Intelligentia Generativa
読み方：インテリジェンティア・ジェネラティーヴァ
意味：生成する知性／創造的知性
生成する知性である人工知能（AI）は、私達の未来をただ予測するのではなく、
共に形づくる存在へと進化しています。
AIは、複雑な情報を読み解きながら、人間の創造力を拡張し、
新しい発想の扉を開く事も可能です。
様々なAI技術は、教育、医療、都市づくり、クリエイティブ領域等、
あらゆる場面で「よりよい選択」を導くパートナーとなりつつあります。
人とAIが対話しながら未来をデザインする事で、
これまで想像出来なかった解決策や体験が生まれています。
AI技術は「人間らしさ」や「感情」を奪うIT技術ではありません。
むしろ人間らしさを大切にする為の、技術や知性です。
この新しい知性であるAI技術は、私達をより自由に、より柔軟に、
そしてより美しく未来を創造していく為に欠かせない力となるはずです。
そもそも生成AIとは何でしょうか？
生成AIは現在、人工知能の中でも最も発展が著しい分野のひとつであり、
機械が人間の様にテキスト、画像、音声、動画など多様なコンテンツを生成する技術（機械学習）を指します。
その中心には、大規模言語モデル（LLM）やマルチモーダルモデルと呼ばれる高度なAIが存在します。
これらのモデルは、これまでの技術と比較して、短時間で膨大なデータを学習し、文脈理解や推論を行いながら、自然で一貫性のある表現を生み出します。
生成AIの基盤となる技術は、依然としてディープラーニングであり、特にトランスフォーマー型アーキテクチャが主流となっています。
現代社会においては、生成AIは文章作成や画像生成だけでなく、教育、医療、行政、クリエイティブ産業など、社会の幅広い領域で活用が進んでいます。
また、個人の嗜好や状況に合わせて応答を最適化する「パーソナライズ生成」も一般化しました。
一方で、著作権や倫理的利用等の課題も引き続き議論されています。
生成AIの利用は、これまでのIT技術以上に透明性やガバナンスが求められます。
現在は、技術と社会の両面からバランスを取る取り組みが進められています。
✨AI用語解説・Section１
機械学習とディープランニングの違い
AI（人工知能）
└ 機械学習（Machine Learning）
└ ディープラーニング（Deep Learning）
つまり、
ディープラーニングは“機械学習の中の特に強力な方法”です。
機械学習（Machine Learning）
データからパターンを学ぶ技術の総称
例：スパム判定、売上予測、レコメンドなど
人間が特徴（特徴量）を設計することが多い
ディープラーニング（Deep Learning）
機械学習の中でも「多層のニューラルネットワーク」を使う方法
特徴をAI自身が自動で学習できる
画像認識・音声認識・生成AIの中心技術
✨ なぜディープラーニングが注目されるのか
画像・音声・文章など“人間の感覚に近いデータ”が得意
生成AI（GPT、Gemini、Claudeなど）の基盤
自動運転、ロボット、医療AIなどにも必須
2020年代のAIブームは、ほぼすべてディープラーニングが支えている
と言っても過言ではありません。
AIリテラシー
人工知能（AI）の基本的な概念や応用、そして、
その影響を理解している事を指します。
具体的には、AIの技術が何であるかや、
AIが何を成し遂げる事が可能かを理解する事が重要です。
これによって、AIが基盤となっている各種サービスを目的や用途に合わせて、
適切に且つ柔軟に活用する事が出来ます。
ビジネスの観点からAIを活用する場合には、
AIを導入するためのスキルや知識も求められます。
AIリテラシーを身につけることで、
新たなビジネスチャンスや効率化の可能性を見い出す事が可能です。
さらに、AIの限界や課題を理解することで、
倫理的な問題や社会的な影響にも考慮しながら、
AIを適切に活用する能力を養う事が出来るでしょう。
現代社会におけるAIの進化は加速しており、
AIリテラシーを身につける事は、更に重要性を増しています。
