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・推論」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-901 はその入門資格で、深い数学は問われません。代わりに、「どんな技術が・何のために使えるか」という地図と、「それを Microsoft Foundry でどう実装するか」の基礎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。今日の生成 AI や音声・画像認識の多くは、この深層学習が支えています。AI-901 では、機械学習が他の多くのワークロード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。

1.1.2AI-901 で重視される代表的なワークロード

• 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）。AI-901 の中心テーマ。
• エージェント型 AI（Agentic AI）：目標を与えると、自律的に手順を計画し・ツールを呼び出して実行する AI。生成 AI を「考えて動く」形に拡張したもの。
• テキスト分析（Text analysis / NLP）：文章の意味・感情・エンティティ・意図を抽出する。
• 音声（Speech）：音声↔テキスト変換（音声認識・読み上げ）や翻訳を行う。
• 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。
• 情報抽出（Information extraction）：請求書・フォーム・画像・音声・動画から項目や要点を構造化して抽出する（Azure Content Understanding）。

これらは、扱う入力データと目的で整理すると覚えやすくなります。新しいコンテンツを作るのが生成 AI、目標達成のため自律的に動くのがエージェント型 AI、言葉（テキスト）を扱うのがテキスト分析、音声を扱うのが音声、画像・動画を扱うのがコンピュータービジョン、書類や各種ファイルから要点を取り出すのが情報抽出です。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。

1.1.3Microsoft Foundry という統一プラットフォーム

AI-900 では「事前構築（Azure AI services）か、カスタム（Azure Machine Learning）か」という2分法が中心でした。AI-901 ではこれを発展させ、Microsoft Foundry（旧 Azure AI Foundry／さらに旧 Azure AI Studio）という1つのプラットフォーム上で、モデルの選択・デプロイ・アプリやエージェントの構築・評価・監視までを一貫して行う、という捉え方が中心になります。Foundry の中で、Microsoft や OpenAI などが提供する学習済みモデル（Foundry Models）をカタログから選び、用途に応じて生成 AI アプリやエージェントに組み込みます。汎用タスク向けの Azure AI services（Language・Speech・Vision・Content Understanding 等）も引き続き利用でき、Foundry はそれらを束ねる開発の入り口です。

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
• AI-901 の主要ワークロード：生成 AI／エージェント型 AI／テキスト分析／音声／コンピュータービジョン／情報抽出
• 実装の中心は Microsoft Foundry（モデル選択→デプロイ→アプリ/エージェント構築→評価→監視）。Azure OpenAI モデルは Foundry Models として継続
• 試験は「シナリオ → ワークロード」の対応が鍵。ワークロードは組み合わせて使う