「AIの種類」は、何で分けるかによって答えが変わります。特化型と汎用型・弱いAIと強いAI・機械学習とディープラーニング・生成AIは、どれもAIの種類の呼び方です。分け方の物差しが違うだけです。
この記事ではまず、AIの種類を6つの分け方で一覧表にします。次に「AIの4種類」「AIの3大分類」と呼ばれるものが何を指すかを説明します。後半は、いま身近な生成AIの仕組みと種類と料金と活用事例です。
AIの種類は分け方で6通り(一覧表)
AIの種類は、何で分けるかによって呼び方が変わります。よく使われる分け方は「できることの広さ」「人の脳の働きを再現するか」「中の仕組み」「使う目的」「機能の段階」「学び方」の6つです。
| 分け方と種類 | 中身と例 |
|---|---|
| できることの広さ 特化型AI/汎用型AI(AGI)/人工超知能 | 特化型は決まった仕事だけをこなす。汎用型は人のように色々な問題に対応する。人工超知能は人を超える知能 例:いま実用化されているサービスの多くは特化型。汎用型と人工超知能はまだ無い |
| 人の脳の働きを再現するか 弱いAI/強いAI | 弱いAIは機械学習などで人の能力を広げたり補ったりする。強いAIは人の脳の働きを実現してAIにする 例:画像認識・音声認識・翻訳は弱いAI。強いAIは開発の途中 |
| 中の仕組み 知識を書き込むAI/機械学習/ディープラーニング | 人が専門家の知識を書き込むか、大量のデータから学ぶか。ディープラーニングは機械学習の手法の1つ 例:エキスパートシステムは知識を書き込む型。いまの生成AIはディープラーニング |
| 使う目的 データを分析するAI/生成AI | データを見分けたり予測したりするか、文章や画像などを新しく作るか 例:故障の予兆を見つけるのは分析。文章や画像を作るのは生成AI |
| 機能の段階 リアクティブ・マシン/メモリー容量制限/心の理論/自己認識 | 今のデータだけで動くか、過去のデータも使うか。その先は人の気持ちや自分の状態まで理解するか 例:チェスのDeep Blueはリアクティブ・マシン。ChatGPTはメモリー容量制限 |
| 学び方 教師あり学習/教師なし学習/強化学習 | 機械学習がどう学ぶか。正解を付けて学ぶか、正解なしで学ぶか、報酬で学ぶか 例:顧客のグループ分けは教師なし学習。囲碁のAlphaGoは強化学習 |
6つは別々の物差しなので、1つのAIがそれぞれの分け方のどこかに入ります。例えばスマホの顔認証は、顔を見分ける仕事だけをこなす特化型です。
人の能力を補う弱いAIでもあります。使う目的で分けると、データを分析するAIに入ります。
AIの4種類とは 機能の段階で分けた呼び方
「AIの4種類」と言うときは、機能の段階で分けた呼び方を指すことが多いです。IBM「人工知能の種類」は、リアクティブ・マシン・メモリー容量制限・心の理論・自己認識の4つに分けています。今あるのは上の2つで、下の2つはまだ理論の段階です。
| 種類 | 中身と今あるか |
|---|---|
| リアクティブ・マシン(反応型) | 過去を覚えず、今のデータだけで動く ある。チェスのDeep Blue・Netflixの推薦 |
| メモリー容量制限(限定メモリ) | 過去のデータをしばらく使って判断する ある。ChatGPTなどの生成AI・自動運転車 |
| 心の理論 | 相手の考えや気持ちを理解する まだ無い。感情認識のAIは開発の途中 |
| 自己認識 | 自分の状態や感情まで理解する まだ無い |
AIの3大分類とは 決まった定義は無く2通りで使われる
「AIの3大分類」に決まった定義はありません。よく見るのは能力の3つと学び方の3つです。
能力の3つは、IBMの特化型AI・汎用AI・人工超知能です。今あるのは特化型だけで、ChatGPTも特化型に入るとしています。
学び方の3つは、機械学習の分け方です。総務省の令和元年版 情報通信白書は、機械学習の学習法を教師あり学習・教師なし学習・強化学習に大別しています。
| 学び方 | どう学ぶかと例 |
|---|---|
| 教師あり学習 | 正解のラベルを付けたデータで学ぶ 例:画像に「ネコ」と正解を付けて学ばせる |
| 教師なし学習 | 正解のラベルを付けずに学ぶ 例:顧客のグループ分け(クラスタリング) |
| 強化学習 | 試行錯誤して報酬で学ぶ 例:二足歩行のロボット・囲碁のAlphaGo |
AIの種類を見分ける4つの質問
気になるAIがどの種類かは、一覧表の上から4つの分け方を順に考えると分かります。
□ 決まった仕事だけをするか、何でもこなすか(特化型か汎用型か)
□ 人の能力を補う道具か、人の脳の働きを再現するものか(弱いAIか強いAIか)
□ 人が書き込んだ知識で動くか、データから学んだか(知識を書き込むAIか機械学習か)
□ 見分けたり予測したりするか、新しく作るか(分析するAIか生成AIか)
コピーしてメモに貼り、調べたいAIの名前を横に書いて1つずつ埋めてください。
ここから先は、4つ目の「使う目的」の分け方を軸に生成AIの仕組みと使い方を説明します。
生成AIとは?