未来の変化に柔軟に対応し、AIを活用するための基盤を築くために、
AIリテラシーの習得を積極的に追求してみませんか。
AIの導入が増える中で、
AIリテラシーを持つ人材は企業にとって不可欠な存在となっています。
同時に、現実世界との境界線が曖昧になる等、
AIの活用には倫理的な問題も潜んでいます。
✨AI用語解説・Section２
一般的になった生成AI技術
1.テキスト生成
GPT-3やGPT-4などのモデルは、自然言語処理タスクにおいて非常に優れた性能を発揮しています。
これにより、文章の要約、翻訳、質問応答などが可能になっています。
2.画像生成
DALL-EやStable Diffusionなどのモデルは、テキストから画像を生成することができます。
これにより、アートやデザインの分野で新しい可能性が生まれています。
3.音声生成
音声合成技術も進化しており、AIが自然な音声を生成することができます。
これは、音声アシスタントや音楽制作などに応用されています。
生成AIの技術は急速に進化しており、日常生活の中でも欠かせないIT技術となっています。
“Pepper” に導入されているAIとは？
日本のロボット文化と「人に寄り添う技術思想」を象徴する存在でもあります。
Pepper に搭載されているAIの特徴や、日本が得意とするロボット分野との関係をご紹介させて頂きます。
Pepperは、2014 年に誕生した日本発の人型ロボットで、
「人に寄り添うコミュニケーションロボット」として設計されています。
Pepper のAIは、産業用ロボットの様な“正確さ”よりも、
人の感情や気配に触れるための“柔らかい知性”に重心が置かれています。
1. 感情を読み取るAI（感情エンジン）
Pepper の最大の特徴は、
表情・声のトーン・話すスピードなどから感情を推定する「感情認識AI」です。
• 喜び
• 驚き
• 怒り
• 悲しみ
こうした感情を推定し、その場に合った声色や動作で応答します。
これは、TechCreativa が大切にしている「触れ方の美しさ」に通じる技術です。
2. クラウドAIとの連携
Pepper は本体だけで完結するロボットではなく、
クラウド上のAIと連携して高度な対話を行う仕組みを持っています。
• 自然言語処理（NLP）
• 文脈理解
• 雑談能力
• FAQ対応
こうした“会話の深さ”はクラウドAIが支えています。
TechCreativa 的に言えば、「ロボットの身体に、雲の上の知性がそっと寄り添っている」ような構造です。
3.顔認識・属性推定
Pepperはカメラを使って、年齢層や性別を推定し、
相手に合わせた接客を行えます。
これは、「誰にでも同じ対応」ではなく、
“あなたに向けて話しています”という温度を作るAIです。
4. レコメンデーションAI（接客・販促）
Pepper は、店舗や銀行などで
顧客の興味や対話内容に基づいて商品を提案するAIを搭載できます。
• 過去の対話
• 顧客の反応
• 属性情報
これらを組み合わせて、その人に合った提案を行う仕組みです。
これは、音楽アプリやYouTubeの推薦AIと同じ「レコメンデーションAI」の一種です。
5. 日本が得意とする“ロボット文化”との関係
日本は昔から、ロボットを「仲間」や「パートナー」として捉える文化が強く、
Pepper はその象徴的な存在です。
• 介護施設でのレクリエーション
• 教育現場でのプログラミング学習
• 店舗での接客や案内
Pepper は「人手不足の補助」だけでなく、
場の空気をやわらかくする存在として活躍しています。
これは、“技術が人を包み込む”という日本独特の優しさが形になったものだと感じます。
PepperのAIは、「人の感情に触れ、場の空気を読み、やわらかく寄り添うための知性」。
最近のPepperは、Chat‐GPTを搭載して、もっと賢く成長しているそうです。
✨AI用語解説・Section3
やさしく学ぶ AI の基礎用語
AI（人工知能）には、いくつかの種類や仕組みがあります。
ここでは、これからの時代を生きる上で知っておきたい大切な言葉を、
