52歳PMがG検定の挫折から見つけたAIの全体像——複雑なAI用語を4本の軸で整理する「構造地図」

AIシリーズ「AI活用実験室」特別回

正直に言う。

私は先月、word2vecとELMoとBERTの違いを紙に書き出して、3分後に全部消した。

書いては消し、書いては消し、を4回繰り返したところで、娘が部屋に入ってきて「お父さん、何してるの」と聞いた。「AIの勉強」と答えたら、「AIに聞けばよくない？」と言われた。

確かに。

だが問題は、AIに何を聞けばいいかが分からないほど、頭が混乱していたことだ。word2vecを調べているとfastTextが出てきて、fastTextを調べているとELMoが出てきて、ELMoを調べていたら急にBiLSTMという言葉が登場して、BiLSTMを調べたら「まずRNNを理解してください」と言われた。

このとき私は、登山口を探して山の周りを3周しているような感覚だった。

転機は、ある夜、紙に「地図を描こう」と思ったことだった。個別の概念を覚えようとするのをやめて、全体の構造から入る。これはPMとして20年間やってきたことと、まったく同じ発想だった。

序章　現象：AIの用語は多いが、軸は4本しかない

G検定の出題範囲を見て、最初に感じるのは「多い」という圧迫感だ。

word2vec、ELMo、BERT、VAE、NeRF、CNN、ResNet、DCGAN、Q学習、教師強制、ホールドアウト、シャープレシオ、ドメインランダマイズ——これらが一つの試験に全部出てくる。脈絡がないように見える。だが、ここに地図を描いてみると、実は4本の軸だけで整理できることが分かった。

この記事は、その地図を共有するためのものだ。

一、一般論——「AIは難しい」と感じる本当の理由

AIが難しく感じられるのは、技術が複雑だからではない。理由は二つある。

一つは、歴史順に学ぼうとするからだ。AlexNet→VGGNet→ResNetと時系列で追うと、なぜ変化したのかの文脈が分からないまま名前だけが増えていく。もう一つは、個別に覚えようとするからだ。word2vecを単体で覚え、ELMoを単体で覚えると、「それで何が違うのか」が見えなくなる。

解決策は、先に軸を持つことだ。「これは表現学習の話か、モデル構造の話か、学習理論の話か」という軸が頭の中にあると、新しい用語が出てきたとき、地図のどこに置けばいいかが分かる。地図があれば、迷子にならない。

二、構造分析——AIを4本の軸で読む

ここから、地図を描いていく。

AIという技術の全体は、おおよそ4本の軸で構成されている。

第一の軸は「表現学習」だ。現実の情報——単語、文章、画像、空間——をどうやってコンピュータが扱える数値に変換するか、という技術群だ。word2vec、ELMo、VAE、NeRFはすべてここに属する。この軸のキーワードは「変換」だ。意味を数値空間に変換する。

第二の軸は「深層学習の構造と進化」だ。変換された数値から、どうやってパターンや構造を学ぶか、という技術群だ。CNN、ResNet、MLP、GANはここに属する。この軸のキーワードは「学ぶ」だ。深く、速く、軽く学ぶ方向に進化してきた。

第三の軸は「学習理論と確率・統計」だ。学習をどう設計し、評価し、汎化させるか、という技術群だ。Q学習、教師強制、ホールドアウト、ロジスティック回帰、シャープレシオはここに属する。この軸のキーワードは「汎化」だ。訓練データだけでなく、未知のデータにも通用する形に仕上げること。

第四の軸は「計算基盤」だ。これらすべてを支えるハードウェアとインフラだ。GPUが並列計算で深層学習を実用的な速度にした、という話はここに位置づけられる。

三、表現学習の軸——「現実を数値に変換する技術」を読む

まず第一の軸、表現学習から整理していく。

word2vecは、単語を高次元ベクトルに変換する技術だ。「王」と「女王」の関係が、ベクトルの差として表現されるという話は有名だ。大切なのは「意味の近さが距離で表せる」という発想の転換だ。

fastTextは、word2vecの拡張版として位置づけると分かりやすい。単語全体ではなく「文字n-gram（部分文字列）」も使ってベクトル化するため、「食べながら」のような未知語や造語にも対応できる。未知語への強さが実務での差になる。

