今からはじめるAIキャッチアップ

きっかけ

「2025年はAIエージェントだ」、「Deepseekやばい」、「Deep Researchまだ使ってないの？」といったポストを、Xで見ると、何だかモヤモヤしていた。理由は私が根本の仕組みを理解していないから！
とあるネット番組で、東京大学の松尾豊教授が「AIをどうやって学んだらいいですか？」という問いに対し、「とりあえず、OpenAIのAPI叩いて、どんなことができるか試すとか、使いながら学ぶのが良い。」「低レイヤーを学ぶことにあまり意味がなくなってきている。」と仰っていた。なるほど...とりあえずAIサービスに課金？ いや、待て。私はエンジニア！仕組みを知らずして、使うなんてエンジニアの姿勢ではない！
と思い、今からどうやってAIをキャッチアップするか調べて、それを実践することにした。

調査結果

継続的にキャッチアップできる方法を探し、東京大学 松尾・岩澤研究室の
「人工知能を学ぶためのロードマップ」 を実践することに決めた。

このロードマップは、人工知能や深層学習を学んだことのない人向けに、「研究者」「データサイエンティスト」「エンジニア」「ビジネス」の4つの職業ごとに4段階のレベルで構成されている。
各レベルには、学習コンテンツ（書籍・動画など）と推奨学習時間が記載されている。

エンジニアロードマップ

LEVEL 0 - 「AIの歴史と概要」

• STEP0：技術に触れる（1h）
  AIサービスを実際に使ってみる
• STEP1：人工知能の概要・歴史（10h）
  書籍を通じて、人工知能の全体像と歴史的背景を学ぶ
• STEP2：機械学習/深層学習のキーワード理解（20h）
  G検定 の参考書を活用し、機械学習・深層学習の基礎概念を学ぶ。

※LEVEL 0の内容は全職業共通。

LEVEL 1 - 「機械学習/深層学習の基礎」

• STEP1：数学の学習（30h）
  「線形代数」「微分積分」「統計学」の基礎を学ぶ
• STEP2：プログラミングの学習（40h）
  Pythonの基礎を習得し、NumPyやPandasを使ったデータ分析を学ぶ
• STEP3：機械学習/深層学習の実装（70h）
  機械学習/深層学習の理論を学びながら、Pythonライブラリを使って実装を進める

LEVEL 2 - 「機械学習/深層学習の実践」

• STEP1：コンピュータサイエンス（40h）
  効率的なプログラムを書くため、アルゴリズムとデータ構造を学ぶ
• STEP2：アプリ開発（20h）
  学んだ知識を活用し、物体認識アプリやチャットボットアプリを開発する

LEVEL 3 - 「研究/実務経験」

このレベルでは「発展的な内容を習得し、主体的に問題解決や研究ができる」ことが目標。インターンシップやAI案件への参画が推奨されている。

評価

• コスト：学習時間 230h + 書籍費用
• アウトプット：
  • 機械学習/深層学習を実装できるスキル
  • その領域で必要な基礎知識

まとめ

• 約3〜4ヶ月の学習期間でAIの低レイヤーの基礎知識を習得できることが分かった。
  松尾・岩澤研究室のロードマップは、学習内容が段階的に整理されており、初心者でもスムーズに取り組めそう。

• 数学やアルゴリズムなどの基礎からしっかり固めることで、ただのAIの利用者ではなく、技術的な理解を持ったエンジニアとして成長できそう。

• 今後は、各レベルで学習した内容を整理し、実際の学習プロセスや実装の過程をアウトプットとして記事にまとめていく予定。

同じようにAIを学びたい人たちの参考になれば嬉しいです。