1.1AI のワークロードと種類

AI（人工知能, Artificial Intelligence）とは、本来は人間が行う「学習・予測・認識・言語理解」などの働きを、ソフトウェアで実現する技術の総称です。AI-900 はその入門資格で、深い数学やプログラミングは問われません。代わりに、「どんな技術が・何のために・どのサービスで使えるか」という地図を持つことが求められます。最重要スキルは「やりたいこと（シナリオ）から、適切なワークロードとサービスを選べる」ことです。

1.1.1AI・機械学習・深層学習の関係

まず用語の包含関係を押さえます。最も広い概念が AI で、その中に 機械学習（Machine Learning, ML）が含まれ、さらにその中に 深層学習（Deep Learning）が含まれます。AI は「賢く振る舞うソフト全般」、機械学習は「データから規則を学ぶ手法」、深層学習は「多層のニューラルネットワークを使う機械学習の一種」です。今日の画像認識・音声認識・生成 AI の多くは、この深層学習が支えています。AI-900 では、機械学習が他の多くのワークロード（コンピュータービジョン・NLP・生成 AI）の内部で動く土台だ、という関係を理解しておくと混乱しません。

1.1.2代表的な AI ワークロード

• 機械学習（Machine Learning）：データから規則（パターン）を学び、予測を行う。AI の土台で、他の多くのワークロードの内部でも使われる。
• コンピュータービジョン（Computer Vision）：画像や動画を解析し、物体・顔・文字（OCR）などを認識する。
• 自然言語処理（NLP）：文章の意味・感情・意図を理解し、翻訳や要約、音声認識を行う。
• ドキュメントインテリジェンス：請求書やレシート・フォームから項目（金額・日付等）を抽出する。
• ナレッジマイニング：大量の文書から情報を抽出・索引化し、検索可能にする（Azure AI Search）。
• 生成 AI（Generative AI）：文章・画像・コードなど新しいコンテンツを生成する（大規模言語モデル等）。

これらのワークロードは、扱う入力データの種類で大まかに整理すると覚えやすくなります。画像・動画を扱うのがコンピュータービジョンとドキュメントインテリジェンス、言葉（テキスト・音声）を扱うのが自然言語処理、表形式の数値データから予測するのが機械学習、大量の文書を検索可能にするのがナレッジマイニング、そして新しいコンテンツを作り出すのが生成 AI です。試験では入力データと目的の両方からワークロードを判断します。

1.1.3Azure はワークロードをどう提供するか（事前構築 vs カスタム）

Azure は AI を大きく2つの形で提供します。1つは Azure AI services（旧 Cognitive Services）で、Microsoft が学習済みのモデルを API として提供するもの。キーとエンドポイントを使えば、自分でデータを集めて学習させなくても、すぐに画像認識・翻訳・感情分析などを呼び出せます。もう1つは Azure Machine Learning で、自分のデータで独自モデルを一から学習・デプロイするためのプラットフォームです。「よくある汎用タスクは事前構築（Azure AI services）／自社固有の予測はカスタム（Azure ML）」という使い分けが基本です。Custom Vision のように、事前構築の枠組みの中で自分の画像だけ追加学習させる中間的な選択肢もあります。

1.1.4この節のまとめ

• AI ＝人間の知的作業をソフトウェアで実現する技術の総称。AI ⊃ 機械学習 ⊃ 深層学習
• 主要ワークロード：機械学習／コンピュータービジョン／NLP／ドキュメントインテリジェンス／ナレッジマイニング／生成 AI
• 提供形態：事前構築＝Azure AI services（汎用・学習不要）／カスタム＝Azure Machine Learning（自社データで学習）
• 試験は「シナリオ → ワークロード（→サービス）」の対応が鍵。ワークロードは組み合わせて使う