【2026年版】生成AIを学ぶための51冊 ― LLM・RAG・AIエージェント・LLMOps・Physical AIまで

1. 本記事の目当て

生成AIを単に使うだけであればWeb上の情報もあり、書籍は不要と思います。本記事の対象読者は

• 生成AIの組織導入を検討している方
• 一歩進んだ・踏み込んだ使い方を模索している方
• 生成AI開発・運用のために理論を知る必要がある方
• 生成AI開発・運用のために開発方法や運用法を知る必要がある方

などです。

• 内容につきまして
  • 生成AI活用全般をご紹介しておりますが、本記事著者青木は最近は動向調査などがメインでAI開発・運用はあまりしておりません
    • 開発・運用周りは生成AIの動向を知るために最低限押さえておくべきことは押さえておこう、というスタンスです
    • 開発・運用についての書籍も定番のものと思いますが、認識ずれなどございましたら遠慮なくご指摘ください
    • 紹介書籍を元に基礎固めをし、Qiitaに多数良記事がございますのでそれらで補強するといいと思います！
  • あくまでもIT企業のエンジニア視点です。アカデミア視点ではないのでご容赦
  • 基本Amazon Kindle版へのリンクとしております
    • Kindle版は固定レイアウトとリフロー型があり、固定レイアウトはKindleなど小さめの画面ですと読みにくい場合がありお気をつけください
    • 紙版のみの場合は紙版へ

• 記事作成につきまして
  • 記事構成、候補選定、文章案にChatGPTを用いております
  • ただChatGPTが生成したままのところはありません
  • 基本全ての本を読んだ上でのリストです
    • 一部の本は出たばかりのことや私が購入したばかりなどもあり、読みかけのものがありますがその旨明記しております
    • 毎回「こういうリストを作るやつは読んでないアフィリエイト目的だ」という根拠のない悪口を言われますがこうお返しいたしましょう「読まないでこのレベルのリストを作れますか？このレベルのリストが他にありますか？」
• 類書の洪水に正直追いつけていません。ここに挙げた本には自信がありますが、これら以外にも良書がたくさんあると思います。あくまでもご参考として

1.1. 昨年度からのUpdate

2025年版の記事はこちらです。

2025年から直近までの生成AI動向の概要は、

• プロンプトだけでは足りなくなった

• RAGやAIエージェントが実用段階に入った

• 作るだけでなく評価と運用が重要になった

• 個人利用だけでなく組織導入が課題になった

• 関連記事：直近の生成AI関連の動向（この記事も8月ないし9月時点の動向記事として鋭意作成中です）

これらを踏まえ、2026年版の本記事は以下方針です。

• 2025年版は、生成AIの使い方やLLMの仕組みを学ぶ記事でした
• 2026年版では、直近までのLLMの仕組みのUpdateとともに、生成AIを使うだけでなく、AIエージェントや組織導入まで視野を広げ、AIアプリケーションとして設計・評価し、安全に運用するための書籍を紹介します
  • 1-2年の流行で終わるようなものではなく基礎固めとなる本が中心です
  • 類似記事とは全然違う本もあるでしょう！自信ありです！

1.2. 関連記事

生成AIの基盤となる深層学習や、AIエージェント・意思決定とも関連の深い強化学習などは別途、機械学習・データ分析の本紹介記事としています。2026年版も鋭意作成中でまもなく公開いたします（それまでは2025年版をご参照ください）。

その他以下項目内に、関連記事をリンクいたします。

2. 書籍紹介

2026年に生成AIを学ぶとはどういうことかを考え、生成AIを学ぶ領域として以下の分野に整理しました。

参考まで、昨年度記事からの差異も示しております。

書籍紹介章	冊数	既存	New
2.1. 活用・仕事術	5	3	2
2.2. モデル・基盤技術	-	-	-
2.2.1. 生成AI全般	3	3	0
2.2.2. 自然言語処理	5	5	0
2.2.3. LLM	4	3	1
2.2.4. 画像・音声・動画／マルチモーダル	6	4	2
2.2.5. 発展・数理基礎	1	1	0
2.3. AIエンジニアリング	-	-	-
2.3.1. 全体像	1	0	1
2.3.2. プロンプト・コンテキスト	3	2	1
2.3.3. AIアプリケーション開発	3	1	2
2.3.4. RAG	3	3	0
2.3.5. AIエージェント	4	1	3
2.3.6. 評価	2	0	2
2.3.7. LLMOps	1	0	1
2.3.8. 安全性・AI倫理	2	0	2
2.4. Physical AI	4	0	4
2.5. 組織導入・事業	3	1	2
2.6. Extra	1	0	1
合計	51	27	24

