目次
この記事でわかること
- 機械学習・深層学習・生成AIの正確な違い
- それぞれの関係性（包含関係）
- 初心者が混乱しやすいポイント
- Azure AI-900試験での出題視点
結論：3つは「別物」ではなく「包含関係」
まず結論から説明します。
生成AI ⊂ 深層学習 ⊂ 機械学習
つまり、
- 生成AIは深層学習の一部
- 深層学習は機械学習の一部
という関係です。
全体像を図解イメージで理解する
AI（人工知能）
└ 機械学習（Machine Learning）
└ 深層学習（Deep Learning）
└ 生成AI（Generative AI）
AI-900では、この階層構造を正しく理解しているかが頻繁に問われます。
① 機械学習（Machine Learning）とは
定義
機械学習とは、
データから規則性を学習し、判断や予測を行う技術です。
特徴
- 人がルールをすべて書かない
- 過去データからパターンを学習
- 予測・分類・異常検知に利用
代表例
- 売上予測
- スパムメール判定
- 不正検知
Azureでの代表サービス
- Azure Machine Learning
ポイント： 機械学習＝「AIの基本エンジン」
② 深層学習（Deep Learning）とは
定義
深層学習とは、
ニューラルネットワークを多層化して高度な特徴抽出を行う機械学習です。
機械学習との違い
| 項目 | 機械学習 | 深層学習 |
|---|---|---|
| 特徴量設計 | 人が設計 | 自動で学習 |
| モデル構造 | 比較的単純 | 多層ニューラルネット |
| 扱えるデータ | 表形式が中心 | 画像・音声・文章 |
代表例
- 画像認識
- 音声認識
- 自然言語処理
Azureでの代表サービス
- Azure AI Vision
- Azure AI Speech
- Azure AI Language
ポイント： 深層学習＝「人間の感覚に近い認識が可能」
③ 生成AI（Generative AI）とは
定義
生成AIとは、
学習した知識をもとに新しいコンテンツを生成するAIです。
従来AIとの決定的な違い
| 比較項目 | 従来AI | 生成AI |
|---|---|---|
| 出力 | 決まった結果 | 毎回変わる |
| 正解 | 1つ | 複数あり得る |
| 用途 | 判定・分類 | 創作・要約・対話 |
代表例
- 文章生成
- 要約
- 質問応答
Azureでの代表サービス
- Azure OpenAI Service
ポイント： 生成AI＝「考えて文章を作るAI」
試験でよく出る混同ポイント
- 生成AIはAIのすべてではない
- 深層学習＝必ず生成AIではない
- 機械学習 ≠ ルールベース
AI-900では「用語の関係性」を問う問題が多いため、 この整理は必須です。
試験対策：典型的な出題例
問題例：
文章生成・要約・対話に適したAIワークロードはどれか？
正解：
生成AI
理由： 「新しいコンテンツを生成する」という要件があるため。
まとめ
- 機械学習：AIの基礎技術
- 深層学習：高精度な認識処理
- 生成AI：新しいコンテンツ生成
- 3つは包含関係で理解する
この整理ができれば、AI-900のAI基礎問題はほぼ確実に得点できます。