この記事でわかること
この記事では、近年急速に注目を集めている 生成AI（Generative AI） について、
従来のAIと何が違うのか、なぜ革新的なのか、どのような仕組みで動いているのかを、 AI-900（Azure AI Fundamentals）試験に合格できるレベル まで丁寧に解説します。
📌 AI-900をこれから学ぶ方へ
試験範囲の全体像と学習順を整理したロードマップを用意しています。
▶ AI-900学習ロードマップ（基礎から合格まで）
そもそも従来のAIとは何だったのか
生成AIを理解するためには、まず 従来のAI がどのような役割を担ってきたかを押さえる必要があります。
従来のAIは主に、
- 分類（Classification）
- 予測（Prediction）
- 検知（Detection）
といった「答えを選ぶAI」でした。
例を挙げると、
- 画像を見て「犬か猫か」を判定する
- 過去データから売上を予測する
- 異常な通信を検知する
これらはすべて、 用意された選択肢やパターンの中から最も近いものを当てるAI です。
生成AIとは何か
生成AIとは、 新しいコンテンツを自ら作り出すAI のことです。
具体的には、
- 文章を生成する
- 画像を生成する
- コードを生成する
- 要約や翻訳文を生成する
といったことが可能です。
「正解を選ぶ」のではなく、「答えそのものを作る」 という点が、従来のAIとの最大の違いです。
従来のAIと生成AIの決定的な違い
| 項目 | 従来のAI | 生成AI |
|---|---|---|
| 主な役割 | 分類・予測・検知 | 文章・画像・コード生成 |
| 出力 | 決められたラベルや数値 | 毎回異なるコンテンツ |
| 自由度 | 低い | 非常に高い |
| 代表例 | 画像分類、需要予測 | ChatGPT、画像生成AI |
生成AIはなぜここまで注目されているのか
生成AIが注目される理由は、 人間の創造的な作業を支援・代替できる可能性 があるからです。
例えば、
- 文章作成の補助
- 問い合わせ対応の自動化
- プログラミングの効率化
といった分野で、 業務効率を劇的に向上 させています。
生成AIの代表的な仕組み（イメージ理解）
AI-900では数式や実装理解は不要ですが、 仕組みの考え方 は理解しておく必要があります。
生成AIは大量のデータを学習し、
「次に来そうな単語（または要素）」を確率的に予測し続ける
ことで文章や画像を生成します。
つまり、
- 正解を知っているわけではない
- 最もそれらしいものを作っている
という点が重要です。
生成AIの得意なこと
- 自然な文章生成
- 要約・翻訳
- アイデア出し
- コード補完
生成AIの苦手なこと・注意点
- 事実誤認（ハルシネーション）
- 最新情報を知らない場合がある
- 必ず正解を返すとは限らない
このため、 業務では人間の確認が不可欠 です。
Azureにおける生成AIサービス
Azureでは、 Azure OpenAI Service が生成AIを提供します。
AI-900では、
- 生成AI → Azure OpenAI
- 分類・分析 → Azure AI Language / Vision
という使い分けを理解しておくことが重要です。
AI-900試験での重要ポイント
- 生成AIは「新しいコンテンツを生成するAI」
- 従来AIは「分類・予測・検知」
- 生成AIの代表例はGPT系
試験では、 要件に対してどのAIを使うべきか が問われます。
まとめ
- 生成AIは「答えを作るAI」
- 従来AIは「答えを選ぶAI」
- AI-900では違いを明確に理解することが重要
AI-900を体系的に学びたい方へ
この記事は「AI-900試験対策」シリーズの一部です。
▼AI-900完全ロードマップはこちら