ELMoは、ここで大きな発想の転換が起きた技術だ。word2vecは「銀行」という単語には常に同じベクトルを割り当てる。だがELMoは文脈によって「銀行」の意味が変わることを表現できる（「お金の銀行」と「土手としての川岸」は意味が違う）。この「文脈依存の埋め込み」という発想が、後のBERTへと続く道を開いた。

VAEは方向が少し違う。入力を潜在空間（latent space）に圧縮し、そこから再生成する。連続的な潜在空間を持つことで、潜在空間の中を移動しながら中間的な出力を生成できる。これは「表現の意味を編集できる空間を作る」という発想だ。

NeRFは、画像から3次元空間を推定する。複数の2D写真から「この座標の点は何色で、どれだけ密か」を学習する。現実の物体を数値空間の構造として再構成するという意味では、表現学習の最先端に位置する。

この軸全体を一言で言えば「現実を数値空間に変換し、意味の構造を保存する技術」だ。

四、深層学習の進化の軸——「深く・速く・軽く」という方向性

第二の軸、深層学習の構造の進化を読む。

MLPは多層パーセプトロン、つまり全結合の基本的なネットワークだ。非線形関数の近似器として機能する。「なぜ非線形か」が重要で、線形だけでは複雑なパターンを学べない。

CNNは画像のために生まれた構造だ。畳み込み（convolution）という演算で、画像の局所的な特徴を効率よく抽出する。全結合より格段にパラメータが少なく、画像のパターン学習に適している。

ResNetは、深いネットワークを学習可能にするためのスキップ接続（residual connection）という発想だ。「前の層の出力をそのまま次に足す」という単純なアイデアが、100層以上の深層ネットワークの学習を安定させた。深くできるようになった、という進化の分岐点だ。

GAPはGlobal Average Poolingの略で、特徴マップを空間方向に平均して一つのベクトルに圧縮する技術だ。全結合層の代替として使われ、パラメータ数を大幅に減らす。軽量化という方向への進化の一つだ。

GANは二つのネットワーク（生成器と識別器）を競わせることで、本物らしいデータを生成する。DCGANはCNNを使って安定した学習を実現したバージョンだ。

物体検出の系譜は、R-CNN→Fast R-CNN→Faster R-CNNという流れで「速く」なってきた歴史だ。R-CNNは候補領域ごとにCNNを走らせて遅かった。Fast R-CNNはCNN計算を共有化した。Faster R-CNNはRPN（Region Proposal Network）で候補領域生成もネットワーク化して、さらに高速にした。名前に「Faster」がつくたびにボトルネックを一つ潰してきた歴史だ。

この軸全体を一言で言えば「深く・速く・軽くする方向に進化している」。

五、学習理論・確率の軸——「汎化とは何か」を問う技術群

第三の軸、学習理論と確率・統計を読む。

ここが最も地味だが、最も実務に近い軸だ。なぜなら「良いモデルが作れたかどうか」の判断基準がここにあるからだ。

ARモデル（自己回帰モデル）は、過去の値から未来を予測する。時系列データの基本的なモデルだ。

Q学習は強化学習の中核の手法だ。「状態×行動」の組み合わせに価値（Q値）を割り当て、報酬を最大化する方向に更新していく。信用割当問題とは「どの行動が最終的な結果に効いたのかが分からない」という難しさで、強化学習が取り組む根本課題だ。

教師強制（Teacher Forcing）は、系列データの学習で「正しい答えを次のステップの入力に使う」という手法だ。予測が外れたときでも正しい入力でトレーニングが続けられる利点がある。一方、推論時との乖離（exposure bias）という問題も引き起こす。

ホールドアウトは、データを訓練用と評価用に分けて、モデルの汎化性能を測る手法だ。評価用データは学習に使わないという厳格な分離が鍵だ。

ロジスティック回帰は、入力から「この入力がクラス1である確率」を出すモデルだ。出力が確率（0〜1の間）であることが重要で、シグモイド関数でそれを実現する。

シャープレシオはリスクあたりのリターンを測る指標で、投資論からきているが強化学習の方策評価にも使われる。高ければ「リスクに見合ったリターンが得られている」ことを示す。

