生成AI（Generative AI）とは
生成AIは、人工知能の一分野であり、既存のデータ（テキスト、画像、音声、コードなど）を学習し、それと類似した新しい、オリジナルのコンテンツやデータ（作品）を生成する能力を持つモデルやシステムを指します。
生成AIの主な目的
生成AIの核心的な目的は、学習データが持つパターンや構造を理解し、それを模倣または拡張することで、新しいデータを創り出すことにあります。これは、単に既存のデータを分析・分類するだけでなく、創造的なタスクを実行できる点が特徴です。
選択肢の評価
- 選択肢1: これは識別モデル（Discriminative Model）の主な目的です。例えば、画像が犬か猫かを分類したり、メールがスパムかどうかを判定したりするタスクが該当します。生成AIは分類ではなく生成を目的とします。
- 選択肢2: 正しい。生成AIは、学習データセットの特徴を捉え、それに基づいて新しいデータ（文章、画像、音楽など）を生成することを目指します。
- 選択肢3: これは次元削減（Dimensionality Reduction）と呼ばれる技術の目的です。主成分分析（PCA）などが代表例で、データの情報をなるべく保持しながら特徴量の数を減らすことを目指します。生成AIの主目的ではありません。
- 選択肢4: これは強化学習（Reinforcement Learning）のアプローチを説明しています。エージェントが環境内で試行錯誤し、報酬を最大化するように行動を学習します。ゲームAIやロボット制御などに用いられますが、生成AIとは異なります。
生成AIと識別モデルの違い
- 生成モデル: データがどのように生成されるか（同時確率分布 P(X, Y) やデータ分布 P(X)）を学習し、新しいデータを生成する。例: GAN, VAE, 大規模言語モデル(LLM)。
- 識別モデル: データ間の境界線（条件付き確率 P(Y|X)）を学習し、データを分類・予測する。例: ロジスティック回帰, SVM, 多くの分類用ニューラルネットワーク。
生成AIの応用例
- テキスト生成: 記事作成、チャットボット、コード生成、翻訳 (例: GPTシリーズ, Bard)
- 画像生成: テキストからの画像生成、画像の高解像度化、スタイル変換 (例: DALL-E, Stable Diffusion, Midjourney)
- 音声生成: テキスト読み上げ、音声変換、作曲支援
- データ拡張: 機械学習モデルの訓練データ量を増やすために、擬似的なデータを生成する。
このように、生成AIはコンテンツ作成からデータサイエンスまで、幅広い分野での活用が期待されています。