生成AI

「生成AI」は、テキスト、画像、音声などを自律的に生成できるAI技術の総称であり

— 総務省『令和6年版 情報通信白書』

特定の製品名ではなく、総称です。 ChatGPT も Claude も Midjourney も、この総称の中に入ります。

白書は、こうしたAIが生まれた経緯も書いています。

ディープラーニングの基盤技術により、AIの性能が飛躍的に向上したことで、様々なコンテンツを生成できるAIが誕生した。

— 総務省『令和6年版 情報通信白書』

つまり生成AIは、ディープラーニングとは別の新しい技術ではありません。同じ系譜の上で、性能が上がった結果として出てきたものです。

変わったのは、出力の種類と使い方の2つです。

出力については、白書が「高い汎用性・マルチモーダル機能を通じてAIが単一のタスクに限定されず、様々なデータ形式や入力に対応し、多様なタスクを同時に処理できるようになったことで、その有用性が一層高まった。」と書いています。1つのモデルが、複数の形式を扱えるようになりました（マルチモーダル）。

使い方については、こう書かれています。

生成AIは、ユーザー側の調整やスキルなしに自然な言語で指示を出すだけで容易に活用できるものであり、テキスト、画像、映像等の多様な形式（マルチモーダル）のアウトプットが取得できるものである

— 総務省『令和6年版 情報通信白書』

『AI事業者ガイドライン』は、この変化を「AIの民主化」という言葉で書いています。

また近年台頭してきた対話型の生成AIによって「AIの民主化」が起こり、多くの人が「対話」によってAIを様々な用途へ容易に活用できるようになった。

— 総務省・経済産業省『AI事業者ガイドライン（第1.1版）』

「プログラムを書かなくても使える」ようになったことが、普及の理由として公的資料に書かれている、ということです。

ここは混同されやすい点です。Googleの用語集は、LLMと基盤モデルを区別しています。

| | 扱う形式 | | --- | --- | | LLM | テキスト | | 基盤モデル | テキスト・画像・音声・動画など複数 |

同じ用語集は「LLM という語は、基盤モデルと同じ意味で使われることがある」とも書いています。つまり現場では混ぜて使われていますが、資料の上では別物として定義されています。

生成AIはさらに広い総称で、Googleの用語集では「生成AIは、基盤モデルを使って、テキスト・画像・音声・動画のような新しいコンテンツを生成する」と説明されています。 画像生成の拡散モデルのように、LLMではない仕組みも生成AIに含まれます。

公的資料が名前を挙げているものだけを書きます。

『AI事業者ガイドライン』は「特に生成AIに関して、知的財産権の侵害、偽情報・誤情報の生成・発信等、これまでのAIではなかったような新たな社会的リスクが生じており」と述べています。「これまでのAIではなかったような」 という書き方なので、従来のAIのリスクに追加されたものという位置づけです。

白書も同じ構図で書いています。

また、生成AIによって顕在化したリスクとしては、ハルシネーション等が挙げられる。

— 総務省『令和6年版 情報通信白書』

生成AIは事実に基づかない誤った情報をもっともらしく生成することがあり、これをハルシネーション（幻覚）と呼ぶ。

— 総務省『令和6年版 情報通信白書』

ハルシネーションについては、別の記事で詳しく扱っています。

IPAのガイドラインは、期待の持ち方について1文で釘を刺しています。

テキスト生成AIはあくまで、保有している学習データをもとに回答を作成しています。

— IPA『テキスト生成AIの導入・運用ガイドライン』

手元の資料を読んで答えているのではありません。 社内規定や先月できた制度を踏まえさせたいなら、RAGのように渡す仕組みを別に用意することになります。

こう言うと伝わらない 「生成AIを導入したいです」

こう言えば一度で済む 「問い合わせメールの下書きを作らせたいです。過去の返信文のパターンに寄せたいので、社内の文例を参照させる形にできますか」

後者なら、相手はテキスト生成とRAGの話だと判断できます。「生成AI」は総称なので、何を生成させたいかを言わないと話が始まりません。