• 去年から24冊を新たに追加いたしました
• また下記3冊は削除いたしました
  • 面倒なことはChatGPTにやらせよう
    • 私はこの本から本格的に生成AIに取り組み出したので思い入れのある本ですが当時のChatGPTの機能に特化した内容ですので流石に古くなったかなと思います。2が出るといいんですけれどね
    • ありがとうこの本のおかげです
  • 生成AIスキルとしての言語学
    • プロンプトの上部のテクニックから一歩踏み込んだ内容なのですが、LLM側の内部構造が変わっている現在その「言語学」もアップデートされるべきかなと思うので、本書も2期待しています
  • 深層学習 生成AIの基礎
    • 類書が増え、そちらを採用

2.1. 活用・仕事術ー生成AIを仕事で使うー

プロンプトとは何かから、データ分析に使うには、壁打ち・ブレスト相手として、あるいは一緒に仕事をする相棒としてどう付き合うか。

書名	内容
深津式プロンプト読本	少し前の本となりましたが類書よりまだ1つ抜けていると思います。単なるテクニック本ではないからだと思います https://x.com/currypurin/status/1822441965927215410 https://x.com/currypurin/status/1822444030112010700 プロンプト手法の整理、テキスト生成やQ＆Aのビジネス利用には本書
AI時代の質問力 プロンプトリテラシー 「問い」と「指示」が生成AIの可能性を最大限に引き出す	ペルソナパターンとか、Chain-of-Thoughtパターン、ReACTパターンとか類書のTips集のような章見出しが並んではいるのですが、単なるTips集ではありません わざわざ「リテラシー」と題しているだけはあり、プロンプトのTips的はものはほとんどありません プロンプトを考える時のOSを自分の中に持つ的なことかなと思います 繰り返しですが、 作業させるなら『面倒なことはChatGPTにやらせよう』 テキストのやり取りなら『深津式プロンプト』 土台となる考え方なら『プロンプトリテラシー』 というような立ち位置かなと思います
外資系コンサルのデータ分析技法―生成ＡＩを使いこなすデータスキル	New 「外資系コンサルの」シリーズの一冊 スライド作成、リサーチ技術、知的生産術、と結構ミーハーで読んでしまっている 生成AI時代に改めて必要になる「データを観る力」と分析の基本を、ビジネス課題の定義から仮説立案、データ収集・加工、統計解析・機械学習、結果の解釈まで一通り学べる本 クラスタ分析、回帰、決定木などの基礎に加え、生成AIを活用したデータ分析やLLMによるテキスト分析も扱っており、「AIに分析させる前に人間が何を理解しておくべきか」を整理する入門書
AIを使って考えるための全技術	生成AIへの作業指示というよりも一緒に考えるためのアイデア出し、一人ブレスト用に特化したプロンプト、ノウハウ集 生成AIの利用だとすぐ「要約」や、コーディングや資料作成などが上がるのですが、ハルシネーションどうこうで使えないとかいう人がいる、でもそこじゃないのよ別府ちゃん 現状の生成AIの値打ちは圧倒的に考える、ブレスト相手だと思っているので、真打ち登場的な本ですね
これからのAI、正しい付き合い方と使い方 「共同知能」と共生するためのヒント	New 上の4冊と異なり生成AIの使い方ではなく、AIと一緒に仕事をするためにどう考え方を変更しないといけないかのための本 生成AIを単なるツールではなく、人間と協働する「共同知能（Co-Intelligence）」として捉え、仕事・創造性・教育・コーチングなどでどう付き合うべきかを論じた一冊 特に「常にAIを参加させる」「Human-in-the-Loopにする」といった実践原則が印象的で、生成AI時代の人間の役割を考える上で参考になるかと思います