生成AIを導入する前に、まずは「生成AIとは何か?」について知っておきましょう。そもそもAIは「人工知能」のことです。AIという言葉は1956年のダートマス会議で提唱されたもので、その技術は約70年かけて発展してきました。
この章ではまずAIの種類を整理します。次にここ数年で大きく進化した「生成AI」とこれまでのAIの違いを押さえ、生成AIの仕組みや代表的なサービスも取り上げます。
AIの種類は使う目的で2つに分かれる
AIの分け方はいくつかありますが、使う目的で分けると「データを分析するAI」と「新しい情報を作る生成AI」の2つになります。
総務省の令和5年版 情報通信白書も、データの分析に使うAIを「Analytical AI」と呼んで情報を作る生成AIと分けて説明しています。
<使う目的で分けたAIの種類>
| 種類 | 何をするか | 使われている場面の例 |
|---|---|---|
| データを分析するAI (Analytical AI) | 大量のデータを分析して見分けたり予測したりする | 故障の予兆を見つける 詐欺やスパムを見分ける 将来を予測する 次に表示する動画を決める |
| 生成AI | 文章や画像などの新しい情報を作る | 質問に答えたり文章を要約したりする テキストから画像を作る プログラムのソースコードを作る テキストから作曲する |
技術の移り変わりで見ると、AIには3回のブームがありました。総務省の令和6年版 情報通信白書によると、中心になった技術は次のように変わっています。
<AIの3回のブームと中心になった技術>
| 時期 | 中心になった技術 | 中身 |
|---|---|---|
| 第1次ブーム (1950年代後半〜1960年代) | 推論と探索 | 人間の考え方を記号で表して解き方を探す |
| 第2次ブーム (1980年代〜1990年代) | 知識 | 専門家の知識を人の手で書き込むエキスパートシステムが登場した |
| 第3次ブーム (2000年代〜) | 機械学習 | 大量のデータから学ぶ 手法の1つがディープラーニング(深層学習) |
いま広く使われている生成AIは、第3次ブームで進んだディープラーニングの上に成り立っています。ここからは、これまでのAIと生成AIの違いを詳しく見ていきます。
これまでの技術と生成AIとの比較

AInformation調べ相談や調べものに使うAIツールはいくらで使えるか
| ツール | 月あたり | 無料 |
|---|---|---|
| GeminiGoogle AI プラン最安 | 725円/月Google AI Plus | ○ |
| Google WorkspaceGemini | 800円/月Business Starter/年払い | × |
| GrokX Premium | 980円/月プレミアム | × |
| Slack(AI) | 1,050円/月プロ | ○ |
| Dropbox Dash | 1,200円/月Plus | × |
| ChatGPT | 1,400円/月Go | ○ |
| Mapify | 1,599円/月Basic | ○ |
2026年9月1日時点でAInformationが調べたもの。金額はそのツールを使える一番安い有料プランの月あたり。相談や調べものに使うAIツール69本のうち、日本円で払えるのは13本、無料で試せるのは18本。表に出したのは画面が日本語のもの。外貨は1ドル159.76円で換算
AInformationはAIツール494本の料金を、各社の公式ページを1本ずつ開いて確かめています。
AIツールナビで相談や調べものに使うAIに絞ると、料金と無料の範囲を横に並べて見比べられます。いくらのものが多いかを先に知りたい場合はAIツールの料金を調べた記事にまとめてあります。
これまでのAIと近年の生成AIとの違いは、簡単に言えば「AIが自ら新しいコンテンツを生み出せるかどうか」という点です。
<従来AIと生成AIの特徴を比較>
| 従来のAIの特徴 | 生成AIの特徴 |
| 人間が与えたデータを学習 限られた情報量の中での行為を自動化 | ディープラーニング(深層学習)でデータを自ら学習 新しいコンテンツを創造・提案する |
※ディープラーニングとは?:
