章一覧

全章リスト

順番に読むなら第1部「基礎」から。必要な章だけ拾い読みするなら、「困ったとき」目線でタイトルを眺めてください。

第1部 基礎 — 何を・なぜ知るか
01 第1部 基礎

生成AIとは何か

生成AI(Generative AI)の本質。識別モデルとの違い、確率分布のモデリング、なぜ近年急速に発展したのかを、エンジニア視点で根本から解説。

約7分 読む →
02 第1部 基礎

歴史と系譜

記号AIから機械学習、深層学習、Transformer、大規模化、マルチモーダル・エージェントへ。生成AIに至る積み重ねを大局でたどる。

約6分 読む →
第2部 技術 — どう動くか
03 第2部 技術

仕組みと構造 — エンジニア視点

テキストがトークン化され、ベクトル化され、Transformerで処理されて確率分布になり、サンプリングで文章になる。LLMの推論パイプライン全体を順に追う。

約12分 読む →
04 第2部 技術

生成AIの種別

モダリティ(テキスト・画像・音声・動画)とアーキテクチャ(自己回帰・拡散・GAN・VAE)の二軸で生成AIを整理。OSS/商用の提供形態も含めて全体地図を描く。

約8分 読む →
第3部 実践 — どう使いこなすか
05 第3部 実践

効果的な活用法 — 業務で使いこなす型

メール、議事録、企画書、リサーチ。研究で検証された再現性のある型を、ビジネス職の業務シーンに落とし込む。文脈内学習・CoT・Self-Refine・RAG・ReAct を実例で。

約22分 読む →
06 第3部 実践

カスタマイズの階層

プロンプト・RAG・微調整・事前学習。コストの低い順に試す原則と、LoRA/PEFT、ツール利用、エージェント、評価とガードレールまで。

約9分 読む →
07 第3部 実践

主要サービスの比較と選び方

ChatGPT・Claude・Gemini・Copilot・Grok。2026年5月時点で各社公式ページに記載されているモデル名・コンテキスト長・料金を、すべて出典URL付きで整理する。

約13分 読む →
12 第3部 実践

よくある質問(FAQ)

料金、機密情報、サービスの違い、使い方の落とし穴、未来予測まで。検索クエリで来る人が一番知りたい25問に答える。

約10分 読む →
第4部 社会 — 影響と責任
08 第4部 社会

活用事例 — 実験から、社会の基盤へ

パナソニック コネクト、電通デジタル、Klarna、Midjourney、Cursor、Stack Overflow開発者調査。少人数と大企業の数字を、すべて公式発表・公式調査の出典URL付きで整理する。

約8分 読む →
09 第4部 社会

リスクと注意点

情報漏洩、ハルシネーション、著作権、バイアス、プロンプトインジェクション、雇用への影響。いま現場で実際に起きている問題を知り、備える。

約8分 読む →
10 第4部 社会

規制・倫理・ガバナンス

AI倫理の基本原則、EU AI Act、米コロラド州AI法、日本のAI法、AI事業者ガイドライン、組織のガバナンス。すべて公式テキストの出典URL付きで整理する。

約8分 読む →
11 第4部 社会

これからの展望

エージェントの時代、マルチモーダルと現実世界、推論の深化、AGI・アラインメント。確定した未来ではなく、議論の地図として読む。

約6分 読む →
付録 — 用語と情報源
付A 付録

用語集

トークン、埋め込み、Transformer、アテンション、LLM、コンテキストウィンドウ、ハルシネーション、RAG、Fine-tuning ほか主要用語の要約。

約4分 読む →
付B 付録

情報源と信頼性 — エビデンスの階層

査読論文(Level A)、公式ドキュメント(Level B)、実践知(Level C)。信頼性を3層に分類し、鮮度と併記する。

約6分 読む →