み
いまのAIの中心は、機械学習という技術です。
機械学習は、データからコンピュータがパターンやルールを見つけ、そのパターンを新しいデータに当てはめて、見分けたり予測したりする手法です(総務省『情報通信白書』令和元年版)。
機械学習のAIは、「学習」と「推論」の2つの段階で動きます。
学習 :データを分析して、見分けたり予測したりするためのパターンを見つける段階。できあがったものを「学習済みモデル」(AIモデル)と言います。
推論 :学習済みモデルに新しいデータを入れて、見分ける、予測する、文章を作るといった答えを出す段階。
迷惑メールを見分けるAIで比べる
届いたメールが迷惑メールかどうかを見分けるAIを例に、人がルールを書くやり方と、機械学習のやり方を比べます。
人がルールを書くやり方では、「件名に『当選』が入っていたら迷惑メール」のように、人が条件を決めてコンピュータに教えます。
書いたルールのとおりに動くので、判定の根拠をたどりやすい反面、ルールにない新しい手口は見分けられず、ルールを書き足し続ける手間がかかります。
機械学習のやり方では、ルールを人が書く代わりに、たくさんの例からコンピュータにパターンを見つけさせます。
機械学習で迷惑メールを見分ける流れ
段階 すること 迷惑メールの例 データを集める 正解の印を付けた例を集める 「迷惑メール」「ふつうのメール」の印を付けたメールをたくさん用意する 学習 データからパターンを見つけ、学習済みモデルを作る 迷惑メールに多い言葉や送り方の特徴をつかむ 推論 新しいデータをモデルに入れて答えを出す 届いたメールが迷惑メールかどうかを判定する 直す 誤りを確かめ、データを足して学習し直す 誤って振り分けたメールに正しい印を付けて、もう一度学習させる
この例のように、正解の印(ラベル)を付けたデータで学ぶやり方を、教師あり学習と言います。
ほかに、印を付けないデータで学ぶ教師なし学習と、試行錯誤しながら、良い行動に報酬を与えることを繰り返して学ぶ強化学習があります(総務省『情報通信白書』令和元年版)。
囲碁のAlphaGo(アルファ碁)は、自分自身と何千回も対局し、そのたびに誤りから学ぶ強化学習で強くなりました(Google DeepMind)。
深層学習(ディープラーニング)
深層学習は、機械学習の手法の1つで、多数の層から成るニューラルネットワークを使います。
ニューラルネットワークは、人間の脳の仕組みを、コンピュータ上でまねたものです。
これまでの機械学習では、何に注目して見分けるか(特徴量)を人が決めていました。
深層学習では、AIがデータから特徴量を自ら見つけます(総務省『情報通信白書』令和元年版)。
迷惑メールの例なら、人が「この言葉に注目する」と決めなくても、見分けるのに役立つ特徴をAIが見つけるということです。
深層学習によって、画像認識、翻訳、音声認識などが実際に使われるようになりました。
一方で、AIがなぜその判断をしたのかを、人が理解しにくいという問題もあります(総務省「情報通信白書 for Kids」)。
生成AIの仕組み
生成AIは、文章、画像、プログラムなどを作れるAIモデルにもとづくAIの総称です(『AI事業者ガイドライン』)。
大量のデータで学習したモデルが、入力された指示や質問(プロンプト)に対して、確率にもとづいてもっともらしい文章や画像を作ります。
深層学習や、トランスフォーマー(Transformer)と呼ばれるモデルの開発と大規模化によって、文章を扱う処理や画像を作る処理の精度が大きく上がりました(総務省『情報通信白書』令和6年版)。
このように確率をもとに答えを作るので、正しくない内容が混ざることもあります。
使うときの注意は、この記事の「AIのデメリットと使うときの注意」で説明します。
AIの種類の一覧
AIの種類は、何で分けるかによって呼び方が変わります。
よく使われる4つの分け方で並べると、次のとおりです。
AIの種類の一覧(4つの分け方)
分け方 種類 どんなAIか できる範囲 特化型AI 翻訳や画像認識など、決まった分野の作業をするAI できる範囲 汎用型AI(AGI) 人のように様々な状況に対応できるAI。まだ登場していない 考え方 弱いAI 知能の働きをまねて、人の役に立つ道具としてのAI 考え方 強いAI 人と同じように本当に理解し、心を持つと考えるAI 作り方 ルールベース 人が書いた知識とルールで推論する 作り方 機械学習 データからパターンを見つけて学ぶ 作り方 深層学習 多数の層のニューラルネットワークで学ぶ できること 識別 音声、画像、言葉を見分ける できること 予測 数値や好みを予測する できること 実行 計画を立て、作業を自動で進める できること 生成 文章、画像、動画などを作る