2.2. モデル・基盤技術

生成AIの理論などを知るための本。

2.2.1. 生成AI全般

書名	内容
大規模言語モデルは新たな知能か　ＣｈａｔＧＰＴが変えた世界	大規模言語モデルがこんな流行るとは！ 雨後の筍のように便乗本が出ていますがほとんどは消えます。この記事を読むような方は本質を 難しいのですが、PFNの岡野原さんが分かりやすい解説書を出してくれました
ゼロから作るDeep Learning ❺ ―生成モデル編	理論の本に書いてあるけれどわからないじゃないですか！そんな時こそ「ゼロから作る」です ご存知「ゼロから作るDeep Learning」シリーズがついに生成モデル 確率分布から、確率モデルへ進み、VAEや拡散モデルへ
原論文から解き明かす生成AI	と、この後は論文を読むしかないのですが、生成AIに要約・翻訳させられるという世の中になったものの研究の流れ等はエンジニアには掴みにくい。そこへとんでもない本が出ました Transformerと拡散モデル周りの主要論文について順を追って解説してくれています テキストよりもわかりやすい記述もありますが、読む順番は好みですかね。先に本書を読むのも良いかもですが、他のテキストを読んで、論文などと格闘して本書に戻ってくるとわかりやすいのかなと思います

2.2.2. 自然言語処理

大規模言語モデルを知るためには言語をどう処理するかが必要なので、というところですね。

書名	内容
放送大学　自然言語処理入門	地味ですが自然言語処理に関する分野についての概説としてはちょうど良いと思います
自然言語処理の教科書	前書きに 本書は開発に関するハンドブックになることを目指しているので、研究に興味があるという人は、放送大学の教科書『自然言語処理〔三訂版〕』（放送大学教育振興会, 2023）または『IT　Text 自然言語処理の基礎』（オーム社, 2022）をお読みください。 とあり、まさにエンジニアの入門用の教科書ですね。 数式は最小限で従来の自然言語処理からTransformerや大規模言語モデル、そしてコーパスなどの話題を広く扱っています。 前書きにある通りこの本の後に次の『IT Text 自然言語処理の基礎』を読むと良さそう。
IT Text 自然言語処理の基礎	がち 大規模言語モデルの流行でプロンプトがどうしたこうしたと浮ついた本がたくさん出ていますが、それだけでは解決しないし、すぐ流行り廃りはあるし でもインターネットの移ろいがあってもTCP/IPが全く揺るがないように根っこの技術を学ぼうじゃないか 第1章　自然言語処理の概要 第2章　自然言語処理のための機械学習の基礎 第3章　単語ベクトル表現 第4章　系列に対するニューラルネットワーク 第5章　言語モデル・系列変換モデル 第6章　Transformer 第7章　事前学習済みモデルと転移学習 第8章　系列ラベリング 第9章　構文解析 第10章　意味解析 第11章　応用タスク・まとめ
ゼロから作るDeep Learning ❷ ―自然言語処理編	自然言語のベクトル化からTransformerの入り口までをゼロからコーディングしていく本 LLMの実装本というより、コーディングしながら自然言語処理の理論を理解していく本
統計的テキストモデル──言語へのベイズ的アプローチ	目次にありますが、Word2Vec以降のTransformerなどには触れていません ニューラルネットではなく統計モデルとしてどう自然言語を取り扱うかの専門書です Transformerが「正解」として君臨しているわけではなく多数の考え方が提案されている現在において、自然言語というものを考え直す基礎トレーニングになるのかなと思っています