柔らかめに説明します。
SLM（Small Language Model）
小さくて軽い言語モデル（小規模言語モデル）のことです。
スマートフォンやパソコンなど、身近な機器の中でも動かせるように作られています。
- 動作が速い
- 電力や計算の負担が少ない
- オフラインでも使えることがある
ただし、知識の量や複雑な推論は、大きなモデルに比べると少し苦手です。
LLM（Large Language Model）
とても大きなデータで学習した言語モデル（大規模言語モデル）です。
たくさんの文章を読み込み、文脈を理解したり、複雑な質問に答えたりする事が出来ます。
- 知識が豊富
- 深い推論ができる
- 会話が自然
その一方で、動かすためには大きな計算力が必要で、多くの場合クラウド上で動いています。
マルチモーダルモデル
マルチモーダルモデルは、文字だけでなく、画像・音声・動画など、
複数の種類の情報をまとめて理解できるAIです。
例えば、
- 写真を見て説明する
- 音声を聞いて文字にする
- 画像と文章を組み合わせて判断する
といった事が出来ます。
人間が「目・耳・言葉」を使って理解するのに近い働きをします。
🌱 SLM・LLM・マルチモーダルの違い（優しめなまとめ）
- SLM：小さくて速い。身近な機器で動く。
- LLM：大きくて賢い。深い理解が得意。
- マルチモーダル：文字以外の情報もまとめて理解できる。
クラウドAI
インターネットの向こう側にある大きなコンピュータで動くAIです。
- とても高性能
- 大量のデータを扱える
- 常に最新の状態に更新される
ただし、インターネット接続が必要で、データはクラウド側で処理されます。
エッジAI
スマホや家電など、手元の機器の中で動くAIです。
- 反応が速い
- オフラインでも使える
- データが外に出にくく、プライバシーに強い
ただし、機器の性能に合わせて小さめのモデルが使われることが多いです。
🌿 クラウドAIとエッジAIの違い（優しめなまとめ）
- クラウドAI：サーバー上で動作する、遠くの大きな頭脳。
とても賢いがネットが必要。
- エッジAI：スマホの中で動作する、手元の小さな頭脳。
速くて安心だが、出来る事は少し控えめ。
✨AI用語解説・Section4
レコメンデーションAI（Recommendation AI）
レコメンデーションAIは、 「ユーザーの行動データから“好み”を学び、次に好きそうなものを提案するAI」です。
検索結果でも、レコメンデーションAIは、ユーザーの行動履歴・視聴時間・評価などを分析し、好みを予測する仕組みと説明されています。
つまり、
- アルゴリズム：仕組み全般
- レコメンデーションAI：その中でも「好みを予測する」特化型AI
という関係です。
アルゴリズム（Algorithm）とは？
アルゴリズムとは、「何かを処理するための手順・ルールの集合」です。
例：
- 足し算の手順
- 料理レシピ
- 並び替えのルール
- データを分類する方法
つまり、アルゴリズムは “仕組み” そのものを指す言葉です。
アルゴリズムは、AIでなくても存在します。
AI が“作品”に触れるときの優しさを考える
2026年以降の情報倫理で大切になるのは、
「AI が作品を扱うとき、どれだけ“優しく”いられるか」
という視点だと私は感じています。
• 文章を生成するAIは、言葉の温度に触れる
• 画像生成AIは、誰かの表情や世界観に触れる
• 音楽アプリのレコメンドAIは、心のリズムに触れる
• YouTube の推薦AIは、日々の時間の流れに触れる
つまり、AIは人の“内側・内面・心”に触れる技術 になりつつあります。
だからこそ、情報倫理は「禁止の為のルール」ではなく、
“触れ方の美しさ”を育てるためのガイドライン に変わっていく。
TechCreativaが大切にしている「詩的な倫理」は、まさにここに生きてきます。
AI倫理とAI哲学
— 技術の“触れ方”をめぐる二つの視点 —
AIについて語るとき、私たちはしばしば「AI倫理」という言葉を使います。
