AI総論

　昨今AIが発達してきて私たちの生活に色々と活用されています。そこで、OIKE LAW+では、今年度AIに関する法的問題について掲載していく予定です。まずは、AIとは何なのか、総論にご紹介します。

まず、AIに関連する用語の説明をします。
・AI（artificial intelligence）
　AI（人工知能）には、明確な定義は存在しません。しかし、「大量の知識データに対して高度な推論を的確に行うことを目指したもの」 とされています。

・AIシステム
　活用の過程を通じて様々なレベルの自律性をもって動作し学習する機能を有するソフトウェアを要素として含むシステムといわれます。

・AIモデル（MLモデル）
　AIシステムに含まれ、学習データを用いた機械学習によって得られるモデルで、入力データに応じた予測結果を生成するものです。

・AIサービス
　AIシステムを用いた役務のことです。

・生成AI
　文章、画像、プログラム等を生成できるAIモデルに基づくAIの総称を指します。

・AIガバナンス
　AIの利活用によって生じるリスクをステークホルダー（利害関係者）にとって受容可能な水準で管理しつつ、そこからもたらされる正のインパクト（便益）を最大化することを目的とする、ステークホルダーによる技術的、組織的及び社会的システムの設計並びに運用のことです。

・AI開発者
　AIモデル・アルゴリズムの開発、データ収集（購入を含む）、前処理、AIモデル学習及び検証を通してAIモデル、AIモデルのシステム基盤、入出力機能等を含むAIシステムを構築する役割を担う事業者のことをいいます。

・AI提供者
　AIシステムをアプリケーション、製品、既存のシステム、ビジネスプロセス等に組み込んだサービスとしてAI利用者、場合によっては業務外利用者に提供する事業者のことをいいます。

・AI利用者
　事業活動において、AIシステム又はAIサービスを利用する事業者のことをいいます。

・業務外利用者
　事業活動以外でAIを利用する者又はAIを直接事業で利用せずにAIシステム・サービスの便益を享受する、場合によっては損失を被る者のことをいいます。

・機械学習
　AIが大量のデータからパターンや特徴を学習し、未知のデータに対する予測や分類を行う手法です。教師あり学習、教師なし学習、強化学習などがあります。

各用語の関係性は以下の図とおりになります。

（引用元：「AI事業者ガイドライン（第1.1版）本編」https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/pdf/20250328_1.pdf）

　ここまでAIに関連する用語を説明してきました。ここからは、AIとは実際どのような仕組みなのかについて説明していきます。AIは、人工知能というだけあって、仕組みのイメージとしては、私たち人間が頭の中で行っていることを関数にして計算しているというイメージになります。
　AIは、ある事柄に関する関数を作成するために学習する必要があります。その学習方法として機械学習があります。機械学習とは、データから機会が自動で学習し、データの背景にあるルールやパターンを発見する方法のことをいいます。
　画像を学習するのを例に挙げて説明すると、大量の画像データにタグ付けをして学習させます。猫のタグ付けした画像データを大量にAIに与えて、AIがその画像を分析して猫について学習します。学習し終わり、猫の画像を判別できるAIモデルが完成します。
　そして、機械学習の１つの方法としてディープラーニング（深層学習）という方法があります。ディープラーニングとは、情報処理する階層が多い（＝深い）という意味です。
　ディープラーニングでよく採用されている分析構造のことをニューラルネットワークといいます。ニューラルネットワークとは、人間の脳神経系のようなネットワークという意味です。上記のとおり、入力層・隠れ層（中間層）・出力層の3つの層が、神経系の結びつきと同じように細かく結びついています。ニューラルネットワークのなかでも隠れ層の数を増やすことで、複雑な判断を実現しています。

（ChatGPTにより作成）

　上記図について、先ほどの猫の画像を学習させた場合にどのような学習をするか説明をすると、AIが猫の画像を縦２８、横２８のように細分化します。細分化された１マス１マスが入力層に入ります。今回の場合、入力層が７８４層あることになります。次に中間層がその１マス１マスに反応することになります。中間層で具体的にどのような分析をされているかは様々ですが、イメージしやすく例えると、中間層には、色の層があるとします。そうすると、入力層に入れられた層に対応した中間層が反応します。そのような対応を繰り返すことにより、最終的に出力層で中間層で反応した結果に応じて、入力層に入力されたデータが猫の画像であるか否かを判断されることになります。上記図でいうと、Y1が反応すれば猫の画像であり、Y2が反応すれば猫の画像でないとAIが出力するといったことになります。

　AIの種類の一つとして生成AIがあります。単純なAIと生成AIの違いとは、AIは学習したデータに基づいて何かを判別したり、予測したりするのに対し、生成AIは、学習したデータを基に新たなデータを創出することです。
　猫の画像を例にすると、単純なAIはある画像について猫かどうかを判断することはできますが、猫の画像を作成することはできません。それに対して、生成AIは猫の画像を作成することができるということになります。

　AIの活用により便益が広がる一方で、利用の拡大及び新技術の台頭に伴い、それらが生み出すリスクも増大しています。特に生成AI の普及に伴っては、偽情報・誤情報の生成・発信等リスクの多様化・増大が進むほか、知的財産権の尊重を求める声が高まっています。
　リスクを認識し、リスクの許容性及び便益とのバランスを検討したうえで、積極的にAI の開発・提供・利用を行うことを通じて、競争力の強化、価値の創出、ひいてはイノベーションに繋げることが期待されています。

　今後の記事において、AIのリスクや法的な問題について取り上げていきますので、是非ご覧ください。