1つのAIは、4つの分け方のそれぞれで、どれかの種類に当てはまります。
たとえば、ChatGPTのような対話型の生成AIは、作り方で分ければ深層学習、できることで分ければ生成に当たります。
できる範囲で分ける:特化型AIと汎用型AI
特化型AIは、翻訳、画像認識、囲碁のように、決まった分野で予測、提案、決定を行うAIです。
いまAIと呼ばれて使われているものの多くは、この特化型です。
汎用型AIは、AGI(Artificial General Intelligence、汎用人工知能)とも呼ばれ、自ら学ぶ力を持ち、様々な状況に対応できるAIを指します。
総務省の『情報通信白書』令和6年版は、近い将来にAGIが登場すると言われていることを紹介しています。
『AI事業者ガイドライン』によると、2021年以降、大規模言語モデルなどの基盤モデルが台頭し、特定の分野だけに特化しない汎用的なAIの開発が進んでいます。
考え方で分ける:弱いAIと強いAI
弱いAIと強いAIは、アメリカの哲学者ジョン・サールが1980年の論文「Minds, Brains, and Programs」で分けた考え方です。
弱いAIは、コンピュータは心の働きをまねられるので、心の研究などに役立つ強力な道具になる、という立場です。
強いAIは、適切なプログラムを持ったコンピュータは本当に理解し、心を持つと言える、という立場です。
サールはこの論文で、プログラムを作るだけでは強いAIは実現できないと論じました。
特化型と汎用型が「できる範囲」の違いなのに対し、弱いAIと強いAIは「本当に理解しているか、心を持つか」の違いです。
汎用型AIができても、それが強いAIかどうかは別の問いになります。
作り方で分ける:ルールベース、機械学習、深層学習
AI、機械学習、深層学習は、AIの中に機械学習があり、機械学習の中に深層学習がある関係です(総務省『情報通信白書』令和元年版)。
AI、機械学習、深層学習の関係
範囲 説明 例 AI(人工知能) 人間が知的と感じる情報処理と技術の全体 ルールで推論するエキスパートシステムも含む 機械学習 AIのうち、データからパターンやルールを見つけるもの 迷惑メールの判定、需要の予測 深層学習 機械学習のうち、多数の層のニューラルネットワークを使うもの 画像認識、音声認識、生成AI
人が書いた知識とルールで推論するエキスパートシステムは、機械学習を行わないAIの代表です。
決まった手順のとおりに動くふつうのプログラムとの境目ははっきりせず、『AI事業者ガイドライン』も、エキスパートシステムを「AIとみなす考えもある」と書いています。
生成AIの多くは、深層学習で作られたモデルを使っています。
できることで分ける:識別、予測、実行、生成
総務省の『情報通信白書』平成28年版は、AIがサービスの中で果たす機能を、識別、予測、実行の3つに分けています。
AIのできることの分け方
機能 中身 例 識別 音声認識、画像認識、動画認識、言語解析 音声入力、顔での本人確認 予測 数値の予測、マッチング、意図やニーズの予測 需要の予測、おすすめ 実行 表現の生成、デザイン、行動の最適化、作業の自動化 自動運転、経路の計画 生成 文章、画像、プログラムなどを作る 対話型の生成AI、画像生成AI
自動運転では、カメラやマイクの情報に地図や位置の情報を加えて周りの状況を見分け(識別)、衝突の可能性を見積もり(予測)、安全な運転や経路を計画して実行します(実行)。
このように、1つのサービスの中で、いくつもの機能が組み合わさって動いています。
白書の3つの分け方では、生成は実行の中の「表現の生成」に含まれます。
この記事では、2022年からの生成AIの広がりを踏まえて、生成を独立した項目として並べました。
『AI事業者ガイドライン』も、AIは予測、提案、決定にとどまらず、画像や文章を作る生成AIも普及しつつあると書いています。
やりたいことに合うAIの種類
何をしたいかから、使うAIの種類を選べます。
やりたいことと使うAIの種類
