2026/11/14
今更聞けないAI知識
AIはどれも文章や画像を作る？「見分けるAI」と「作るAI」の違い
この記事の要点
生成AIはAIの一種であり、すべてのAIが文章や画像を作るわけではありません。AI・機械学習・生成AIの関係を傘にたとえ、架空の迷惑メール判別と商品紹介文作成を比較します。「何を入力し、何が返り、どこを確かめるか」から、身近なAI機能の役割を判断する見方を紹介します。
目次
「AI搭載」でも、文章を作るとは限りません
メールのサービスにも、商品紹介文を作るサービスにも「AI」という言葉が付いています。どちらもAIなら、メールを振り分ける機能に文章作成も頼めるのでしょうか。名前だけを見ると、同じようなことができそうに感じるかもしれません。けれども、「AIを使っています」という説明だけでは、その機能が何をするものかまでは分かりません。
一言で答えると、生成AIはAIの一種であり、作る以外の働きをするAIもあります。IBMの解説では、AIの働きとして物体の識別や情報に基づく推薦などが挙げられ、生成AIは文章・画像などのコンテンツを作る技術として説明されています。文章や画像の作成は、AIの働きの一部なのです。（出典: IBM）
この記事では、架空の小さな雑貨店を例に考えます。店に届くメールを「通常の連絡」と「迷惑メールの疑い」に分ける機能と、新商品の紹介文の下書きを作る機能があるとします。前者に期待するのは、届いたメールを適切に見分けることです。後者に期待するのは、商品の情報を使って文章を組み立てることでしょう。同じ店で使うAIでも、任せたい仕事は違います。
ここで役立つのは、難しい技術名をたくさん覚えることではありません。「このAIは、何を受け取り、何を返すのか」と見る習慣です。判定結果が返るのか、文章が返るのか。それが分かれば、機能への期待も、結果の確かめ方も具体的になります。「AIなら何でもできるはず」と考える前に、目の前の機能の役割を一つの動詞で表してみましょう。
AIという大きな傘の内側に、機械学習があります
AIは「人工知能」を意味し、人の知的な働きに関わる処理をコンピューターなどで実現する幅広い技術を指します。Google Cloudの説明でも、言葉への応答、データの分析、推薦などが含まれています。AIという言葉は、特定の一つの製品や、一つだけの作り方を示す名前ではありません。（出典: Google Cloud）
関係を整理するなら、大きな傘を思い浮かべると分かりやすいでしょう。「AI」と書かれた傘の内側には、さまざまな技術があります。その一つが機械学習です。機械学習とは、データから傾向や規則性を学び、それを予測や判断に使う方法です。Google Cloudは、AIを広い概念、機械学習をその一部として説明しています。（出典: Google Cloud）
架空の雑貨店のメール判別で考えてみます。「この言葉があれば必ず迷惑メール」という条件だけを人が並べる代わりに、過去のメールとその分類を例として使い、判別に役立つ傾向を学ばせる方法が考えられます。これは仕組みを理解するための例示です。IBMは、入力の例と正解の分類を組にして学ばせ、まだ見ていないデータの分類などに使う方法を説明しています。（出典: IBM）
ただし、傘のたとえにも限界があります。傘の内側にある技術を、互いに無関係な道具として想像する必要はありません。一つのサービスで複数の技術を組み合わせることも考えられます。初心者の段階では、「AIと機械学習は、どちらが優秀かを競う別製品ではない」と押さえれば十分です。AIという広い呼び名の中に、データから学ぶ機械学習という方法がある、と整理すると用語の混乱を減らせます。
生成AIは、学んだ傾向からコンテンツを作ります
では、生成AIは傘のどこに位置するのでしょうか。生成AIは、文章や画像などを作るAIです。IBMの解説では、機械学習の一部である深層学習を使うモデルとして説明されています。深層学習とは、多層の処理の仕組みを使い、データに含まれる複雑な傾向を学ぶ方法です。今回の理解に必要なのは、「AIの中に機械学習があり、その技術を土台にする生成AIがある」という関係でしょう。（出典: IBM）
生成AIの説明に出てくる「モデル」は、学習によって得られた処理の仕組みを指します。Google Cloudは、機械学習モデルを、学習用データに対して処理を行った結果として得られるものと説明しています。モデルという言葉を見かけても、特別な機械の外形を思い浮かべる必要はありません。（出典: Google Cloud）
文章を作る場合の身近なたとえは、多くの文章に見られる言い回しや構成の傾向をもとに、依頼に合う下書きを組み立てる仕組みです。IBMによれば、生成モデルは学習データの特徴や関係を表したものを利用し、元のデータと似ていても同一ではない内容を作ります。ただし、これは人が経験を思い出して作文することと同じだ、という意味ではありません。（出典: IBM）
架空の雑貨店なら、マグカップの特徴を渡し、紹介文の案を作る使い方が例として考えられます。このとき出てくるのは「商品Aに分類します」という判定ではなく、読者に向けた文章です。生成AIを理解する入口は、難しい内部構造よりも、この出力の違いにあります。何かを見分けた結果を返す働きと、コンテンツを組み立てて返す働きを区別してみてください。
