生成AIとは ― 文章や画像を「作れる」AI
はじめに ― 「分析するAI」から「作るAI」へ
前のレッスンでAIの基本を学びました。従来のAIは「分類する」「予測する」「検出する」といった分析的なタスクが中心でした。しかし2022年以降、AIの世界に大革命が起きています。それが生成AI（Generative AI）の登場です。
生成AIは文章、画像、音声、動画、プログラムコードなど、これまで人間にしか作れなかったコンテンツを「生成」できるAIです。このレッスンでは、生成AIの種類、仕組み、そして主要サービスを詳しく見ていきましょう。
生成AIの種類 ― 5つのカテゴリ
| カテゴリ | 何を作るか | 代表的なサービス | 活用例 |
|---|---|---|---|
| テキスト生成 | 文章・対話 | Claude、ChatGPT、Gemini | メール作成、要約、翻訳、プログラミング |
| 画像生成 | イラスト・写真 | Midjourney、DALL-E 3、Stable Diffusion | 広告素材、コンセプトアート、商品画像 |
| 音声生成 | 音声・ナレーション | ElevenLabs、VOICEVOX、OpenAI TTS | ナレーション、ポッドキャスト、多言語対応 |
| 動画生成 | 映像 | Sora、Runway、Pika | 広告動画、プロモーション、プロトタイプ |
| コード生成 | プログラム | Claude、GitHub Copilot、Cursor | 開発効率化、バグ修正、コードレビュー |
生成AIの仕組み ― トランスフォーマーを理解する
すべての始まり：Transformer（トランスフォーマー）
2017年にGoogleが発表した論文「Attention Is All You Need」で紹介されたTransformerアーキテクチャが、現在の生成AIの基盤です。
🔍 トランスフォーマーをカンタンに説明すると
従来のAIは文章を前から順番に1単語ずつ処理していました。まるで1行ずつしか読めない読書のようなもの。
トランスフォーマーは文章全体を一度に見渡して、各単語の関係性を理解します。まるで本の全ページを同時に読めるようなもの。
この「全体を見る」仕組みを「アテンション（注意）機構」と呼びます。例えば「私は東京に住んでいて、そこの天気は〜」という文で、「そこ」が「東京」を指していることをAIが理解できるのは、このアテンション機構のおかげです。
テキスト生成AIの動作原理
📖 Claude/ChatGPTが文章を生成する流れ
ステップ1：トークン化 ― ユーザーの入力を「トークン」（単語や文字の断片）に分割
ステップ2：エンコード ― 各トークンを数値ベクトル（数字の列）に変換
ステップ3：注意計算 ― すべてのトークン間の関係性をアテンション機構で計算
ステップ4：次のトークン予測 ― 「次に来る可能性が最も高いトークン」を確率的に選択
ステップ5：繰り返し ― ステップ4を繰り返して文章を1トークンずつ生成
💡 つまり生成AIは「次の単語を予測する」という作業を超高速で繰り返しているだけなのです。しかし、数兆語のテキストで訓練された結果、まるで「理解している」かのような文章が生成されます。
生成AIの歴史 ― タイムライン
| 年 | 出来事 | インパクト |
|---|---|---|
| 2017年 | Transformer論文発表 | 現在の生成AI技術の基盤 |
| 2018年 | GPT-1発表（OpenAI） | 大規模言語モデルの幕開け |
| 2020年 | GPT-3発表 | 1750億パラメータで高品質な文章生成 |
| 2021年 | DALL-E発表 | テキストから画像生成が現実に |
| 2022年6月 | Midjourney公開 | 高品質な画像生成が一般利用可能に |
| 2022年11月 | ChatGPT公開 | 2ヶ月で1億ユーザー突破、世界中に衝撃 |
| 2023年3月 | Claude初公開（Anthropic） | 安全性を重視したAIアシスタント |
| 2023年3月 | GPT-4発表 | マルチモーダル対応（テキスト＋画像入力） |
| 2024年3月 | Claude 3ファミリー | Haiku/Sonnet/Opusの3モデル体制 |
| 2025年〜 | Claude 4ファミリー、AIエージェント時代 | Claude 4.5/4.6へ進化。自律的タスク実行が可能なAIの普及 |
主要テキスト生成AIの比較
| 特徴 | Claude（Anthropic） | ChatGPT（OpenAI） | Gemini（Google） |
|---|---|---|---|
| 強み | 長文理解・分析、コーディング、安全性 | 汎用性、プラグイン、画像生成 | Google連携、検索統合 |
| 日本語品質 | ◎ 非常に高い | ◎ 非常に高い | ○ 高い |
| コーディング | ◎ 特に優秀 | ◎ 優秀 | ○ 良い |
| 長文処理 | ◎ 20万トークン対応 | ○ 12.8万トークン | ◎ 100万トークン |
| 画像生成 | ×（画像生成は非対応、画像入力は可能） | ◎ DALL-E 3統合 | ○ Imagen統合 |
| 安全性 | ◎ Constitutional AI | ○ 標準的 | ○ 標準的 |
| API価格 | 中程度 | 中程度 | 比較的安い |
| 無料利用 | ○ 制限あり | ○ 制限あり | ○ 制限あり |
📌 どのAIを使うべき？
正解は「目的に合わせて使い分ける」です。本ガイドではClaudeを中心に学びますが、他のAIの特徴も知っておくと、最適なツールを選べるようになります。
- 文章作成・分析・コーディング → Claude がおすすめ
- 画像生成を含む作業 → ChatGPT（DALL-E統合）
- Google サービスとの連携 → Gemini
- 専門的な画像生成 → Midjourney、Stable Diffusion
中級者向けヒント
🚀 技術的な深掘り
- LLM（大規模言語モデル）：数千億〜数兆のパラメータを持つニューラルネットワーク。「大規模」はデータ量とモデルサイズの両方を指す
- 事前学習（Pre-training）：インターネット上の膨大なテキストで基本的な言語能力を獲得
- ファインチューニング：特定のタスクに合わせた追加学習
- RLHF：人間のフィードバック（この回答の方が良い/悪い）を使ってAIの出力品質を改善する手法
- マルチモーダル：テキスト・画像・音声など複数の入出力形式に対応するモデル
やってみよう！
✏️ ワーク：生成AIを体験してみよう
以下の3つのタスクをClaude（またはChatGPT）で試してみましょう。
- 文章生成：「私の会社の忘年会の案内メールを作成してください。日時：12月20日19時、場所：渋谷のイタリアン」と入力
- 要約：好きなニュース記事をコピー＆ペーストして「この記事を3行で要約してください」と指示
- 翻訳：「以下の日本語を英語に翻訳してください：弊社は2025年創業のIT企業です」と入力
それぞれの結果を見て、「AIが作った文章」の品質を自分の目で確認してみてください。驚くほど自然な文章が返ってくるはずです。
📝 このレッスンのまとめ
- 生成AIは「新しいコンテンツを作る」ことができるAI
- テキスト・画像・音声・動画・コードの5カテゴリがある
- Transformer（2017年）が現在の生成AIの基盤技術
- 生成AIは「次のトークンを予測する」作業の繰り返しで文章を生成
- Claude、ChatGPT、Geminiはそれぞれ強みが異なる
- 目的に合わせてAIを使い分けることが重要