AWS AI Practitioner の学習を始めると、最初に必ず出てくるのが
Machine Learning（機械学習）
Deep Learning（深層学習）
Generative AI（生成AI）
といった基本用語です。
さらに試験では、
- 監督学習
- 教師なし学習
- 強化学習
- dataset
- model
- training
- inference
といったキーワードも頻出です。
本記事では、これらの用語を試験対策向けに整理しつつ、実務でもイメージしやすい形でまとめます。
🎯 対象読者
- AWS AI Practitioner を勉強中の方
- AI の基本用語を整理したい方
- 機械学習と生成AIの違いが曖昧な方
- 試験頻出の基礎概念を先に押さえておきたい方
🧩 まずは全体像をつかむ
AI 関連の言葉は似ているようで、実は階層があります。
AI（人工知能）
└── Machine Learning（機械学習）
└── Deep Learning（深層学習）
└── Generative AI（生成AI の一部で使われることが多い）
ポイントは、これらがバラバラの概念ではなく、
大きなカテゴリの中に含まれているということです。
🤖 AI とは？
AI（Artificial Intelligence）は、
人間の知的な作業をコンピュータで実現しようとする考え方の総称です。
例えば、
- 画像を認識する
- 音声を理解する
- 文章を要約する
- 質問に答える
- 将来の傾向を予測する
といった処理は、すべて AI の領域に含まれます。
ただし、試験では単に「AI」という広い言葉よりも、
その中でも特に Machine Learning や Generative AI の理解が重視されます。
📘 Machine Learning（機械学習）とは？
Machine Learning は、
データからパターンを学習し、ルールを自動的に見つける技術です。
従来のプログラムでは、
人が条件やルールを細かく書く必要がありました。
しかし、機械学習では、
- 過去データ
- 正解データ
- 特徴量
などを使いながら、
コンピュータがデータの傾向を学び、予測や分類を行うようになります。
イメージ
例えば、メールを「迷惑メール / 通常メール」に分類したい場合、
- 件名
- 本文
- 送信元
- 含まれる単語
などのデータをもとに、
「どういうメールが迷惑メールになりやすいか」を学習します。
🧠 Deep Learning（深層学習）とは？
Deep Learning は、Machine Learning の一種です。
より正確に言うと、
ニューラルネットワークを多層化した機械学習手法のことです。
特徴
- 大量データに強い
- 画像・音声・自然言語に強い
- 複雑なパターンを学習しやすい
例えば、
- 画像認識
- 音声認識
- 自然言語処理
- 翻訳
- 生成AI
などでよく使われています。
ざっくりした違い
| 項目 | Machine Learning | Deep Learning |
|---|---|---|
| 関係 | 広いカテゴリ | その一部 |
| 特徴 | 比較的シンプルな学習も含む | 多層ニューラルネットワークを使う |
| 得意分野 | 分類、予測、回帰など | 画像、音声、文章など複雑な処理 |
👉 試験では
Deep Learning は Machine Learning の一部
という関係を押さえておくことが大事です。
✨ Generative AI（生成AI）とは？
Generative AI は、
新しいコンテンツを生成する AI です。
例えば、
- 文章を作る
- 画像を作る
- 音声を作る
- コードを作る
- 要約や翻訳を行う
といったことができます。
最近よく使われる ChatGPT のような仕組みも、生成AIの代表例です。
従来の機械学習との違い
従来の機械学習は、
- 分類する
- 予測する
- 判定する
といった使い方が中心でした。
一方、生成AIは、
- 新しい文章を作る
- 新しい画像を作る
- 質問に対して自然な回答を返す
といった、「作る」ことが大きな特徴です。
ポイント
| 項目 | 従来の機械学習 | 生成AI |
|---|---|---|
| 主な目的 | 分類・予測・判定 | 新しい内容の生成 |
| 出力 | ラベル、数値、予測結果 | テキスト、画像、音声、コード |
| 代表例 | スパム判定、需要予測 | ChatGPT、画像生成AI |
👉 試験では
「Generative AI は新しいコンテンツを生成する」
という点がよく問われます。
🏷 学習方式の分類
Machine Learning は、学習方法によっていくつかに分けられます。
AWS AI Practitioner で特に重要なのは、以下の3つです。
1️⃣ 監督学習（Supervised Learning）
監督学習は、
正解ラベル付きのデータを使って学習する方法です。
例えば、
- 「このメールは迷惑メール」
- 「この画像は猫」
- 「この顧客は解約した」
のように、あらかじめ答えが付いているデータを使います。