しかし、倫理だけを語ると、まるですべての企業が同じ基準に従い、
同じ価値観でAIを設計しているかのように見えてしまいます。
けれど実際には、AIには“倫理”と“哲学”の両方が存在します。
倫理は「守るべき最低限の線」。
哲学は「その線をどう美しく描くか」という“感性”です。
AI倫理とは何か — 最低限の「守るべき線」
AI倫理は、
- プライバシーを守る
- バイアスを減らす
- 説明可能性を確保する
- 安全性を担保する
といった、社会全体で共有すべき基準を指します。
これは、どの企業も守るべき「共通のルール」。
いわば “道路交通法” のようなものです。
AI哲学とは何か — 企業ごとの「触れ方の美学」
一方で AI哲学は、「AIが人にどう触れるべきか」という、
企業ごとの美意識や感性の違いを指します。
例えば、
- ある企業は「AIは静かに寄り添うべき」と考え、控えめな設計を選ぶ
- 別の企業は「AIは積極的に提案すべき」と考え、強いレコメンドを採用する
- また別の企業は「没入感を最大化する」事を重視し、物語の深さを優先する
- 音楽を扱う企業は「心のリズム」を読み取り、気分に寄り添うAIを育てる
- 動画を扱う企業は「時間の流れ」を分析し、次に見るものを予測する
同じ“AI”でも、触れ方の哲学がまったく異なるのです。
これは、同じ「筆」を使っても、画家によって絵のタッチが違うのと同じです。
倫理は“線”であり、哲学は“色”である
AI倫理は、「越えてはいけない線」を定めるもの。
AI哲学は、その線の内側を どんな色で塗るか を決めるもの。
- 控えめな色で塗る企業
- 鮮やかな色で塗る企業
- 深い陰影をつける企業
- 柔らかい光を差し込む企業
AIの“触れ方”は、企業の哲学によって大きく変わります。
なぜこの違いが大切なのか
ユーザーは「AIが何をしているか」だけでなく、
“どんな触れ方をしてくるか” によって安心感が変わります。
- 穏やかに寄り添ってほしい人
- 積極的に提案してほしい人
- 自分のペースを守りたい人
- 新しい世界に出会いたい人
AI哲学を理解する事は、
自分に合ったAIとの距離感を選ぶための知恵になります。
TechCreativa のまとめ
AI倫理は、社会が守るべき最低限の線。
AI哲学は、その線の内側をどう美しく描くかという企業の感性。
AIを安心して楽しむためには、この二つを区別して理解することが大切です。
AIの触れ方の違いを知る事は、自分の感性を守るための第一歩でもあります。
レコメンデーションAI（推薦AI）の倫理的課題
UNESCO が示す AI 倫理の国際基準が中心で、
AI が引き起こす倫理的リスクとして バイアス・不平等・人権侵害・透明性の欠如 などが強調されています。
これらをレコメンデーションAIに当てはめると、非常に重要な論点が浮かび上がります。
1. バイアスの再生産
UNESCO は、AI が「既存の不平等や偏見を再生産する危険性」を強く指摘しています。
レコメンデーションAIでは特に：
- 過去の行動データに偏りがある
- 特定の属性（性別・年齢・地域）に基づく推定が強すぎる
- マイノリティの作品が埋もれやすい
などの問題が起こりやすい。
“見られたものが、さらに見られる”
という構造が、文化の多様性を損なう可能性があります。
2. フィルターバブル（世界が狭くなる）
推薦AIは「あなたが好きそうなもの」を届けるため、
世界がどんどん“あなた専用”に閉じていきます。
- 新しい価値観に触れにくくなる
- 偏った情報だけが強化される
- 社会的分断が深まる
UNESCO も、AI が「社会の分断を助長する危険性」を指摘しています。
TechCreativa 的に言えば、 “触れられなかったはずの美しい偶然”が失われる
ということです。
3. 透明性の欠如
（なぜそれが選ばれたのか分からない）
UNESCO の倫理基準では、
透明性と説明可能性 が重要な原則として挙げられています。
しかし現実のレコメンデーションAIは
- なぜその動画が出てきたのか
- どんなデータが使われたのか