AIの機械学習の一つで、人間の脳神経系に似た構造(人工ニューラルネットワーク)を使って、膨大なデータからその傾向や特徴をアウトプットする学習技術。
従来のAIは人間が与えたデータを学習し、そこから投げかけられた質問に忠実に回答をしたり結果を予測したりといった、あらかじめ決められた範囲内での行為を自動化するにとどまっていました。
一方で生成AIはその名の通り、自ら新しいコンテンツを作り上げることを得意としています。
その裏側では、ディープラーニング(深層学習)と呼ばれる手法でAI自ら学習を重ね、その中からデータの特徴や関連性を掴むことで、より創造性のあるコンテンツを生成する仕組みが構築されています。
これまでのAIはどうしても学習するデータ量に制限があったため、一定の情報量の中でしか判断または判定するしかなかったのですが、情報を自ら深堀りして学習する生成AIの登場で、より創造的なアイデアをもとにコンテンツを作りあげられるようになりました。
生成AIの仕組み

生成AIがどのような仕組みで新たなコンテンツを生み出すのかについて解説します。まずはざっくりとした流れを見ていきましょう。
<生成AIの仕組み>
| ①データを学習 | テキスト、画像、音声などの大量なデータをAIモデルに学習させる(トレーニング) |
| ②パターン認識 | AIモデルが学習したデータからパターンや規則性をインプットする |
| ③生成 | パターンや規則性に基づいて新しいコンテンツをアウトプット(生成)する |
例えば、文章生成AIを例に考えてみます。AIモデルに大量の文章を学習させると、それをもとに自動で単語のつながりや文法・文章構成のアルゴリズムを理解していきます。そこから目的に沿って新たな文章を生成していく流れです。
生成AIには、それぞれ得意分野を持ったAIモデルが存在しています。次ではそのAIモデルに焦点を当てていきましょう。
生成AIの種類

生成AIが得意とする技術にはおもに5種類ありますが、まずはそれら技術を生み出している代表的なAIモデル3つを紹介します。
<生成AI技術を生み出す3つのAIモデル>
| Transformer | Googleが開発した自然言語処理モデルで、人間が使う言語をコンピュータに理解させる ➡文章生成、翻訳、質問応答など、さまざまなタスクで応用 |
| GAN (Generative Adversarial Networks) | 2つのニューラルネットワーク(生成器と識別器)を利用して、大量のデータから複雑なパターンを学習 ➡より質の高い画像、音声などを生成する |
| VAE (variational autoencoder) | データの裏にある特徴(潜在変数)をつかんで学習 ➡新しいデータやコンテンツを生成する |
これら3つのモデルがあることで、文章・画像・音声・チャットボットといった生成技術が可能になります。以下で詳しく見ていきましょう。
<生成AI技術おもな5種類>
| テキスト生成 | テキストで質問や指示を投げかけると、その内容に応じた回答を自動で生成 |
| 画像生成 | テキストで指示を投げかけると、そのイメージに沿ったオリジナル画像を生成 |
| 動画生成 | 参考にすべき画像やテキストを投げかけると、その指示や内容に沿ってイメージを膨らませ短い動画を生成 |
| 音声生成 | 音声やテキストを投げかけると、その特徴を学習して新たな音声データを生成 |
| チャットボット(質問応答) | 質問したい内容テキストで投げかけると、その内容に応じた返答を的確に返してくれ、さらに発展的なアイデアを提案 |
この他にも、翻訳や長文を要約することも可能です。また動画の内容を自動かつ瞬時にまとめることもできるので、これまで膨大な時間を要していた作業時間が大幅に削減されます。
この記事の5種類は、生成AIが得意なことで分けたものです。総務省の令和5年版 情報通信白書は、生成AIの例として次の4つを挙げています。
質問に答えたり文章を要約したりするAIと、テキストから画像を作るAIです。さらにプログラムのソースコードを作るAIと、テキストから作曲するAIもあります。
生成AIができることについては、この記事の後半で活用事例と合わせてより詳しく解説しています。
生成AIの代表的なサービスと特徴
生成AIにはありとあらゆるサービスが誕生しています。そこから比較的、初心者でも扱いやすい生成AIツールを3つに絞って紹介します。それぞれの特徴を踏まえつつ見ていきましょう。