2.2.3. LLM

大規模言語モデル（LLM）の理論について。

書名	内容
ゼロから作るDeep Learning ❻ ―LLM編	New コード写経しなきゃ、まだこれから 同じく「ゼロから作るDeep Learning」シリーズのLLM編 トークナイザ、Attention／Transformer、事前学習、SFT、強化学習まで、LLMを支える主要技術をライブラリ任せにせずゼロから実装して学ぶ本 CodeBot、StoryBot、WebBotと段階的にチャットボットを作りながら、BPEやGPT-2、RoPE、GRPOなど現在のLLMにつながる技術を手を動かして理解できる、シリーズらしい一冊
大規模言語モデル入門	transformersライブラリを用いてコーディングしながら大規模言語モデルの理論と実装の両方を体験できる嬉しい本 基本Google Colaboratoryの無料枠で実行可能 下記のような目次で、大規模言語モデルを一通り学べる 第1章はじめに(transformersを使って自然言語処理を解いてみよう) 第2章 Transformer 第3章 大規模言語モデルの基礎 第4章大規模言語モデルの進展 第5章 大規模言語モデルのファインチューニング 第6章 固有表現認識 第7章 要約生成 第8章 文埋め込み 第9章 質問応答
大規模言語モデル入門Ⅱ〜生成型LLMの実装と評価	改訂版ではなく続編 IIになるとGoogle Colaboratoryの無料枠では無理で有料枠が必要な処理が多め 第10章 性能評価 第11章 指示チューニング 第12章 選好チューニング 第13章 RAG 第14章 分散並列学習
直感 LLM ハンズオンで動かして学ぶ大規模言語モデル入門	概ね「大規模言語モデル入門I, II」と被っています 本書の方が新しいぶんライブラリの新しいバージョンに対応していいかも

2.2.4. 画像・音声・動画／マルチモーダル

テキスト以外の画像・音声・動画を扱う生成モデルと、テキスト＋画像など複数のモダリティを組み合わせて扱うマルチモーダル技術について。

書名	内容
生成AIのしくみ　〈流れ〉が画像・音声・動画をつくる	『大規模言語モデルは新たな知能か』に続いて、生成モデル一般と拡散モデルについての解説書
Pythonで学ぶ画像生成 機械学習実践シリーズ	音声解析系の本シリーズが分かりやすかったので選びました 画像生成の基礎から拡散モデルであるStable Diffusionの基礎と実装例です
生成 Deep Learning 第2版 ―絵を描き、物語や音楽を作り、ゲームをプレイする	こちらはライブラリなどを用いて各種生成AIの実装例を示すという 初版に比べ最新動向を盛り込みつつ、Transformer、VAE、GAN、拡散モデルについて、テキスト、画像、音声についてUpdate、そして自律エージェントやモデルベース強化学習で重要となる「世界モデル」についても触れています
直感 生成AI ―ハンズオンで動かして学ぶ拡散モデル入門	New TransformerやVAE、CLIP、拡散モデルといった生成AIの主要技術を、主にコードベースで学ぶ本 テキストだけでなく画像・音声・動画まで扱い、Stable Diffusion、LoRA、ファインチューニング、RAGなど応用も解説 LLMのみではなく生成AI全体をハンズオンで理解したい人向け
深層学習からマルチモーダル情報処理へ	New 深層学習の基礎から、画像・言語・音声それぞれの情報処理の解説、それらを統合するマルチモーダル情報処理へ進む本 薄い1冊ですので個々の分析・処理方法の詳細まではありませんが、どういった観点での取り扱いが求められているかなどの全体像がわかります LLMだけでなく画像・音声を含めた生成AIの基盤技術を学びたい人へ
拡散モデル データ生成技術の数理	拡散モデルの数理を1冊で本格的に扱う専門書 正直かなり難しいです

2.2.5. 発展・数理基礎

LLMではTransformerが中心ですが、画像・動画生成では拡散モデルも重要です。また、拡散モデルや状態空間モデルなどを数理的に理解するには、確率過程や確率微分方程式、ベイズモデルなどの知識も役立ちます。

書名	内容
機械学習のための確率過程入門(増補改訂版): 確率微分方程式からベイズモデル,拡散モデルまで	私が読んだのは初版のみで改訂版も入手、読み進め中 確率モデルのテキストですが、その中で拡散モデルなどにも触れています Transformer以外に拡散モデルや、その他確率モデルが採用されることも増えてきたので、論文を読み解きたい方など向けですね

2.3. AIエンジニアリング

では、AIを使って、役にたつ仕組みを作ろうというところ。

2.3.1. 全体像

書名	内容
AIエンジニアリング	New 購入したばかりで読み進め中 基盤モデルを利用したAIアプリケーション開発全般について、設計・評価・構築・運用するための「AIエンジニアリング」を体系的に学ぶ本 モデル選定や評価、プロンプト、RAG、AIエージェント、ファインチューニングに加え、セキュリティやガバナンスまで幅広く扱います。生成AIアプリケーション開発の全体像を押さえたうえで、各専門分野へ進むための入口としての本