迷惑メールの判別と商品紹介文では、確かめる点が違います
ここからは、二つの機能を使う場面をもう少し具体的に比べます。以下はすべて架空の例です。実在するサービスの機能や、実際に操作して得た結果を示すものではありません。比較する目的は、AIの名前を覚えることではなく、任せる仕事に応じて結果の見方を変えることです。
迷惑メールの判別では、入力は届いたメール、出力は「迷惑メールの疑いがあります」といった分類結果です。確かめたいのは、その分類が適切かどうかでしょう。たとえば取引先からの連絡を誤って振り分けていれば、文章が自然かどうかを評価しても問題は見つかりません。必要なのは、必要な連絡を見落としていないかという確認です。
商品紹介文の作成なら、入力には商品名や特徴、想定する読者などが考えられます。出力は、その情報を使った文章の案です。たとえば「陶器製」「容量は250ミリリットル」「青色」という架空の情報を渡したとします。確認するのは読みやすさだけではありません。渡していない「電子レンジ対応」などの説明が加わっていないかも点検したいところです。これは商品紹介文を確認する際の提案です。
生成AIへの依頼文や入力は「プロンプト」と呼ばれます。Googleの用語集でも、求める出力を導くためのプロンプトの工夫が説明されています。（出典: Google for Developers）依頼の例なら、「次の商品情報だけを使い、初めて購入する方に向けて紹介文の案を作ってください。情報にない特徴は加えないでください」と書けるでしょう。ただし、指示を書いたことと、その指示どおりの結果が得られたことは別です。実際の文章を商品情報と照らし合わせる必要があります。判別には分類の点検、文章作成には内容の照合というように、仕事に合った確認を組み合わせましょう。
「見分ける」と「作る」は、サービスの中で組み合わさります
ここまでの説明から、「見分けるのが機械学習、作るのが生成AI」と完全に二分したくなるかもしれません。しかし、その覚え方では関係を取り違えます。生成AIも、機械学習の技術を土台にしています。機械学習と生成AIは、同じ階層に並ぶ対立した名前ではありません。IBMの説明でも、AI、機械学習、深層学習、生成AIは関連する概念として整理されています。（出典: IBM）
また、生成AIを使ったサービスであっても、利用者が毎回長い文章や画像を受け取るとは限りません。Googleの用語集では、言語モデルへの依頼例として、指定された国の通貨を答えさせるものが示されています。短い答えだから生成AIではない、と出力の長さだけで判断することはできません。（出典: Google for Developers）
架空の雑貨店であれば、問い合わせを内容別に分け、その分類を参考に返信文の案を作る構成が応用例として考えられます。ここには「見分ける」と「作る」の両方があります。ただし、この例から、特定のサービスが同じ構成を採用していると判断することはできません。画面に文章が出ているだけでは、内部でどの技術をどう使っているかまでは分からないためです。
利用者として役立つのは、サービス全体の呼び名と、個々の機能の役割を分けて読む姿勢でしょう。「AIサービスです」と紹介されていても、今回使うのが問い合わせの分類なのか、返信文の下書きなのかで確認点が変わります。製品の説明を読む際は、技術名だけを拾うより、「何を入力する機能か」「どんな結果を返す機能か」という説明を探すと、用途との相性を考えやすくなります。内部の技術を言い当てることより、自分の目的に必要な働きがあるかを確かめることが先です。
明日は「何をするAIですか」と問い直してみましょう
「AI搭載」という表示を見たとき、すぐに文章作成を想像する必要はありません。候補を見分ける、数値を予測する、情報を推薦する、文章や画像を作るなど、AIという呼び名の下には異なる働きがあります。Google CloudとIBMの解説を踏まえると、AIは幅広い技術の呼び名であり、機械学習はその一部、生成AIはコンテンツを作る技術として整理できます。（出典: Google Cloud、IBM）
この知識を使うために、用語の定義を暗記する必要はないでしょう。明日、身近な機能やサービスの説明を一つ開き、「これは何をする機能ですか」と問い直してみてください。たとえば「メールを見分けます」「商品の紹介文を作ります」のように、短い言葉に直せれば、その機能へ何を任せたいのかが見えてきます。
確認のための問いは、次の三つに絞る方法を提案します。
- 何を入力する必要がありますか。
- どのような結果が返りますか。
- その結果のどこを、人が確かめますか。
架空の雑貨店なら、メール判別については「届いたメールをもとに分類し、必要な連絡が紛れていないか確かめます」と整理できます。商品紹介文なら、「商品の情報を渡して下書きを作り、事実と表現を確認します」となるでしょう。ここまで言葉にできれば、同じAIという名前でも、依頼する仕事と確認する責任が違うことを説明できます。
説明を読んでも何が返るか分からない場合は、利用例や機能説明をもう少し確かめてから判断する方法もあります。「AIを使っているから」という理由だけで選ぶ必要はありません。自分が終えたい仕事を一つ挙げ、その仕事に必要なのが判定なのか、予測なのか、文章の案なのかを書いてみてください。その一行が、目の前のAIを選ぶための具体的な基準になります。