few-shotは少数の例示だけでタスクをこなす推論の形だ。大量の学習データなしに新しいタスクに適応できる能力として注目されている。

オッカムの剃刀は「同じ説明力なら、シンプルなモデルを選べ」という原則だ。過学習を避けるための哲学的な基準として機能する。

ドメインランダマイズは、シミュレーション環境の設定をランダムに変えながら学習させることで、現実世界への適応性を高める手法だ。

この軸全体を一言で言えば「学習とは誤差最小化と汎化評価と、データの扱い方の工夫である」。

六、全体の構造図——地図を一枚にまとめる

ここで、4本の軸を一枚の地図に統合する。

AIとは何か、を一文で言うとこうなる。「AIとは、現実を数値空間に変換し（表現学習）、誤差最小化で構造を学び（深層学習の進化）、汎化できる形に圧縮する（学習理論）技術群であり、それを支える計算基盤（GPU）の上に成立している」。

縦軸を「変換→学習→汎化」とすれば、AIの全体像は一本の流れとして見える。現実のデータを数値に変換し、その数値から構造を学び、未知のデータにも通用する形に仕上げる。これがAIの基本的な流れだ。

人を責めるより構造を見る、という思想は、AIの学習そのものにも当てはまると、地図を描きながら感じた。個々の誤りを責めるのではなく、誤差の構造を見て、モデルを調整する。これは組織論でも機械学習でも、同じ発想だ。

本記事を含む一連の記事は、書籍化を視野に入れながら執筆を続けている。AIという技術の全体像を一枚の地図として持てたとき、個々の技術は怖くなくなる。その地図を共有することが、このシリーズの目的の一つだ。

七、統合章——52歳のPMが地図を持って気づいたこと

構造が見えると、怖くなくなる。

AIの技術用語が多く感じられたのは、私が「個別に記憶しようとしていた」からだ。表現学習の軸、深層学習の進化の軸、学習理論の軸という枠組みが先にあれば、新しい用語が出てきたとき「この軸のどこか」と考えるだけでいい。

これはPMとしての20年間でも、まったく同じことを繰り返してきた。プロジェクトが混乱しているとき、個別のタスクを管理しようとすると溺れる。だが「このプロジェクトは今、どのフェーズのどの軸で問題が起きているのか」という構造で見ると、対処すべき場所が見えてくる。

AI学習と組織管理は、同じ問いを持っている。「細部の前に、構造を見よ」。

愛される才能という言葉も、ここに繋がる。AIを難しく教える人より、「こう整理すれば全部見えてくる」という地図を渡してくれる人の方が、また会いたいと思われる。知識より、問いを残す。地図を渡すとは、問いを持ち歩けるようにすることだ。

終章　結論——地図を持つ前と持った後で、世界の見え方が変わる

正直に言う。

あの夜、書いては消しを4回繰り返した紙を、翌朝もう一度取り出して、4本の軸を書いた。表現学習、深層学習の進化、学習理論・確率、計算基盤。その4本の枠に、知っている用語を一つずつ書き込んでいった。

枠が埋まるたびに、「なるほど、これとこれは同じ軸の話だったのか」という発見があった。ELMoとword2vecが対話を始めた。ResNetとFaster R-CNNがつながった。Q学習と教師強制が同じ軸に並んだ。

娘が「AIに聞けばよくない？」と言った言葉は、半分は正しい。だが、地図を持たずにAIに聞くと、答えは正確でも迷子が続く。地図を持ってAIに聞くと、返ってくる答えを正しい場所に置けるようになる。

問いの質が変わると、答えの深さが変わる。これは、AI学習も人生も、同じ構造だと思う。

⸻

ここから有料（¥1,980）

⸻

本有料パートで提供する5つの価値

一つ目は、G検定で特に混同されやすい「似ている概念の対比表」——ELMo vs BERT、YOLO vs Faster R-CNN、VAE vs GAN、Q学習 vs 方策勾配など、試験でひっかかりやすいペアを構造で比較した解説である。

二つ目は、4本の軸をそれぞれ「試験で出やすいポイント」に絞って解説した頻出重要度ランキングである。

三つ目は、この記事で扱った全概念の「相互関係マップ」——どの技術がどの技術の上に乗っているか、あるいはどう発展したかを系譜図として解説したものである。

四つ目は、「もし一問一答を作るとしたら」という形で、各軸の最重要概念を問答形式で確認できる自己チェックリストである。

五つ目は、ダウンロード特典として用意した「AI地図・試験直前カンペ（A4一枚版）」である。