やりたいこと 使うAIの種類 例 声を文字にしたい 識別(音声認識) 音声入力、会議の文字起こし 写っている物や人を見分けたい 識別(画像認識) 顔での本人確認、医療画像の診断 数や需要を見積もりたい 予測 商品の需要の予測、在庫の管理 好みに合う物を薦めたい 予測(マッチング) ネットショッピングのおすすめ 文章を要約、翻訳、下書きしたい 生成(文章) 対話型の生成AI、翻訳 画像や動画を作りたい 生成(画像、動画) 画像生成AI、解説の動画 決まった条件で判定し、理由を示したい ルールベース 条件に当てはめる審査
文章を作る生成AIの選び方は生成AIのおすすめと用途別のツール一覧 で、画像を作るAIは画像生成AIのおすすめ で比べています。
AIの歴史の年表
AIの研究は1950年代に始まり、期待が高まるブームと、研究が停滞する冬の時代を繰り返してきました(総務省『情報通信白書』平成28年版)。
AIの歴史の年表
年 出来事 時代 1950年 チューリングテストの提唱 第1次ブームの前 1956年 ダートマス会議で「人工知能」という言葉が登場 第1次ブーム 1958年 ニューラルネットワークのパーセプトロンの開発 第1次ブーム 1964年 対話システムELIZAの開発 第1次ブーム 1972年 初のエキスパートシステムMYCINの開発 冬の時代 1982〜1992年 日本の第五世代コンピュータプロジェクト 第2次ブーム 1986年 誤差逆伝播法の発表 第2次ブーム 1995年ごろ 再び冬の時代へ 冬の時代 2006年 ディープラーニングの提唱 第3次ブーム 2012年 画像認識の大会で深層学習のチームが大差で優勝 第3次ブーム 2016年 AlphaGoが囲碁のトップ棋士に4勝1敗 第3次ブーム 2017年 Transformerの論文の発表 第3次ブーム 2022年 ChatGPTの公開、生成AIの広がり 第4次ブームとも
年表の1950年から2012年までの出来事と時代の分け方は、総務省の『情報通信白書』平成28年版によります。
2016年はGoogle DeepMind、2017年はTransformerの論文、2022年はOpenAIと総務省の『情報通信白書』令和6年版によります。
第1次ブーム(1950年代後半〜1960年代):推論と探索
コンピュータで「推論」や「探索」ができるようになり、決まった問題に答えを出せるようになったことがブームのきっかけです。
ただ、当時のAIが解けたのは、迷路やパズル、定理の証明のような単純な問題でした。
いろいろな要因が絡み合う現実の課題は解けないことが分かり、1970年代に冬の時代を迎えます。
第2次ブーム(1980年代):知識とエキスパートシステム
コンピュータが推論に使う「知識」を、コンピュータが読める形で与えることで、AIが実用に近づきました。
専門分野の知識を取り込んで専門家のようにふるまうエキスパートシステムが多く作られ、日本では政府が「第五世代コンピュータ」と名付けた大型のプロジェクトを進めました。
しかし、コンピュータは必要な情報を自分で集められず、人がすべての知識を書いて与える必要がありました。
世の中の膨大な情報をすべて書くことはできず、1995年ごろから再び冬の時代になりました。
第3次ブーム(2000年代〜):機械学習と深層学習
流通するデータの量が飛躍的に増え、コンピュータの処理能力も上がって大量のデータ(ビッグデータ)を扱えるようになったことで、AIがデータから自ら知識を得る機械学習の実用化が進みました。
続いて、特徴量までAIが自ら見つける深層学習が登場します。
2012年には、画像認識の精度を競う大会(ILSVRC)で、深層学習を使ったチームが、上位5つの候補に正解が入らない誤り率15.3%で優勝しました。
2位のチームの誤り率は26.2%で、大差での優勝でした。
2016年3月には、Google DeepMindのAlphaGoが、囲碁の世界タイトルを18回取ったイ・セドル九段に4勝1敗で勝ち、世界の2億人以上がこの対局を見ました。
過去2回のブームは、社会がAIに期待する水準が、AIで実現できる技術の限界を上回り、その差が明らかになって終わったと評価されています(総務省『情報通信白書』平成28年版)。
生成AIの広がり(2022年〜)
2017年に、文章の処理に向くTransformerというモデルの論文が発表され、このモデルの開発と大規模化が、のちの生成AIの精度を大きく上げました。