2.3.2. プロンプト・コンテキストープロンプトからコンテキストエンジニアリングへー

良い回答を得るための指示つまりプロンプトをどう設計・実装するかというプロンプトエンジニアリングから、良い回答をさらに得るためには目的に対する文脈を正しく与えようぜというコンテキストエンジニアリング、と発展してきていますね。

書名	内容
LLMのプロンプトエンジニアリング —GitHub Copilotを生んだ開発者が教える生成AIアプリケーション開発	出てすぐ品切れ中。類書が本当に多数ありますが、やはりオライリーですよね LLMに特化してプロンプトエンジニアリングの考え方全般を紹介しています
生成AIのプロンプトエンジニアリング ―信頼できる生成AIの出力を得るための普遍的な入力の原則	前著と似ていますがこちらは「生成AIの」なので画像生成のプロンプトや、APIを用いたRAG、エージェントとの連携までカバーされています
LLMの原理、RAG・エージェント開発から読み解く　コンテキストエンジニアリング	New プロンプトエンジニアリングから、LLMに与える情報をどう選び、整理し、維持するかという「コンテキストエンジニアリング」が必要となっている現在にその全体像を解説した本 LLMやAPIの基礎から、プロンプト、Function Calling／MCP、RAG、AIエージェントまでを「コンテキスト」という共通軸で整理 プロンプトエンジニアリングの次に学ぶ実践書という位置付けかと思います

2.3.3. AIアプリケーション開発

ではアプリを作るにはどうしたら良いかのお話。

書名	内容
生成AIアプリ開発大全――Difyの探求と実践活用	生成AIアプリ開発のプラットフォームで外せないDify オライリーがまだないので、技術評論社と評判ということで選んで、読んだ結果類書と1レベル違うかなというところ
実践 LLMアプリケーション開発 ―プロトタイプを脱却し、実用的な実装に迫るための包括的な手引き	New 購入したばかりで読み進め中 PoCから実用的なLLMアプリケーションへ進むための知識を体系的にまとめた本 LLMの仕組みから、モデル選定、ファインチューニング、アライメント、推論最適化、RAG、AIエージェントまでを幅広く扱っている LLMの内部構造や限界を理解したうえで、外部ツール連携やガードレールを含む実システム設計へつなげている点が特徴 単にライブラリやAPIを繋いでアプリを作ってみた、の状態からワンステップ上げていく本かなと思います
初めてのLangChain ―LangChainとLangGraphによるAI/LLMアプリケーションの構築	New 購入したばかりで読み進め中 LangChainとLangGraphを使って、RAG、会話メモリ、ツール連携、AIエージェントを実装する方法を体系的に学べる本 基本的なLLMアプリケーション構築だけでなく、マルチエージェント、Human-in-the-Loop、デプロイ、テスト・評価、モニタリング、継続的改善まで扱っている 「LangChainで作ろう」のような類書はたくさん出ていますがすぐ古くなる内容なので、一歩本質に踏み込むオライリーや技術評論社の本を選んでいます

2.3.4. RAG

汎用のLLMだけではなく、自社などの固有の情報をどう生成AIで扱うかの一つの回答としてのRAGについて。
生成AIの機能としてのRAGだけではなく、従来の情報検索のノウハウをもっと見直そうぜというところが言われ出していますね。

書名	内容
LangChainとLangGraphによるRAG・AIエージェント[実践]入門	類書が非常に多いですし、用途やライブラリにもよるでしょう。LangChainを最低限しておくという意味での選書 ただ使い方だけの類書はたくさんありますが、これも技術評論社と評判ということで選んで、読んだ結果類書と1レベル違うかなというところ
はじめての知識グラフ構築ガイド	LLMでもRAGの本ではありません！ RAGの本がまだなかった頃に見つけましたが、知識グラフについての概説書です RAGの本はLLMとの連携については詳しいのですが、知識グラフ側の解説が薄いので補強の意味
検索システム 実務者のための開発改善ガイドブック	LLMでもRAGの本ではありません！ X記事で検索系のエンジニアの方が「RAGの検索部分は従来の検索エンジンのノウハウが重要なのだが、それがすっかり忘れられてプロンプトで無理をしている例が多い」という内容を投稿なさっているのを見て、検索についてのノウハウを得ておこうと