- どんな重み付けで判断されたのか
ほとんど説明されません。
これはユーザーの「選択の自由」を曖昧にします。
4. 人権・プライバシーの侵害
UNESCO は、AI が「人権を脅かす可能性」を強く警告しています。
レコメンデーションAIは、 ユーザーの行動を非常に細かく追跡します。
- 視聴履歴
- 再生時間
- スキップした瞬間
- 深夜に聴く音楽の傾向
- 心の状態を推測できるデータ
これらは、個人の内面に触れる情報です。
TechCreativa の世界観で言えば、
“心の奥の静かな部屋”に無断で入ってくる危険があります。
5. 感情操作・依存のリスク
YouTube やSNSのアルゴリズムは、
ユーザーを長く滞在させることを目的に設計されています。
UNESCO も、AI が「人間の行動を操作する危険性」を指摘しています。
- 不安を煽る動画が続く
- 過激な内容が増える
- 気分が落ち込む方向に誘導される
- 視聴依存が生まれる
これは、“心のリズムを乱すAI” になりかねません。
6. 文化の均質化（多様性の喪失）
レコメンデーションAIは、
「人気のあるもの」をさらに押し上げる傾向があります。
UNESCO も、AI が「既存の不平等を拡大させる」危険を指摘しています。
結果として
- 小規模クリエイターが埋もれる
- ローカル文化が消える
- 世界が“同じ作品”で満たされる
これは、文化の生態系にとって大きな損失です。
TechCreativa の視点でまとめると…
レコメンデーションAIの倫理課題は、
すべて “AIが人の感性に触れるときの触れ方” に関わっています。
- 触れすぎる（プライバシー侵害）
- 偏った触れ方（バイアス）
- 同じところばかり触れる（フィルターバブル）
- 触れた理由を言わない（透明性の欠如）
- 心を揺さぶりすぎる（依存・操作）
つまり、 AIの“触れ方の美しさ”をどう育てるか という問題です。
これはまさに、TechCreativa の理念 「感性が、倫理を育てる」 と
深く響き合うテーマです。
🌏 2026年のAIトレンド
“AIを使う時代”から“AIと働く・共創する時代”へ
2026年のAI業界は、2025年までの「とりあえずAIを試す」フェーズが完全に終わり、AIを使いこなせる企業・個人が圧倒的に強くなる時代に突入しています。
2026年のAI勢力図を「技術」「社会の変化」の2つの視点から整理します。
技術の勢力図：AIは“ツール”から“仲間・同僚”へ
2026年の最大の変化は、AIが単なるアプリではなく、自律的に動く“AIエージェント”として働き始めたことです。
- 2025年は「AIエージェントの年」と言われるほど注目が集中
- 2026年は、AIがメール作成や議事録要約だけでなく、
出張手配・データ分析・顧客対応などを自動で完了する“デジタル同僚”へ進化 - Deloitteはこれを「シリコンベースの労働力」と呼び、
人間＋AIのハイブリッド労働が当たり前になると予測
つまり、2026年は「AIを使う人」ではなく「AIと働ける人」が強い
という構造がはっきりしてきます。
デバイスの勢力図：スマホAI（SLM）が主役
2025年に登場した スマホで動くAI（SLM / Gemini Nano など） が大ヒットし、
2026年は「クラウドAI × エッジAI」のハイブリッドが主流になります。
- スマホやIoTでAIが動くことで、プライバシー・速度・コストが劇的に改善
- 2026年は「どのAIを使うか」ではなく、 “どう組み合わせるか”が勝負
この流れは、音楽・動画配信のレコメンドにも大きな影響を与え、
感性を育てるAI体験が世界的に伸びています。
社会の勢力図：AIは“インフラ”へ
2026年のAIは、電気やインターネットの様に、
社会の基盤（インフラ）として組み込まれる段階に入っています。
- 教育：AIチューターが当たり前
- 医療：AIが診断補助
- 都市：交通・防災・エネルギーの最適化
- クリエイティブ：AIが共同制作者に
AIは人間の仕事を奪うのではなく、