<ChatGPT・Gemini・GitHub Copilot比較表>
| ChatGPT | Gemini | GitHub Copilot | |
| 開発元 | OpenAI | Microsoft・GitHub | |
| 言語モデル | GPT-5.6(Sol / Terra / Luna) | Gemini 3.6 Flash・Gemini 3.1 Pro | 無料プランはClaude Haiku 4.5やGPT-5 miniなど (Pro以上はモデルを選べる) |
| 特徴 | 自然な文章生成 幅広い分野に対応 無料でも文字のチャットは無制限 | マルチモーダル処理 創造的なアイデア 高度な推論 | コーディング支援 デバッグ処理 VS Codeなどのエディタで使える |
| 得意とするタスク | カスタマーサポート コンテンツ作成 翻訳 学習サポート アイデア出し | 創造的なコンテンツ作成 データ分析 研究開発 マーケティング 発展的なアイデア出し | ソフトウェア開発 Webサイト制作 データ分析 |
| 日本語対応 | |||
| 料金 | 無料版:あり 有料版:月額1,400円〜※1 | 無料版あり 有料版:月額725円〜※1 | 無料版あり 有料版:Proが月10ドル※1 |
※1:2026年9月17日にAInformation編集部が各社の公式ページで確かめた価格です。GitHub Copilotはドル建てです。
ChatGPT|無料でも使える対話型AI
ChatGPTは、アメリカのOpenAIが2022年11月に公開した対話型の生成AIサービスです。公開されるとまたたく間に広まり、いまも多くの人が使っています。
人と話すような自然な受け答えが持ち味で、質問への回答や文章の要約と翻訳を得意としています。
無料版でもGPT-5.6 Lunaとの文字のチャットは無制限です(不正利用を防ぐ対策はかかります)。有料版はGoが月1,400円で、Plusが月3,000円です。
Gemini|マルチモーダル機能
Geminiは、文章・画像・動画・音声を理解できる知能を意味する「マルチモーダル機能」を備えていると話題の生成AIサービスです。ChatGPTと並べてよく比べられます。
2023年12月に発表されたGemini Ultraは、57科目の知識を問うテスト(MMLU)で初めて人間の専門家を上回ったモデルです。いまのGeminiアプリでは、2026年7月21日に出たGemini 3.6 Flashと2月19日に出たGemini 3.1 Proが使えます。
3.6 Flashはすべての人が使えて、複雑な問題を解くための3.1 ProはGoogle AI ProとUltraのプランで上限が高くなります。
開発元がGoogleなので、Googleのサービスとつないで使えます。設定の「アプリ連携」でGmailやGoogleカレンダーをつなぐと、メールの要約や予定の作成まで頼めます。この機能は無料プランにも入っています。
GoogleマップやYouTubeの公開情報を答えに使うときは、アクティビティの保存がオンになっている必要があります。
GitHub Copilot|プログラミング向け
Copilotという名前のAIは2つあります。1つはMicrosoftのAIアシスタント「Microsoft Copilot」で、無料で使えます。
WordやExcelの中でCopilotを使える有料プランは、Microsoft 365 Personalの月2,130円からです。
もう1つがプログラミング向けの「GitHub Copilot」で、無料プランでもコードの補完を月2,000回まで使えます。有料のProは月10ドルです。ここからはGitHub Copilotを紹介します。
コードを自動的に補完することを得意としているので、コード作成の質の向上が期待できます。コーディング速度も向上するため、大幅な作業時間の短縮が図れます。
またバグの早期発見やコードの改善を提案してくれるなど、プログラマーにとってはアシスタント的な役割を担ってくれるでしょう。

AIの種類の一覧表(データを分析するAIと生成AI6種類)
この記事で出てきた分け方を1つの表に並べました。いちばん上がデータを分析するAIで、その下の6行が生成AIです。