2022年11月30日にOpenAIが対話型のAI「ChatGPT」を公開すると、5日で100万人、公開から2か月で1億人が使うサービスになりました(総務省『情報通信白書』令和6年版)。
同じ白書は、生成AIの急速な普及で、いまは第4次AIブームに入ったとも言われていると書いています。
AIのメリットと具体例
AIを使うと、人が時間をかけていた作業を速く終えたり、人だけでは扱いきれない量のデータから答えを出したりできます。
AIのメリットと具体例
メリット 具体例 作業の時間を短くできる 声を文字にする、会議の記録や報告を要約する、翻訳する 人では見つけにくい特徴を見つけられる 医療画像から、がんの特徴を見つける 先のことを予測できる 商品の需要を予測して在庫を管理する、好みに合う商品を薦める 人の判断や作業を支えられる 自動運転で周りを見分け、危険を予測する プログラムを書く作業を助けられる コードの作成を手伝う 文章、画像、動画を作れる 資料の下書き、画像の作成、解説の動画
要約、需要の予測と在庫の管理、おすすめ、コードの作成は、Microsoftが挙げているAIの使い方の例です。
医療画像の例は文部科学省が、自動運転の例は総務省の『情報通信白書』が挙げています。
AIのデメリットと使うときの注意
AIは便利な一方で、使い方を誤ると困ることも起きます。
『AI事業者ガイドライン』などの公的な文書が挙げている注意をまとめます。
AIを使うときの注意
注意 起きること 対策 誤った答え 事実と違うことを、もっともらしく答える(ハルシネーション) 数字、名前、制度は元の情報で確かめる 偏り 学習データや指示の偏りが、答えに出る 偏った答えになっていないかを確かめる 情報の入力 入力した個人情報が学習に使われ、出力されることがある 個人情報や機密情報を入れない 著作権 作った画像などが既存の作品に似ていると、侵害になることがある 公開や販売の前に、似ていないかを確かめる 頼りすぎ AIの答えを確かめずに使ってしまう 最後は人が確かめて決める
『AI事業者ガイドライン』は、AIを使う人に、出力の精度とリスクを理解したうえで使うこと、偏りに気をつけて責任を持って判断すること、個人情報と機密情報を不適切に入力しないことを求めています。
AIに頼りすぎる「自動化バイアス」にも注意を払うよう書いています。
AIに入力してはいけない情報
AIのサービスに入力しないほうがよいのは、名前や住所、電話番号など、誰のことか分かる個人情報と、社外に出せない会社の機密情報です。
個人情報保護委員会は、生成AIのサービスでは、入力した個人情報が機械学習に使われ、ほかの情報と結びついて、正確または不正確な内容で出力されるおそれがあると注意を呼びかけています。
会社が、本人の同意なく個人データを入力し、それが答えを出す以外の目的で扱われると、個人情報保護法に違反するおそれがあるとしています。
入力する前に、サービスの利用規約やプライバシーポリシーで、入力した情報がどう扱われるかを確かめます。
主な生成AIの、入力した内容を学習に使わせない設定は、生成AIのおすすめと用途別のツール一覧 で比べています。
AIで作ったものと著作権
文化庁の「AIと著作権に関する考え方について」は、AIの開発と学習の段階と、AIで作ったものを使う段階を分けて考えるとしています。
AIで作った画像などをSNSで公開したり販売したりするときは、ふつうの著作権侵害と同じ基準で判断されます。
既存の作品と似ていて(類似性)、その作品をもとに作った(依拠性)と認められれば、著作権の侵害になります。
AIは人間を超えるか
決まった作業では、AIが人を上回ることがあります。
囲碁では、2016年にAlphaGoがトップ棋士に勝ちました。
画像認識でも、深層学習によって人の能力を超える精度が得られたとされています(厚生労働省の審議会の資料「AIの定義と開発経緯」)。
一方で、人のように考え、どんな状況にも対応できるAIは、まだ実現していません。
総務省の『情報通信白書』令和6年版は、近い将来にAGI(汎用人工知能)が登場すると言われていることと、2045年(あるいはそれより早い時期)に、AIが人類を超える能力を持つ技術的特異点(シンギュラリティ)に到達するという予測もあることを紹介しています。
ただし、『AI事業者ガイドライン』は、これからのAIの技術のあり方は専門家でも予測が難しいとしています。
これからのAI