2.3.5. AIエージェントーAIエージェントを設計・開発するー

今年のビジネスそしてITのバズワードは完全に「エージェント」ですね。定義が曖昧なまま溢れていて、「DX」「データサイエンティスト」「AI」と同じく混乱しています。
別記事に少し書きましたが、

「AIエージェント」という言葉は現在かなり広く使われています。本記事では、LLMを中心に、ツール利用・計画・記憶などを組み合わせ、一定範囲で自律的にタスクを遂行するAIシステムをAIエージェントとして扱います。

書名	内容
現場で活用するためのAIエージェント実践入門	「欲しくても買えないどこでも品切れ」の方で有名になりましたが、リフローKindle版が出ました 類書ですとエージェントの安直な作り方のみですが、本書は「エージェントとは何か」から入ってますので帯の「プロになるための一冊」ではないでしょうか
意思決定のためのアルゴリズム I 確率的推論と逐次意思決定の基礎	New 実世界にAgenticAIや世界モデルを適用するための方法論の理解を深める必読書 Amazon書評にも書きました Agentic AI、世界モデル周りの論文を読んでいると深層学習、強化学習の知識だけじゃ足りないことがわかります 要素技術として、確率分布、最適化、マルコフ決定過程、状態空間モデル、ベイズ推定、ゲーム理論、そして深層学習と強化学習などが必要となりますが本書のI巻・II巻を通してほぼ書いてあります コード例（Juliaですけれど）と解答付きの演習問題もあり、これをがっつりやれば足腰強くなれますね 念の為、エージェントを扱うライブラリやフレームワークなどの解説ではないです
意思決定のためのアルゴリズム II モデル・状態の不確実性とマルチエージェント	New AIや世界モデルを支える「意思決定アルゴリズム」の足腰を鍛える本 Amazon書評にも書きました Agentic AI、世界モデル、モデルベース強化学習まわりの論文を読んでいると、深層学習や強化学習だけでは足りず、確率分布、最適化、ベイズ推定、マルコフ決定過程、オンライン計画、方策探索などの基礎が必要になることがわかります 本書I、II巻を通して、そのかなりの部分が体系的に書かれています コード例はJuliaですが、数式だけでなく実装イメージまで追える構成です。演習問題もあり、がっつり取り組めばかなり足腰が強くなると思います 念のため補足すると、最近のLLMエージェント用ライブラリやAgentic AIフレームワークの使い方を解説する本ではありません。むしろ、その背後にある確率的推論・逐次意思決定・強化学習の基礎を理解するための本です
エージェントアプローチ人工知能 原著第4版	New 購入したばかりで読み進め中 人工知能を「知的エージェント」という統一的な視点から体系的に学ぶ、世界的な定番教科書の第4版 数年前までは人工知能の専門書はまだ少なく本書の旧版が書店に鎮座していました 流石に古いかな、新しい版の翻訳が出ないかなと思っておりましたら今年翻訳が 原著第4版はChatGPT以前の刊行なので、現在の生成AIやLLMエージェントの最新研究は入っていないですけれど ガチで学ぶなら一度読んでみようとトライ中 探索、論理、知識表現、確率推論、意思決定といった古典的AIから、深層学習、強化学習、自然言語処理、コンピュータビジョン、ロボティクス、マルチエージェント、さらにAIの倫理・安全性まで幅広く扱っている 生成AIそのものの解説書ではないですが、AIエージェントやPhysical AIを含め、現在のAIをより大きな人工知能の体系の中で理解するための基礎となるのかと考えております

2.3.6. 評価ー生成AIを評価するー

生成AIの結果を確認や評価するのって大変じゃないですか。生成AI自体にやらせたらと思いますよね。実際やりますし。でもその方法をちゃんと方法論とする研究ないのかなと思ってましたら