| 種類 | 何をするか | この記事で挙げた例 |
|---|---|---|
| データを分析するAI(Analytical AI) | 大量のデータを分析して見分けたり予測したりする | 故障の予兆を見つける/詐欺やスパムを見分ける/将来を予測する/次に表示する動画を決める |
| 生成AI|テキスト生成 | 質問や指示に応じた文章を作る | 小説や記事やメールの作成/翻訳と要約と校正/ChatGPT |
| 生成AI|画像生成 | 指示したイメージに沿ったオリジナル画像を作る | 写真やイラストやデザイン/画像の編集と修復/Gemini |
| 生成AI|動画生成 | 画像やテキストから短い動画を作る | アニメーション/CG/映像編集 |
| 生成AI|音声生成 | 音声やテキストの特徴を学んで新しい音声を作る | 音声合成/音楽生成/効果音作成/テキストから作曲する |
| 生成AI|チャットボット | 質問に返答して発展的なアイデアまで出す | カスタマーサポート/学習サポート/ChatGPT |
| 生成AI|コード生成 | プログラムのソースコードを作る | コードの補完/バグの早期発見/GitHub Copilot |
生成AIができないこと4つ
どの種類を選んでも、次の4つは生成AIの外側にあります。ここを人の側で埋める前提で使います。
| できないこと | 中身 |
|---|---|
| 人間のような思考や行動 | 人間のように感情を理解したり共感したりするのが難しい |
| 学習データの限界 | 学習できるデータ量に限りがあるため未知の状況へ対応できない |
| 最新情報の反映 | 学習データの更新にコストがかかるため頻繁には更新できない |
| 物理的な作業 | ネットワーク上の作業はできるが現実世界での作業はできない |
生成AIのできること・できないこと

生成AIはまだまだ発展途上の技術です。そのため当然ながら、できること・できないことがあります。以下で詳しく見ていきます。
<生成AIのできること・できないこと>
| できること | できないこと | ||
| テキスト作成 | 小説、詩、評論、記事、レポート、メールなどの文章を作成 翻訳、要約、校正 プログラミング チャットボットとの自然な会話 | 人間のような思考・行動 | 人間のように、感情を理解すること、共感することが難しい |
| 画像生成 | 写真、イラスト、絵画、デザインなどを生成 画像の編集、変換、修復 | 学習データの限界 | どうしても学習できるデータ量には限りがあるため、未知の状況への対応ができない |
| 動画生成 | アニメーション、CG、映像編集 | 最新情報の反映 | 学習するデータの更新にはコストがかかるため、頻繁に更新できない |
| 音声認識・生成 | 音声合成、音楽生成、効果音作成 | 物理的な作業 | ネットワーク上でのタスクは行えるが、現実世界での作業はできない |
生成AIは多くの情報を事前に学習し、それをもとにユーザーのリクエストに沿った答えを導き出していきます。学習する内容や量は、かつてのAIとは比べ物にならないほどに進化を遂げているため、さまざまな分野でのタスク処理能力は人間よりも優れています。
その一方で、AIに学習させる行為には、膨大な時間やコストがかかるため常に最新情報を更新し続けていくことが難しい点が挙げられます。人間の感情においても学習させることが難しい領域なため、生成AIが人間の気持ちを理解し共感することも難しいです。
生成AIのできること・できないことをよく理解したうえで、一人ひとりにとって最適な活用の仕方を模索しましょう。
やりたいことから使うAIの種類を選ぶチェックリスト
種類の名前から入ると迷います。やりたいことを先に決めて、そこから種類とサービスをたどってください。
| やりたいこと | 使うAIの種類 | この記事で挙げた例 |
|---|---|---|
| 会議の音声を文字にして議事録にする | 生成AI(テキスト生成) | Geminiへ音声を上げて文字起こしと議事録づくりを続けて頼む |
| 長い文章を要約する・翻訳する | 生成AI(テキスト生成) | ChatGPT |
| 書いた文章を図解にする | 生成AI(テキスト生成)とパワーポイント | ChatGPTで階層つきの箇条書きにしてSmartArtで図にする |