『AI事業者ガイドライン』は、生成AIに加えて、AIエージェントとフィジカルAIを社会で使う試みが進んでいると書いています。
AIエージェントは、目標を達成するために、周りの状況をつかんで自ら行動するAIのシステムです。
フィジカルAIは、センサで現実の世界の情報を取り込んで判断し、移動や操作などの物理的な行動までつなげるAIのシステムです。
AIの用語集
AIについて調べるとよく出てくる言葉の意味です。
AIの用語集
用語 意味 機械学習 データからパターンやルールを見つけ、新しいデータの識別や予測に使う手法 深層学習(ディープラーニング) 多数の層から成るニューラルネットワークを使う機械学習 ニューラルネットワーク 人間の脳の仕組みをコンピュータ上でまねた仕組み 特徴量 対象を見分けるときに注目する特徴を、数で表したもの 学習データ AIモデルの学習に使うデータ AIモデル(学習済みモデル) 学習で得られ、入力に応じて予測などの結果を出すもの 学習 データを使って、AIモデルの中身(パラメータ)を決めたり改善したりすること 推論 学習済みモデルに新しいデータを与えて、予測、分類、生成などの出力を得ること 教師あり学習 正解のラベルを付けたデータで学ぶ方法 教師なし学習 正解のラベルを付けないデータで学ぶ方法 強化学習 試行錯誤と報酬で、長い目で見て良い行動を学ぶ方法 エキスパートシステム 専門分野の知識を取り込み、専門家のように推論するプログラム 生成AI 文章、画像、プログラムなどを作れるAIモデルにもとづくAIの総称 基盤モデル 様々なサービスを支える個別のモデルのもとになるモデル LLM(大規模言語モデル) 言葉を扱う基盤モデルの代表で、文章を作る生成AIのもとになる プロンプト 生成AIに入力する指示や質問 ハルシネーション 生成AIが、事実と違うことをもっともらしく答えること RAG(検索拡張生成) 外部の情報を検索して答えに使う方法。ハルシネーションを抑える効果が期待されている AGI(汎用人工知能) 自ら学ぶ力を持ち、様々な状況に対応できるAI シンギュラリティ(技術的特異点) AIが人類を超える能力を持つようになるとされる時点 AIエージェント 目標のために周りの状況をつかみ、自ら行動するAIのシステム フィジカルAI 現実の世界の情報を取り込み、物理的な行動までつなげるAIのシステム
作例:AIの意味と仕組みと種類を解説する動画
この記事で説明したAIの意味、仕組み、種類を、初めての人向けに約3分半で解説する動画を、NoLangで作りました。
動画は次の順に進みます。
スマホの顔認証、話しかけるだけの翻訳アプリ、おすすめ動画を見せて、「じつはこれ、ぜんぶAI」と伝える
AIの意味:Artificial Intelligenceの略で、見て分かる、聞き取る、言葉を使う、判断するといった知的な働きを、コンピュータで実現する技術
AIの仕組み:猫の写真を見分ける例で、ルールを書くやり方の限界、機械学習の3つのステップ、確率にもとづく答えとデータの偏り、ディープラーニングを説明し、AI、機械学習、ディープラーニングの関係を図で見せる
AIの種類:特化型と汎用型、できることで分けた4つ(見分ける、予測する、つくる、動かす)を説明し、動画アプリのおすすめが4つのどれに当たるかをクイズで問う
まとめ:AIの意味、仕組み、種類をおさらいして、冒頭のスマホの例に戻る
動画の「見分ける、予測する、つくる、動かす」は、この記事の「識別、予測、生成、実行」に当たります。
AIってなに?意味・仕組み・種類をゼロから解説
AIの意味と仕組みと種類を、初めての人向けに解説する動画にして。
このテンプレートで動画を作る
「このテンプレートで動画を作る」から、同じ構成で、別の言葉を解説する動画を作れます。
文章や画像から動画を作る方法は、AI動画の作り方 で説明しています。
NoLang言葉の意味を、 解説の動画にしよう
NoLangで動画を作る
会社でAIの研修や説明の動画を作るには
社内でAIの使い方や使うときの決まりを伝える研修では、新しい社員が入るたびに同じ説明を繰り返すことがあります。
NoLangは、研修の資料(PowerPoint、PDF)から、ナレーションと字幕の入った説明の動画を作れます。
研修の動画の作り方は法人向けの研修動画のページ で紹介しています。
導入の相談はお問い合わせ から受け付けています。
資料をダウンロード