• LLM-as-a-Judge

ってあるのですね。

書名	内容
生成AIアプリケーション評価入門	New 従来のITのソフトウエアテストの観点と、生成AIとしての評価の観点から生成AIアプリケーションとしての評価をどうすべきかを体系的に学ぶ本です 単体・統合・システムテストといった従来の考え方から、RAG評価、LLM-as-a-Judge、ハルシネーションやセキュリティ評価へ LLM評価フレームワークDeepEvalによる評価を、Pythonのテストフレームワークpytestに統合する方法まで扱っています
Human-in-the-Loop機械学習	New機械学習の100冊2025より、移動させました 最初"Human-in-the-Loop"という言葉を知った時「どういう夢技術だろう」と思ったけれど、実際は「AIでの全自動は無理だからLoopの中に人を入れて」という泥な話だった 本書ではそのうち、学習データ作成のアノテーションの話がメイン ひたすら正解をつけるだけじゃなくて、間違いやすいデータ、半自動化などいろいろテクニカルな話がある 本書自体は生成AIやRLHFの解説書ではなく、Active Learningやアノテーションが中心ですが、Human-in-the-Loopという考え方自体は生成AIの評価・アラインメント・エージェント運用でも重要になっています。そのため、今回はこちらに入れてみました

2.3.7. LLMOpsー生成AIを本番運用するー

作っておしまいではなく、運用でまた新たな課題がありそれをうまくこなす方法論があるのはAI以外のITと同じ。でも方法が違うから学ぼうという。

書名	内容
MLflowで実践するLLMOps	New 類書が続々と出ているところなので正直追いきれておりません。困った時はオライリーか技術評論社というところで手に取った1冊 MLflowを使って、LLMアプリケーションを継続的に開発・運用するためのLLMOpsを実践的に学ぶ本 トレーシングによる可観測性、LLM-as-a-Judgeを含む品質評価、プロンプト管理、本番展開までを一貫して扱い、RAGやマルチエージェントにも対応している もともと従来の機械学習のMLOps用のライブラリであるMLflowを元に解説しているので、MLOpsとの違いを押さえながら、「作って終わり」ではなく改善し続ける生成AIシステムの運用を具体的に理解できるのかと思います

2.3.8. 安全性・AI倫理ー生成AIを安全に使うー

有害出力、情報漏洩、攻撃への耐性など生成AIシステムの安全性と、AIを社会の中でどのように設計・利用すべきかという倫理について。

書名	内容
生成AIの安全性入門	New リスクと安全性向上技術を、モデルレベルとシステムレベルの両面から体系的に整理した一冊 有害出力、情報漏洩、誤情報、悪用といったリスク分類から、安全性ベンチマーク、レッドチーミング、RLHF、ガードレールまで幅広く扱っている
AI・ロボットからの倫理学入門	New AIx倫理ではこの本が何度も考え直す本命本かなと思います 最も現代的な「AIx戦争」についても「第9章 良いも悪いもリモコン次第？ーー兵器としてのロボットについて考える」で論じられています