用途例
- メールの分類
- 画像分類
- 売上予測
- 離脱予測
ポイント
👉 正解付きデータがある
これが最大の特徴です。
2️⃣ 教師なし学習（Unsupervised Learning）
教師なし学習は、
正解ラベルのないデータからパターンや構造を見つける方法です。
例えば、
- 顧客を似た傾向ごとにグループ化する
- 異常なデータを見つける
- データの隠れた特徴を発見する
といった用途があります。
用途例
- クラスタリング
- 異常検知
- データの傾向分析
ポイント
👉 正解ラベルがない
その代わり、データ同士の類似性や構造を見つけます。
3️⃣ 強化学習（Reinforcement Learning）
強化学習は、
行動に対する報酬をもとに、よりよい選択を学習する方法です。
AI が何か行動をした結果、
- 良い結果 → 報酬
- 悪い結果 → 低評価や罰
という形で学習を進めていきます。
用途例
- ゲームAI
- ロボット制御
- 最適ルート探索
- 自動制御
ポイント
👉 試行錯誤しながら、最も良い行動を学ぶ
というのが強化学習の考え方です。
📦 試験頻出の基本用語
ここからは、AWS AI Practitioner でよく出る基本用語を整理します。
dataset とは？
dataset は、
学習や評価に使うデータの集まりです。
例えば、
- 顧客情報の一覧
- 商品画像の集合
- 過去の売上データ
- 文章データのセット
などが dataset です。
ポイント
AI モデルは、何もない状態から賢くなるわけではなく、
dataset を使って学習することで性能を高めます。
model とは？
model は、
データから学習した結果を持つ仕組みです。
簡単に言えば、
「学習済みの判断ロジック」や「予測器」のようなものです。
例えば、
- この文章はポジティブかネガティブか
- この画像は犬か猫か
- この質問にどう答えるか
といった判断を行うのが model です。
training とは？
training は、
dataset を使って model を学習させることです。
この段階で AI は、データのパターンや関係性を学びます。
イメージ
- dataset を与える
- 学習する
- model ができる
という流れです。
dataset → training → model
inference とは？
inference は、
学習済み model を使って新しい入力に対して結果を出すことです。
例えば、
- 新しいメールを迷惑メールか判定する
- 新しい画像を分類する
- ユーザーの質問に答える
などが inference です。
イメージ
新しい入力 → model → 推論結果
ポイント
- training = 学習する工程
- inference = 学習済みモデルを使う工程
この違いは試験でもかなり重要です。
🧠 ここは特に覚えたいポイント
試験対策として、以下は特に整理しておくと強いです。
覚え方 1
- Machine Learning = データから学ぶ
- Deep Learning = ML の一種で、より複雑な学習が得意
- Generative AI = 新しいコンテンツを生成する
覚え方 2
- 監督学習 = 正解あり
- 教師なし学習 = 正解なし
- 強化学習 = 報酬をもとに学ぶ
覚え方 3
- dataset = データの集まり
- model = 学習結果を持つ仕組み
- training = 学習させること
- inference = 学習済みモデルで答えを出すこと
💡 実務目線の補足
実務で AI を扱う場合も、この基礎理解は非常に重要です。
例えば、
「AI を導入したい」という話があったときでも、
- それは分類の問題なのか
- 予測の問題なのか
- 生成AIの方が向いているのか
- どんな dataset が必要なのか
- training が必要なのか、既存モデルで inference だけで足りるのか
といった判断が必要になります。
つまり、これらの基礎概念は
試験のためだけではなく、実務で考える土台にもなります。
✅ まとめ
今回整理したポイントは以下の通りです。
- Machine Learning は、データから学ぶ技術
- Deep Learning は、Machine Learning の一種
- Generative AI は、新しいコンテンツを生成する AI
- 監督学習は正解あり、教師なし学習は正解なし、強化学習は報酬ベース
- dataset / model / training / inference は高頻出の基本用語
このあたりは AWS AI Practitioner の中でもかなり基本かつ重要なので、
まずは言葉の意味を曖昧にせず、しっかり押さえておくのがおすすめです。
📌 次回予告
次回は、AWS AI Practitioner でもよく出てくる
- LLM（大規模言語モデル）
- Prompt Engineering
- Hallucination
- RAG
といった、生成AIまわりの重要キーワードを整理していきます。