生成AI（Generative AI）とは

生成AI（Generative AI）とは

生成AIとは、膨大なデータのパターンや関係性を学習し、その学習成果をもとに新たなコンテンツを生成する人工知能（AI）です。人間のように、文章や画像、音声などの新しいコンテンツを作り出せる点が大きな特徴です。

生成AIと従来のAIの違い

従来のAIは、学習したデータをもとに作成したモデルを活用することで予測、最適化、検知を行い、作業を自動化することを得意としていました。

例えば、AIを活用し、類似品をベースに条件の差や需要変動リスクなどを踏まえた需要予測を行う新製品の需要予測ソリューションや、AIを活用し、価格や人材配置、生産計画など幅広い業種・業務で最適化を行う最適化ソリューション、システムの振る舞いを自動学習／監視し、異常予兆を検知、故障や異常を未然に防ぐインバリアント分析などがあります。

一方、生成AIは、学習したデータをもとに、まったく新しいアイデアや表現を創造できます。これにより、新しいビジネス戦略の立案や意思決定など、より創造的で高度な業務においても活用されています。

生成AIは従来のAIを進化させた一形態であり、それぞれ得意な領域が異なるため、目的やシーンに応じて使い分ける必要があります。

生成AIは、主に学習したデータを基に、新たなコンテンツやアイデアを創造します。

生成AIの一般的な機能

　現在活用されている生成AIの一般的な機能としては、以下の4つが挙げられます。

テキスト生成

文章の作成や要約、翻訳、レポート作成など、言語に関するさまざまな処理ができる生成AIがあります。入力した指示に基づいて自然な文章を生成でき、ビジネス文書の作成から企画の立案まで幅広く活用できます。

画像生成

テキストによる説明をもとに、写真やイラストなどの画像を作成できる生成AIがあります。プレゼン資料の作成や商品イメージの可視化などに活用されています。

動画生成

静止画像からの動画作成や、テキストの指示による短編動画を作成できる生成AIがあります。マーケティング用の動画コンテンツ制作や教育用の説明動画作成などに活用されています。

音声生成

入力したテキストを自然な音声に変換できるものや、オリジナルの音楽を作成できる生成AIがあります。ナレーション作成、多言語音声コンテンツの制作、BGM制作などの場面で活用されています。

生成AIに使用される代表的なモデル

　生成AIで使用されている代表的なモデルには以下の4つがあります。

LLM (Large Language Models)

大規模な言語モデルで、人間のような自然な文章を生成できます。大量のテキストデータから学習し、文脈を理解して適切な応答や文章を作成することが特徴です。

GPTやGeminiなどの大規模言語モデルを指す総称であり、ChatGPTのような対話型AIの基盤となっています。

SLM（Small Language Model）

GPT-4oなどの大規模な言語モデルよりも、パラメータやデータセットが少ない、軽量化された言語モデルです。リソースを抑えながら特定のタスクに特化した処理が可能で、エッジデバイスでの実行にも適しています。

SLMの具体的な例としては、モバイルデバイスや組み込みシステム向けの軽量モデルが挙げられます。

VLM（Vision Language Model）

画像や映像などの視覚情報と言語を統合的に理解するAIモデルです。画像・映像認識と自然言語処理を組み合わせ、テキストから画像キャプションを生成したり、画像・映像から得られる情報をテキストで説明したりできます。、視覚と言語の情報を相互に補完し合うことで、単純な情報処理を超えたデータに対するより包括的な「理解」を実現し、さまざまな業界での応用を可能にしています。

Agent

AIエージェントは、特定のタスクや目的に応じて自律的に行動するAIシステムです。生成AIはコンテンツ生成に特化していますが、AIエージェントは自律的な意思決定と実行ができるという特徴があり、生成AIでは対応できない領域の自動化を担う役割が期待されています。

生成AIが特定のタスクをこなす「道具」だとすれば、AIエージェントは自律的に計画を立てて行動する「実行者」と言えます。

Difyで作成するワークフローは、このエージェントの基本的なロジックをノーコードで実装するツールとも言えます。