その他AI x 倫理関連にご関心があれば、

2.4. Physical AIーデジタル世界から物理世界へー

本記事では「生成AI・基盤モデルが物理世界へ拡張する領域」という観点からPhysical AIを扱います。

書名	内容
基盤モデルとロボットの融合 マルチモーダルAIでロボットはどう変わるのか	New LLMやVLM（視覚言語モデル）などの基盤モデルをロボットにどう使うかの研究の現況を解説した本 ロボット研究の場では言葉や画像を生成する基盤モデルを取り入れようという動きは少なかったとのこと。それが昨今のモデル性能向上により、制御にも使えるのでは？と融合しつつある状況とのこと サーベイ論文を一般向けに書くとこうなるのかな？というような「世界モデル」の本筋とは異なりますが、技術動向調査をするならこう書こうとお手本のような本
実践 フィジカルAIの教科書	New 『実践 生成AIの教科書』→『実践 AIエージェントの教科書』（私は未読）→本書とビジネスへ適用の日立さんの三部作ですね フィジカルAIの基本概念から、ロボット基盤モデル、世界基盤モデル、デジタルツイン、シミュレーションといった中核技術までを幅広く整理した一冊 製造、物流、自動運転、鉄道、電力など産業分野での活用事例も豊富 どう言った技術がどういう目的で使われるのかという俯瞰の本です フィジカルAI=ロボットと誤解されている方も多いので社内展開の時に困ることも多いでしょう、説明のネタ探しにも使えると思います
ロボットはもっと賢くなれるか	New 自律ロボットの難しさを、強化学習や確率ロボティクスといった技術だけでなく、哲学・認識論・生態心理学・生命システム論まで遡って考える一冊 アフォーダンスなど、生物の知能から柔軟なロボット知能をどう設計するかを探っており、現在のPhysical AIやEmbodied AIを考えるうえでも示唆がある 単なるロボット実装本ではなく、「知能とは何か」からロボティクスを捉え直したい人のための本 次の本と似ていますがこちらのテーマは行動。哲学・身体性・アフォーダンス・システム論などから、柔軟に行動できるロボット知能をどう設計するかを考える本
ロボットに心は生まれるか	New ある技術に着目するのではなくて「ロボット」と「心」のためには？の1点で「脳科学」、「認知科学」、「現象学」！！！について論じた本 現象学は、経験や意識がどのように世界を捉えるかを問う哲学の伝統・方法論です。ここら辺エンジニアの差別化と思って進めております！！！ 前の本と似ていますがこちらのテーマは心。認知主義・現象学・脳科学・非線形力学とロボット実験を通じて、意識や自己、シンボルがどう自己組織化するかに踏み込む本

もう一歩先、エージェントが世界を認識するための「世界モデル」について、

2.5. 組織導入・事業ー生成AIを組織と事業に導入するー

生成AI導入の成否は、モデル性能だけではなく、業務設計と組織設計で決まる。

書名	内容
実践 生成AIの教科書	日立さんにより企業に生成AIを導入するにはのノウハウと注意点など 類書は単に機能紹介がメインですけれど、企業で使うには組織をどうするか倫理やセキュリティはとたくさん気になりますがそこらへんまでカバーしています
AI AND INNOVATION	New AIを単なる効率化ツールではなく、イノベーションを生み出すパートナーとして捉え、事業変革につなげるための考え方と方法論を整理した本 指数関数的思考、デザイン思考、システム思考を組み合わせながら、AI戦略、機会探索、チーム設計、バリューチェーン、倫理まで幅広く扱っている 『実践 生成AIの教科書』で全体像を知り、他の本で技術を知った上で、「さぁ、AIとどう付き合うか。付き合うためには人間側、組織はどう変わるべきか」を考えるための基礎トレーニング的な本かと思います 『これからのAI、正しい付き合い方と使い方 「共同知能」と共生するためのヒント』に近いですが、この本は「そもそもAIとどう向き合うかが主のテーマで、本書は「そのためにビジネス組織をどう変えていくか」という位置付けかと思います
エージェント型AI	New 購入したばかりで読み進め中 AIエージェントを、単なる自動化ツールではなく「自律・協調しながら行動するAI」として捉え、技術・ビジネス・組織変革まで幅広く解説した本 行動・推論・記憶、マルチエージェント、Computer Useといった技術要素に加え、導入方法、ビジネスモデル、人間との協働、ガバナンスまで扱っている 抽象的な「AI」ではなく、（ある程度ですが）自律的に作業をこなす「AIエージェント」をよりリアルに描きながら、ビジネスの中にどう位置づけるか、どう付き合うかという位置付け

2.6. Extra

書名	内容
記号創発システム論 来るべきAI共生社会の「意味」理解にむけて (ワードマップ)	New機械学習の100冊2025より、移動させました 例えば「りんご」という言葉から実際のりんごにどう認識を接地させるのかという記号接地問題が人工知能研究にはあります それに対し、人・ロボット・AIなど複数エージェントが、環境との相互作用とコミュニケーションを通じて「りんご」というような記号を作る、つまりその創発メカニズムをモデル化・実装し、検証する研究枠組みというようなものです 現在主流のスケーリング則による大規模化とは違うアプローチとして個人的に期待しています 参考記事としては研究チームの方の記号創発スタディノート#1　なぜ、いま記号創発システム論なのか？　～生成AI時代の「意味」の新学理へ～

3. 書籍以外の情報

動向がはやいAIについて書籍はどうしても情報が遅れがちになります。本で足腰を固め、最新の情報は論文・Webサイトで得るというところでしょうか。
Webサイトのリンク集をご参考まで。