概要と到達目標：生成AI理解
この授業で使用する言葉の定義
AI（人工知能）
AIとは、人間が定めた目的に対して、入力をもとに予測・推薦・意思決定・コンテンツ生成などの出力を行い、現実または仮想環境に影響を与える機械ベースのシステムです。NISTでは、AIを「人間が定めた目的に対して、予測・推薦・意思決定を行う機械ベースのシステム」と定義しています。
AIという言葉は広い意味で使われます。たとえば、画像認識のように「見分ける」AI、需要予測のように「予測する」AI、検索順位を調整するような「推薦する」AI、そして文章や画像を新たに作り出す「生成する」AIも、すべてAIの一部です。つまり、生成AIはAI全体の中の一分野であり、AIそのものと同義ではありません。
https://csrc.nist.gov/glossary/term/artificial_intelligence
生成AI（Generative AI）
生成AIとは、入力データの構造や特徴を学習し、それをもとにテキスト・画像・音声・動画などの新しいコンテンツを生成するAIの一群です。NISTでも、生成AIは新しいコンテンツを生成するAIとして整理されています。
生成AIの重要な特徴は、単に保存された答えを取り出しているのではなく、入力に応じて出力をその場で構成している点です。たとえば、同じ「自己紹介文を作ってください」という依頼でも、条件や文脈が変われば、出力も変わります。この性質によって、生成AIは柔軟な表現や多様な案出しに向いています。
一方で、生成AIは自然で滑らかな文章を返せるため、正確であるように見えやすいという特徴もあります。しかし、NISTの生成AIプロファイルでは、生成AI特有の主要リスクの一つとしてconfabulationが挙げられており、事実ではない内容をもっともらしく出力する可能性があることに注意が必要です
https://csrc.nist.gov/glossary/term/generative_artificial_intelligence
LLM（Large Language Model：大規模言語モデル）
LLMとは、大量のテキストデータを学習し、言語による入力に対して、次に続く自然な語や文を推定しながら文章を生成する大規模モデルです。NISTでは、大規模言語モデルを、言語処理を行う大規模なモデル群として位置づけています。
LLMは、現在広く使われている対話型生成AIの中心技術です。文章の要約、翻訳、言い換え、構成案の作成、質問応答、コード生成など、さまざまな用途に応用されています。これらは「意味を人間のように完全理解している」からできるというよりも、大量の言語パターンを学習し、文脈の中で自然につながる表現を高い精度で生成できるために実現されています。 
授業では、LLMを盲目的に扱うのではなく、「入力を受け取り、文脈をもとに出力を段階的に生成する仕組み」として理解していきます。この理解があると、出力の精度を上げるために何を入力すべきか、また、どこを人間が確認すべきかを考えやすくなります。
https://csrc.nist.gov/glossary/term/large_language_model
役割分解
役割分解とは、ある業務や学習活動を細かな作業単位に分け、その中で「人間が担うべき部分」と「AIに任せられる部分」を整理する考え方である。これは実務上の設計概念であり、単なる機能比較ではなく、責任・判断・品質管理まで含めて分担を考えることが重要である。 Human In the loopという概念もこの考えの応用として位置付けています。
役割分解とは、ある業務や学習活動を細かな作業単位に分け、その中で「人間が担うべき部分」と「AIに任せられる部分」を整理する考え方です。これは単なる機能比較ではなく、責任、判断、品質管理、確認作業まで含めて設計する視点です。NISTの生成AIプロファイルでも、生成AIの利用にはhuman-AI configurationや追加的な人間のレビュー、記録、監督が必要になる場合があると示されています。
Human in the Loop という考え方も、この役割分解の延長線上に位置づけられます。つまり、AIに全部を任せるのではなく、途中または最後の重要な判断点に人間が関与することで、誤りや不適切な出力のリスクを下げる考え方です。NISTも、生成AIの運用において人間の監督や見直しの重要性を繰り返し示しています。
役割分解を最初に学ぶ理由は明確です。今後、プロンプト設計、API連携、自動化実装へ進むほど、「AIに何を任せ、何を人間が担うか」という設計力が重要になるからです。便利そうだから導入するのではなく、どの工程で使うと効果的で、どこで人間の確認を入れるべきかを考える必要があります。
到達目標
- 生成AIと従来のAIの違いを説明できるようになります。生成AIはAI全体の一部であり、とくに新しいコンテンツを生成する点に特徴があります。
- 生成AIの基本構造を「入力・生成・出力」の流れとして捉えられるようになります。これは今後のプロンプト設計の基礎になります。
- LLMの基本的な動作原理と、テキストを細かな単位として扱う考え方を理解できるようになります。
- 生成AIの得意なことと苦手なことを区別できるようになります。特に、自然な出力と事実の正確性は同じではないことを理解します。
- 人間とAIの役割分担を、業務や学習の文脈で設計する視点を身につけます。
この授業を通して、学ぶこと
この授業では、まず「AIとは何か」「生成AIは何をしているのか」「人間が担当する部分はどこか」を整理します。ここが曖昧なままでは、AIを便利な道具として表面的に使えても、実務で安定して活用することは難しくなります。 
そのため、第1回では操作の細かなテクニックに急いで進むのではなく、生成AIを理解するための土台を固めます。生成AIは、文章や画像を作れる便利な技術ですが、そのまま無条件に信頼してよいものではありません。どのような入力を与え、どのような出力が返り、どこに限界やリスクがあるのかを理解することが、実践的なAI活用の第一歩になります。 
また、本授業全体では、この基礎理解を出発点として、今後のプロンプト設計、外部サービス比較、API連携、自動化実装へと段階的に進んでいきます。つまり、第1回は単独の導入回ではなく、後続の実装系授業を支える基礎理論の回として位置づけられます。