AI（人工知能）という言葉は日常的に耳にするようになりましたが、その正確な意味を説明できる人は多くありません。このスライドでは「AIと呼ばれる由来やその性質」をテーマに、AIの基礎知識をゼロからわかりやすく解説します。

AIの手法は大きく「ルールベース」と「機械学習」の2つに分かれます。ルールベースは人間が事前にルールを定義する方式で、医療診断システムなどに使われてきました。一方、機械学習は大量のデータからパターンを自動的に見つけ出す方式で、需要予測や画像認識など幅広い分野で活用されています。現在のAIブームは機械学習の発展によるものです。

機械学習の基本的な考え方は「大量のデータから規則性を見つけ、未知のデータに対して予測や分類を行う」というものです。例えば、過去の天気データから明日の天気を予測したり、大量のメール文面からスパムかどうかを判定したりします。人間が明示的にルールを書く必要がないため、複雑な問題にも対応できるのが強みです。

機械学習には主に4つの手法があります。「教師あり学習」は正解データを使って学習する最も一般的な手法です。「教師なし学習」は正解を与えずにデータの構造を発見します。「半教師あり学習」は少量の正解データで効率的に学習する手法。「強化学習」は報酬を最大化するように行動を最適化する手法で、ゲームAIやロボット制御に使われます。

教師なし学習の代表的な手法として「クラスタリング」と「次元削減」があります。クラスタリングは似た特徴を持つデータをグループ分けする技術で、顧客セグメンテーションなどに活用されます。次元削減はデータの変数を減らして本質的な特徴を抽出する技術で、大量データの可視化や前処理に役立ちます。

ニューラルネットワークは、人間の脳の神経回路を模倣した学習手法です。脳の神経細胞（ニューロン）の仕組みをプログラムで再現し、層状に接続することで複雑なパターン認識が可能になります。近年の深層学習（ディープラーニング）ブームは、このニューラルネットワークを多層化したことで飛躍的に精度が向上したことがきっかけです。

マイクロソフトCEOサティア・ナデラの言葉「AIは人間の仕事を奪うのではなく、人間の可能性を広げる道具である」が示すように、AIは私たちの味方です。AIの基本を理解することは、これからの時代を生きるうえで必須のリテラシーと言えるでしょう。まずはこのスライドの内容を土台に、AIへの理解を深めてみてください。