| 旅行の行程を組む | 生成AI(チャットボット) | ChatGPTかGemini |
| イラストや写真ふうの画像を作る | 生成AI(画像生成) | Gemini |
| プログラムのコードを書く・バグを直す | 生成AI(コード生成) | GitHub Copilot |
| GmailやGoogleカレンダーとつないで使う | 生成AI(チャットボット) | Geminiのアプリ連携 |
| 子どもの探究心を育てる・自由研究のアイデアを出す | 生成AI(チャットボット) | 教育現場の事例として紹介 |
| 故障の予兆を見つける・詐欺を見分ける・将来を予測する | データを分析するAI(Analytical AI) | 次に表示する動画を決める仕組みも同じ |
迷ったら、新しく作りたいものがあるかどうかで分けます。文章や画像を新しく作りたいなら生成AIです。すでにあるデータから見分けたり予測したりしたいなら、データを分析するAIの出番になります。
生成AIのシーン別活用事例
生成AIは実際にどのように活用されているのかについて、シーン別に紹介します。知識のない人でもすぐに取り入れられるよう、具体的なやり方もあわせて解説しているところもあるので参考にしてください。
ビジネス現場での活用事例
ビジネスシーンでの活用事例2つと、そのやり方の一例を紹介します。
会議の議事録を自動で作成する
会議の音声を録音さえしておけば、生成AIがそれらの文字起こしを自動でやってくれます。例えば、Geminiで議事録を作成する場合の具体的なやり方は以下です。

※Geminiの画面
- あらかじめZoomなどのツールで会議を録音しておく
- 録音した音声をGeminiにアップロードする
- Geminiに「この音声ファイルを文字に起こしてください。」といったプロンプトに入力する
- 文字起こしされたテキストが表示されたら、再度Geminiに「このテキストを議事録にまとめてください。」といったプロンプトを入力する
- 必要であれば、Geminiに「議事録に発言者名を追加してください。」または「要点を箇条書きにしてください。」などといった細かい指示を入力する
Geminiでは音声をアップロードしたあと、文字起こしをするよう指示すると瞬時にテキスト化してくれます。必要に応じて要点を箇条書きにまとめることや、そこから会議に出られなかった人のために情報をシェアすることも簡単です。
会議の最中の記録作業や終了後のアウトプットにかかっていた時間が大幅に削減されるため、作業効率が格段にアップします。
文章を図解に変換する
生成AIを使用すれば、文章で解説しているものをより分かりやすく図解にする作業も簡単です。伝えたいことを文字にすることはできても、それを図解にするのが苦手という人にはおすすめです。
以下では、ChatGPTと図解を作成するツール(SmartArt)を併用して作成する例を挙げています。

※ChatGPTで文章を要約後、パワーポイントで図解化
- 伝えたいことを文章でアウトプットする
- ChatGPTに上記のアウトプットした文章をコピペし、「以下の文章を階層を使って箇条書きにしてください。」といったプロンプトを入力する
- ChatGPT上に出てきた箇条書きを、パワーポイントにコピペする
- 右クリックで全文を選択して「SmartArt」をクリック後、好みのグラフィックを選択し図解化する
ChatGPTは文章を要約することが得意なので、まずは伝えたいことを殴り書きでも良いので書いてみましょう。そこからパワーポイントなどのほかツールを併用することで、図解や表の作成が簡単かつスピーディーに行えます。
教育現場での活用事例
教育現場での活用法も多岐に渡ります。生成AIの一番の特徴である「自然な会話が可能」なことを活かして、子どものやる気や探求心を引き出すサポートをしてくれます。
<教育現場での活用事例>
| 調べものの深堀に活用 | あるテーマについて、生成AIと対話をする中でその特徴などの仮説を立て、どんどん深堀していきながら探求心を育くむ |
| 授業後の振り返りに活用 | 授業で習ったことを生成AIと会話しながら振り返ることで、今回の学活かしていくためにはどうすべきかについて考える |
| 自由研究のアイデア出し | 何かテーマを決めて、どんな研究ができそうか生成AIにアイデア出してもらい、より発展的な研究につなげる |
