メニュー

図解でスッキリ 生成AIのきほんとしくみ

発売日: 2026/8/21 想定ページ数: 248ページ ISBN: 9784295024897 全文検索: 非対応
★★★★★ ★★★★★ 0件
※本書はEPUB(固定レイアウト型)で作成されております。検索機能や文字列のコピーがご利用できません。

生成AIの「全体像」と「業務での使いどころ」がスッキリわかる!

ChatGPTの登場以降、生成AIはエンジニアだけでなく、営業、企画、管理部門など幅広い職種で使われる技術になりました。一方で、「なぜそのような回答になるのか」「どこまで信用してよいのか」「RAGやAIエージェントは何が違うのか」など、仕組みや限界を理解しないまま活用が進み、現場で認識のずれが生まれることもあります。

本書は、生成AIを現代のITを支える基盤技術として整理する入門書です。生成AIの基本と歴史、LLMの仕組み、Transformer/Attention、トークン、ハルシネーションから、プロンプト、RAG、ファインチューニング、MCP、AIエージェント、ワークフロー、評価、コスト管理、セキュリティ、法規制・著作権までを一冊で俯瞰できます。

紙面は2ページ見開きを基本に、「左ページ=解説」「右ページ=図解」で展開。難しいテーマも図を使って順序立てて説明するため、エンジニアはもちろん、エンジニアと協働する非エンジニアにも読みやすい構成です。広木大地氏の監修に加え、巻末には参考文献も掲載しています。

【こんな人に向いています】
●生成AIの仕組みと限界を基礎から押さえたい新米エンジニア
●AI活用の前提知識を身につけたい営業・企画・管理部門の方
●社内で生成AI活用・導入を進める情シス、DX推進、研修担当者
●部署横断の共通理解を作りたい方

【本書で学べること】
●生成AIの基本、歴史、社会的インパクト
●LLM、Transformer、Attention、トークン、ハルシネーション
●プロンプト、RAG、ファインチューニング、MCP
●AIエージェント、ワークフロー、評価、コスト管理
●情報漏洩、プロンプトインジェクション、アクセス権管理
●法規制、著作権、マルチモーダル、エッジAI、AGI

「使える」だけで終わらせず、「なぜそう動くのか」「どこに注意すべきか」まで図解で理解する。生成AIを業務で活かすための基礎固めに最適な一冊です。

目次
Chapter1 生成AIの基本
Chapter2 生成AI/LLMの仕組み
Chapter3 生成AI/LLMを活用するための技術
Chapter4 AIエージェントの仕組み
Chapter5 業務に活かすための技術
Chapter6 セキュリティの必須知識
Chapter7 法規制と著作権
Chapter8 生成AIのさらなる広がり
目次プレビュー
  • はじめに
  • 本書の特徴
  • 目次
はじめに
本書の特徴
目次
  • 1-1 生成AIの意義と社会的インパクト
  • 1-2 AIの歴史
  • 1-3 機械学習とディープラーニングの登場
  • 1-4 生成AIにつながる技術革新
  • 1-5 生成AIサービスとモデルの種類
  • 1-6 主な生成AI事業者
  • 1-7 本書での学び方
  • Column フロンティアモデルと名前の由来
  • 2-1 LLMの基礎①:機械学習の基本
  • 2-2 LLMの基礎②:ニューラルネットワークの基本
  • 2-3 LLMの基礎③:ディープラーニングの基本
  • 2-4 言葉を数値に変換する — 埋め込み表現とベクトル
  • 2-5 生成AIの創生 — トランスフォーマーモデルの誕生
  • 2-6 生成AIが学ぶ仕組み — アテンション
  • 2-7 GPTモデルの仕組み — 事前学習からRLHFまで
  • 2-8 文脈を理解する方法 — トークンとコンテキスト
  • 2-9 生成AIが間違える原因 — ハルシネーション
  • Column オープンモデルという選択肢
  • 3-1 生成AIに的確に指示をする — プロンプトエンジニアリング
  • 3-2 AIに深く考えさせる — 推論モデル
  • 3-3 生成AIにマニュアルを参照させる — RAG
  • 3-4 RAGの進化 — 広がる検索の形
  • 3-5 転移学習とファインチューニング
  • 3-6 生成AIが外部ツールを使う — Function Calling
  • 3-7 生成AIと外部サービスの共通規格 — MCP
  • 3-8 AIに専門知識を与える — カスタムAIの構築
  • Column SEO対策ならぬ、LLMO対策
  • 4-1 AIが自律的に問題解決を行う — AIエージェント
  • 4-2 AIエージェントの仕組み
  • 4-3 AIエージェントの歴史① — 2022年〜2023年までの歩み
  • 4-4 AIエージェントの歴史② — 2024年〜2026年までの歩み
  • 4-5 AIエージェントによるPC操作
  • 4-6 AIエージェントに仕事の仕方を教える — Skills
  • 4-7 シングルエージェントからマルチエージェントへ
  • 4-8 AIエージェントの限界と付き合い方
  • 4-9 エージェントハーネス — AIエージェントの信頼性を高める
  • 4-10 AIエージェントが変える社会
  • Column AIが輸出規制の対象に。Claude Fable 5の事例
  • 5-1 生成AIの業務活用パターン
  • 5-2 モデルの選定と使い分け
  • 5-3 定型業務を自動化する — ワークフローの構築
  • 5-4 生成AIがチームを組む — オーケストレーション
  • 5-5 生成AIの品質管理 — ハルシネーション対策から評価・改善まで
  • 5-6 コスト管理と最適化
  • Column AI主権・ソブリンAIという考え方
  • 6-1 生成AI利用時のリスク
  • 6-2 プロンプトインジェクションと安全対策
  • 6-3 LLMセキュリティとOWASP Top 10 for LLM Applications
  • 6-4 アクセス権管理と監査ログ
  • 6-5 法人プラン利用のメリット
  • 6-6 組織利用のガイドライン策定
  • 6-7 ISO/IEC 42001 AIMS認証
  • Column AIを支える物理インフラ
  • 7-1 生成AIにまつわるルール
  • 7-2 日本の法規制
  • 7-3 海外の法規制(EU・米国・中国)
  • 7-4 著作権と生成AI
  • 7-5 AI生成物の権利と商用利用
  • Column 筆者がAIを学ぶ理由
  • 8-1 生成AIが「見る」能力を獲得する — VLM:視覚言語モデル
  • 8-2 世界モデルと仮想世界での学習
  • 8-3 小さく軽いAIが広げる可能性 — エッジAIとSLM
  • 8-4 自動運転・ロボティクスと生成AI
  • 8-5 生成AI普及の障壁
  • 8-6 AGIとシンギュラリティの可能性
  • Column AI時代の不確実性とどう向き合うか
主要参考資料
用語集
索引
奥付

まだレビューが投稿されていません