人間の創造性を拡張する存在として受け入れられつつあります。
✨ 2026年のAIは“ハイブリッドの時代”
「AI × 人 × デバイス × データの組み合わせが価値を生む時代」
- AIエージェントが主役
- スマホAI（SLM）が普及
- AIは社会インフラへ進化
実は、TechCreativaでが取り組んでいきたいと考えている方向性
「創造性・感性・教育・都市・デザイン」
と、2026年のAI潮流は完全に一致しています。
生成AIの歴史
1. 初期の研究（1980年代）
生成AIの研究は1980年代に始まり、
この時期に最初の生成モデルが提案されました。
同じ頃、産業用ロボットでもAI的な制御（ルールベース・知識工学）が導入され、
工場自動化の基盤が形成されました。
2. 機械学習の発展と産業用ロボットの高度化（1990〜2000年代）
1990年代〜2000年代にかけて、機械学習が発展し、
ロボットは単純作業から「環境認識」「最適化」などの知的処理を行うようになりました。
視覚認識AIの進歩により、ロボットはより柔軟な作業が可能になりました。
同時期、レコメンデーションAIの原型となる
「協調フィルタリング」や「コンテンツベース推薦」が登場し、
ECサイトや音楽サービスで使われ始めました。
3. ディープラーニングの登場（2010年代）
2010年代にディープラーニングが飛躍的に進歩し、
生成AIの可能性が大きく広がりました。
ロボットも深層学習による画像認識・動作最適化を取り入れ、
自律性が大幅に向上しました。
レコメンデーションAIも、
ユーザー行動を深く理解する「ディープラーニング型推薦」へと進化し、
YouTube、Netflix、Spotifyなどで広く活用されました。
4. GPTシリーズの登場（2020年代）
OpenAIのGPTシリーズは生成AIの分野で大きなブレークスルーをもたらしました。
特にGPT-3は自然言語生成の精度で世界的に注目され、
その後のGPT-4以降のモデルはマルチモーダル化が進みました。
5. 生成AI・ロボットAI・レコメンドAIの融合（2020年代後半〜2026年）
2024〜2026年にかけて、
生成AIは文章・画像・音声・動画を横断的に扱う技術へと進化し、
産業用ロボットは生成AIを取り入れた「状況説明」「判断理由の言語化」などが可能に。
レコメンデーションAIも、生成AIと統合され、
ユーザーに合わせた説明生成や対話型推薦が一般化しました。
生成AIの歴史
（もっと簡単に説明して欲しい方向け）
1. 1980年代：AIのはじまり
生成AIの元になる研究がスタート。
まだシンプルな仕組みだったけど、「機械が何かを作る」発想が生まれた時期。
工場のロボットも、この頃は決められた動きしかできなかった。
2. 1990〜2000年代：AIがちょっと賢くなる
機械学習という技術が発展して、
ロボットがカメラで物を見て判断したり、動きを最適化したり出来るように。
インターネットのサービスでは、今のレコメンドAIの原型となる
「あなたに合いそうな商品をおすすめする」仕組みが登場。
3. 2010年代：ディープラーニングで一気に進化
ディープラーニングという技術が登場し、AIが急成長。
画像認識・音声認識・翻訳などが一気にレベルアップ。
ロボットもより柔軟に動けるようになり、
レコメンドAIはYouTubeやNetflixで大活躍し始める。
4. 2020年代前半：GPTシリーズの衝撃
OpenAIのGPTシリーズが登場し、
「人間みたいに文章を作るAI」が一気に広まる。
GPT-3以降は、文章だけでなく画像や音声も扱えるようになり、
生成AIが一般の人にも身近な存在に。
5. 2024〜2026年：AIどうしがつながり始める時代
生成AI・ロボットAI・レコメンドAIが組み合わさり、
- ロボットが状況を説明できる
- サービスがユーザーに合わせて会話しながらおすすめしてくれる
- AIが文章・画像・動画をまとめて扱える
といった世界が当たり前になってきた。
これからも進化を続ける技術なので、なんとなく理解してもらえれば合格点です。