| 生徒が自由に使えるチャットボットを設置 | 子どもが使える安心・安全なプラットフォームを設置して、子どもの積極的に学ぶ姿勢を育てる |
| 校務のさまざまなタスクに活用 | 教師が作成するさまざまな資料や教材のたたき台を作成して、作業効率をアップさせる |
生成AIを子どものときから使用することで一つの事柄について仮説を立て、そこからどんどん深堀していくといった積極的に学ぶ力を育てることができます。
教師の立場で見ても、生成AIを導入したほうが膨大な事務作業に時間を取られることが減るというメリットがあります。子どもとの時間が増え、よりきめ細やかなフォローができるようになるでしょう。
日常生活での活用事例
普段の生活の中でも生成AIにおける活用事例はさまざまです。日常的に使える活用法を2つ紹介します。
旅行行程を作成する
ChatGPTのチャットボット機能を使って、旅行行程を提案してもらうことが可能です。
例えば「北海道で3泊4日の旅行プランを作ってください。主に観光と食べ歩きがしたいです。予算は20万円くらいです。」といったプロンプトを入力します。すると、以下のように1日目〜4日目までの工程を瞬時に作成してくれます。

※ChatGPTの画面
※画像配置の関係により、3日目〜4日目は省略しています。
最後には旅行行程だけでなく、予算感として大体の予算の内訳が提示されているので、ざっくりとした旅行の内容を把握できます。
Geminiに同じように旅行の計画を頼むと、GoogleホテルやGoogleフライトの公開情報も使って答えてくれます(アクティビティの保存がオンのとき)。別のサイトで調べ直す手間が減ります。
オリジナル画像を作成する
生成AIに会話をする感覚で、例えば「ユニコーンに乗った女の子の画像を作成してください。」といったプロンプトを入力すると、以下のような画像を瞬時に作成してくれます。

左画像:「ユニコーンに乗った女の子の画像を作成してください。」と入力
右画像:「森の中で赤くて長い髪でシンプルな白いドレスを着た少女が、大きな羽根を持つ白いユニコーンに乗っている画像を作成してください。」と入力
※Gemini Advanced(2025年5月からGoogle AI Pro)を使用
基本的に入力したプロンプトに忠実にしたがって画像を作成してくれるのですが、イメージと違った場合は、右画像のようにさらに細かく指示すると作成し直してくれます。

生成AIの危険性と注意点

生成AIは革新的でとても便利な技術ですが、使い方を誤ると危険が伴うということを頭に入れておく必要があります。主な危険性としては以下です。
- 偽情報を鵜吞みにする
- 偏見が拡散する
- 著作権を侵害する
- プライバシーを侵害する
- 犯罪などに悪用される
生成AIはインターネット上にある膨大な情報を学習しているのですが、そのネットに上がっている内容が確かな情報なのかという判断まではできません。場合によっては、事実とは異なる情報を提示することもあるでしょう。
また、学習データが少ない分野や複雑な事柄に関しても、誤った情報を生成する可能性が高いです。ユーザーが入力したプロンプトの意図を上手く汲み取れず、的外れな回答を返す場合もあります。
これらの不安要素があるのですが、私たち人間が見極める力を養いつつ、「何事も疑ってかかる」というスタンスで使用していくことがAI社会を生きていくうえで必須の能力となるでしょう。
生成AIで今後の未来はどう変わる?

ビジネスの現場では、AIが単純作業やデータ分析を担うようになり、人間は以前より創造的な仕事に集中できるようになります。例えば、膨大なアンケート結果をまとめることをAIに任せておけば、今後はどう改善していくかの議論に集中することができるようになり、より質の高いパフォーマンスが可能になります。
日常生活の場では、自然な会話に近いやり取りで自分の好みの音楽が見つけられたり、旅行行程をより短い時間で作成したり、生成AIを使用するユーザーの数だけ活用の幅が広がっていくでしょう。
医療の現場でも近い将来、AIが画像から病名を診断できるようになるとも言われています。これまで人間がやってきた数々の作業をAIに任せられる時代がすぐそこに待っています。
AIの種類と生成AIのよくある質問
- AIの種類にはどんなものがありますか?
