目的（Learning Objectives）

• 人工知能（AI）、機械学習（Machine Learning）、深層学習（Deep Learning）の関係性と違いを理解する

• 各技術の進化の流れと代表的なアルゴリズムを把握する

• 実社会での応用例を通して技術の可能性と限界を知る

1. 序論：なぜ今AIなのか

• データ量の爆発、計算資源の進化（GPU・クラウド）、アルゴリズムの進化

• 産業界・社会・日常生活へのインパクト

• AIブームの波：1950年代（第1次）→1980年代（第2次）→2010年代（第3次）

2. 用語の整理：AI・機械学習・深層学習の違い

2-1. 人工知能（Artificial Intelligence：AI）

• 定義：「人間の知的行動を模倣するシステム」

• 広義では、ルールベースシステムも含む（例：チェスAI）

• 分類：強いAI（汎用）と弱いAI（特化）

2-2. 機械学習（Machine Learning：ML）

• 定義：「データからパターンを学習し、明示的にプログラミングせずに予測や判断を行う技術」

• AIの一分野

• 代表アルゴリズム：

  • 教師あり学習（回帰・分類：線形回帰、SVM、決定木など）

  • 教師なし学習（クラスタリング：k-meansなど）

  • 強化学習（報酬による学習）

2-3. 深層学習（Deep Learning：DL）

• 定義：「人間の脳の神経回路を模したニューラルネットワークを多層化した学習モデル」

• 機械学習の一種、近年急速に発展

• 代表モデル：

  • CNN（画像処理）

  • RNN/LSTM（時系列・自然言語処理）

  • Transformer（大規模言語モデル）