第3章現在の生成AIの動向

第3章は、現在の生成AIがどのような分野で使われているか、そしてRAGやAIエージェントのような新しい仕組みを理解する章です。単語暗記だけでなく、「何ができるか」「どのようなリスクがあるか」「どの仕組みで実現しているか」を結び付けて学習します。

この章の3分要約

生成AIは、文章だけでなく、画像、音楽、音声、動画など幅広い形式を扱います。試験では、各生成AIの種類を「何を生成するか」で整理すると理解しやすくなります。

画像や動画の分野では、入力データの品質をそろえる正規化、学習データを増やすデータ拡張、古い映像や画像を高品質化するリマスタリングなども関連します。

ディープフェイクは、深層学習を用いて人物の顔や声を本物らしく合成する技術です。映画や翻訳、エンタメなどに使える一方で、政治家や有名人の偽動画、詐欺電話、なりすまし、偽情報の拡散に悪用される可能性があります。

試験では、ディープフェイクを単なる「高品質な動画生成」として覚えるのではなく、ディスインフォメーション、本人確認、肖像権、名誉毀損、社会的混乱などのリスクとセットで理解することが重要です。

RAGは、検索拡張生成と訳されます。生成AIが持つ内部知識だけに頼るのではなく、外部の文書やデータベースを検索し、その結果を参考にして回答を作る仕組みです。

RAGの基本の流れ：
文書をチャンクに分割 → ベクトル化 → ベクトルデータベースに保存 → 質問に近い情報を検索 → 検索結果をもとに回答生成

RAGを使うと、社内文書、マニュアル、FAQ、最新資料などを参照した回答がしやすくなります。モデルそのものを再学習しなくても外部情報を活用できるため、運用しやすい点が特徴です。

検索される文書が間違っていれば、回答も誤る可能性があります。また、チャンクの分け方や検索精度が悪いと、適切な情報を取得できません。RAGはハルシネーションを減らす助けになりますが、完全になくす仕組みではありません。

AIエージェントは、ユーザーの指示に対して単に答えるだけでなく、目標を達成するために手順を考え、必要なツールを呼び出し、作業を進める仕組みです。例えば、情報収集、資料作成、Web操作、コード生成、外部API連携などを組み合わせることがあります。

AIエージェントでは、計画、実行、観察、修正のサイクルが重要です。最初にゴールを分解し、必要なアクションを選び、結果を確認しながら次の行動を決めます。

シラバスでは、GenSpark、Manus、Skywork AI、MCPなどが学習対象です。MCPは、AIが外部ツールやデータソースと接続する文脈で理解します。AIエージェントの能力は、モデル単体の性能だけでなく、どのツールやデータに接続できるかにも左右されます。