-
分け方によって変わります。できることの広さでは特化型と汎用型、人の脳の働きを再現するかでは弱いAIと強いAIに分かれます。中の仕組みでは知識を書き込むAIと機械学習、使う目的ではデータを分析するAIと生成AIです。機能の段階と学び方で分けることもあります。
- AIの4種類は何ですか?
-
機能の段階で分けた、リアクティブ・マシン・メモリー容量制限・心の理論・自己認識の4つを指すことが多いです。今あるのはリアクティブ・マシンとメモリー容量制限で、ChatGPTなどの生成AIはメモリー容量制限に入ります。心の理論と自己認識はまだ理論の段階です。
- AIの3大分類は何ですか?
-
決まった定義はありません。よく見るのは能力で分けた特化型AI・汎用AI・人工超知能の3つと、学び方で分けた教師あり学習・教師なし学習・強化学習の3つです。総務省の令和元年版 情報通信白書は、機械学習の学習法を後の3つに大別しています。
- 特化型AIと汎用型AIの違いは何ですか?
-
特化型AIは、画像を見分ける・翻訳するといった決まった仕事だけをこなすAIです。汎用型AI(AGI)は、人のように色々な問題に対応するAIを指します。いま実用化されているサービスの多くは特化型です。
- 強いAIと弱いAIの違いは何ですか?
-
総務省の資料では、人の脳の働きを実現してAIにするものを強いAIと呼んでいます。機械学習などで人の能力を広げたり補ったりするものは弱いAIです。画像認識や音声認識、翻訳は弱いAIに入ります。強いAIは開発の途中です。
- 機械学習とディープラーニングの違いは何ですか?
-
機械学習は、大量のデータからAIが学ぶ仕組みの全体を指します。ディープラーニング(深層学習)は、機械学習の手法の1つです。総務省の令和6年版 情報通信白書は、2000年代からの第3次ブームの中心を機械学習としています。
- 生成AIが危険と言われている理由と注意すべきリスクは何ですか
-
主なリスクは5つあります。偽情報を鵜呑みにする・偏見が拡散する・著作権を侵害する・プライバシーを侵害する・犯罪に悪用されるといったリスクです。生成AIはネット上の膨大な情報を学習していますが、その情報が正確かどうかの判断はできません。学習データが少ない分野では誤った情報を出す可能性も高いです。プロンプトの意図を汲み取れず的外れな回答が返ることもあります。「何事も疑ってかかる」スタンスで使うことが大切です。
- ChatGPTとGeminiとGitHub Copilotのどれを選べばいいですか
-
用途によって向いているAIが変わります。文章作成や翻訳、カスタマーサポートを中心に使うならChatGPTが適しています。画像や音声も含む幅広い情報を扱いたい場合はGeminiが向いていて、GmailやGoogleカレンダーとつなぐアプリ連携も使えるのが強みです。プログラミングやコード作成が目的ならGitHub Copilotがおすすめです。コードの補完やバグの早期発見と改善の提案など、プログラマーの助手になる機能がそろっています。3つとも無料版があるので、まずは無料で使い比べてみてください。
- 生成AIにできないこととできることの違いを教えてください
-
生成AIが対応できないのは主に4つの領域です。まず人間のような感情の理解や共感は難しいです。学習できるデータ量には限りがあるため未知の状況への対応もできません。更新にコストがかかるため最新情報をリアルタイムで反映することも難しいです。また現実世界での物理的な作業はできません。学習データが少ない分野では誤った情報を出す可能性もあるため、できること・できないことを理解して使うことが大切です。
この記事の更新について
- 本文の最終更新
- 2026年11月9日
- 2026年11月9日本文を更新記事の頭をAIの種類の話に寄せ、AIの4種類とAIの3大分類の章を総務省の白書とIBMの解説で足した
- 2026年10月26日表記を修正題と説明文を直した(答えを言い切る題から問いで止める形へ)
- 2026年10月12日本文を更新冒頭にAIの種類を4つの分け方で並べた一覧表と、見分ける4つの質問を足した。よくある質問の先頭に4問を足した
