1.1AI・機械学習・ディープラーニングの関係

AI（人工知能）は最も広い概念で、その中に 機械学習（ML）、さらにその中に ディープラーニング が含まれます。AIF-C01（AWS Certified AI Practitioner）は、深い数学やコーディングよりも「どの技術が何のためにあり、どの AWS サービスで実現できるか」という地図を問う入門資格です。まずこの3つの関係と、機械学習の基本用語を固めることが出発点になります。生成 AI（後の章）も、この土台であるディープラーニングの上に成り立っています。

1.1.1包含関係

• 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。
• 機械学習（ML）：データから規則を学び予測する、AI の主要な手法。
• ディープラーニング：多層のニューラルネットワークで複雑なパターンを学習する ML の一分野。

1.1.2機械学習の基本用語

機械学習では、各データを「特徴量（features）＝入力」と「ラベル（label）＝正解」で表します。たとえば住宅価格の予測なら、広さ・築年数が特徴量、実際の価格がラベルです。データから規則を学ぶ段階を 学習（トレーニング）、学習済みモデルで新しいデータに答えを出す段階を 推論（inference） と呼びます。重要なゴールは 汎化——学習に使っていない新しいデータでも当たること。逆に、訓練データに合わせすぎて新規データを外す失敗を 過学習（overfitting） と呼び、機械学習で最も注意すべき点です。そのためデータを訓練用と評価用に分け、評価用で性能を測ります。

ディープラーニング は、人間の神経細胞を単純化した ニューラルネットワーク を何層も重ねた手法です。層を深くすることで、画像のピクセルや文章の単語列のような複雑なデータからも有用なパターンを段階的に学べます。今日の画像認識・音声認識・生成 AI の高精度は、ほぼこの深層学習に支えられています。AIF-C01 では数式は問われず、「ディープラーニング＝多層ニューラルネットで複雑なデータに強い／生成 AI の土台」という位置づけを押さえれば十分です。

1.1.3この節のまとめ

• AI ⊃ ML ⊃ ディープラーニング。ディープラーニングは生成 AI の基盤
• 基本用語：特徴量/ラベル・学習/推論・汎化/過学習
• ML＝予測・分類など、生成 AI＝新規コンテンツ生成、と目的で区別