変更要約: Cloud Digital Leader 第3章を新規作成（ドメイン3「AI」: AI/ML の基礎＝AI・ML・生成 AI の関係/教師あり・教師なし/学習データ/責任ある AI、Google Cloud の AI/ML ソリューション＝Vertex AI/Gemini/Vision/Speech-to-Text/Natural Language/Translation/BigQuery ML/Document AI/Conversational Agents）。
3.1AI と機械学習の基礎
人工知能（AI）と機械学習（ML）・生成 AI の関係、教師あり学習と教師なし学習の違い、学習データの質と量が結果を左右すること、そして公平性・説明責任・プライバシーといった責任ある AI の重要性を、ビジネスの観点から理解します。
人工知能（AI） は、人間の知的な作業をコンピューターに行わせる広い分野です。その中核的な手法が 機械学習（ML） で、大量のデータからパターンを学習して予測や分類を行います。さらに近年は、文章・画像・コードなどを新しく生成する 生成 AI（Generative AI） が普及し、Google Cloud では Gemini がその中心です。Cloud Digital Leader では、これらを使ってどんなビジネス課題を解けるかを理解することが重要です。
3.1.1教師あり学習と教師なし学習
| 種類 | 学習データ | 代表的なタスク |
|---|---|---|
| 教師あり学習 | 正解ラベル付きデータ | 分類・回帰（例: 不正検知・需要予測） |
| 教師なし学習 | ラベルなしデータ | クラスタリング（例: 顧客セグメント化） |
教師あり学習 は「正解（ラベル）付き」のデータで学習し、分類や予測を行います（例：過去の取引から不正を検知）。教師なし学習 は「正解なし」のデータから隠れた構造やグループを見つけます（例：似た顧客のセグメント化）。どちらも共通して学習データの質と量が結果を大きく左右します。偏った（バイアスのある）データで学習すると、偏った結果が出てしまいます。
3.1.2責任ある AI
AI は強力ですが、誤った使い方は差別やプライバシー侵害につながります。責任ある AI は、公平性（偏りを避ける）・透明性/説明責任（判断の根拠を示し責任を持つ）・プライバシーとセキュリティ・人間中心（人の監督を残す）といった原則で AI を設計・運用する考え方です。Google は AI 原則を公開し、これに沿ってサービスを提供しています。ビジネスリーダーは「精度だけでなく、公平性・説明責任・プライバシーを満たすか」を判断する必要があります。
「例 → 用語」が頻出。例：「正解ラベルで分類/予測」＝教師あり学習、「ラベルなしでグループ化」＝教師なし学習、「文章や画像を新しく生成」＝生成 AI（Gemini）、「偏ったデータ→偏った結果」＝バイアス（責任ある AI）、「公平性・説明責任・プライバシーを守る AI」＝責任ある AI。
混同に注意：
①AI ⊃ ML ⊃ 生成 AI の包含関係（生成 AI は ML の一種）。
②教師あり（ラベルあり）/教師なし（ラベルなし）。
③AI の良し悪しは精度だけでなく学習データの質と公平性で決まる。
④責任ある AI は「使わない」ことではなく「原則に沿って正しく使う」こと。
3.1.3この節のまとめ
- AI ⊃ ML ⊃ 生成 AI。生成 AI（Gemini）は文章・画像などを新しく生成
- 教師あり（ラベルあり＝分類/予測）/教師なし（ラベルなし＝クラスタリング）。データの質と量が結果を左右
- 責任ある AI＝公平性・透明性/説明責任・プライバシー・人間中心。精度だけで判断しない
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 正解ラベル付きのデータで学習し、分類や予測を行う機械学習の種類はどれですか？
Q2. ラベルのないデータから似たグループ（顧客セグメントなど）を見つける学習はどれですか？
Q3. 文章・画像・コードなどを新しく生成する AI を何と呼びますか？
Q4. 機械学習の結果を大きく左右する最も重要な要素はどれですか？
Q5. 公平性・説明責任・プライバシー・人間中心といった原則に沿って AI を設計・運用する考え方はどれですか？
Q6. AI・ML・生成 AI の関係として正しいものはどれですか？