ロボットやコードの話はいったん置いて、身近な商品推薦から人工知能（Artificial Intelligence, AI）が何をしているのかを理解します。
第001回を読む →全部AIと呼ばれるのに、文章を書くもの、画像を見るもの、絵を作るものがあるのはなぜ？第002回ではAIとモデルの違いを整理します。
AIの学習は、答えを一問ずつ覚え込ませることではありません。コーディネートの経験から、データとパターンの考え方を理解します。
ChatGPTは文章をそのまま一塊で読むわけではありません。第004回では、メイクを細かく分ける感覚からTokenを理解します。
ロボットやコードの話はいったん置いて、身近な商品推薦から人工知能（Artificial Intelligence, AI）が何をしているのかを理解します。
全部AIと呼ばれるのに、文章を書くもの、画像を見るもの、絵を作るものがあるのはなぜ？第002回ではAIとモデルの違いを整理します。
AIの学習は、答えを一問ずつ覚え込ませることではありません。コーディネートの経験から、データとパターンの考え方を理解します。
ChatGPTは文章をそのまま一塊で読むわけではありません。第004回では、メイクを細かく分ける感覚からTokenを理解します。
Promptは魔法の呪文ではありません。バッグ選びの依頼から、目的・背景・条件をAIへ伝える意味を理解します。
AIの危険な瞬間は『わかりません』ではなく、間違いを自然で自信のある文章として出すとき。第006回ではその注意点を学びます。
AIがあなたを覚えているように見える理由は一つではありません。会話の文脈、製品のメモリ、再入力された情報を分けて考えます。
AIは一つの固定回答をそのまま検索しているわけではありません。次の言葉を一歩ずつ生成するため、同じ質問でも違う答えになることがあります。
AIロールプレイは名前を変えるだけではありません。人物像、背景、価値観、話し方、関係性、場面を組み合わせて一時的なPersonaを作ります。
何往復かすると突然カスタマーサポート口調になる。第010回では人物カード、会話例、場面設定、前回までの要約でキャラクターを安定させます。
曖昧な恋愛表現までの製品もあれば、成人向けロールプレイを許可する製品もあります。第011回では露骨な内容ではなく、製品ルール、記憶、プライバシーを見ます。
AIは文字だけを読むものではありません。第012回では、文字・画像・音声・動画を同じ課題で扱うマルチモーダルAIを感覚のたとえから理解します。
AI画像生成は、画像検索で似た写真を返すだけではありません。第013回ではノイズ、拡散モデル、Prompt、ランダム性から生成の直感を理解します。
良い画像Promptは呪文ではなく、撮影指示書に近いものです。第014回では主役・場面・構図・光・スタイルの再利用できる型を紹介します。
一枚きれいに作るのと、別の場面でも同じ人物を維持するのは別問題です。第015回では参考画像、固定特徴、Seed、段階的な変更を整理します。
動画生成はきれいな画像を大量に並べるだけではありません。第016回では時間的一貫性、人物の動き、カメラ移動からAI動画の難しさを理解します。
動画Promptは美しい場面を説明するだけでは足りません。第017回では被写体の動き、カメラ移動、環境、光、時間をショット単位で整理します。
APIは、ソフトウェア同士が決められた形式で機能を呼び出すための窓口です。第018回ではRequest、Response、Endpoint、API Keyを入門から説明します。
AI APIは使用量課金が中心です。第019回では100万Token単位、InputとOutputの料金差、Cached Input、計算例、利用者増加時のスケールを解説します。
AI Agentは一回の回答だけではありません。第020回ではGoal、Agent Loop、Tool Use、State、停止条件と安全設計を入門から整理します。
Embeddingは文章や画像をVectorへ変換し、意味の近さを数値で比較できるようにします。第021回ではDimension、Similarity、Semantic Searchを直感的に解説します。
Vector DatabaseはEmbeddingを保存し、近いVectorを効率よく検索します。第022回ではNearest Neighbor、Index、Metadata FilterとAIアプリでの役割を説明します。
Retrieval-Augmented Generationは、回答時に外部資料を検索してLLMのContextへ追加します。第023回ではChunk、Retrieval、Grounding、Citationと失敗原因を解説します。
Fine-tuningは追加のTraining ExampleでModel Parameterを更新します。第024回ではPrompt、RAGとの違い、向いている用途、Evaluationの重要性を整理します。
Local LLMは自分が管理するHardware上で動く言語モデルです。第025回ではWeight、VRAM、Quantization、Privacy、Performance、APIとのTrade-offを解説します。
Pythonは読みやすいSyntaxと巨大なEcosystemで、Data、Model、Notebook、API、Automationをつなぎます。第026回ではAI初心者が最初に必要な範囲を説明します。
CLI、Git、GitHubは一緒に出てきますが役割は別です。第027回ではTerminal、Version Control、Repository、Commit、Branch、Remote Hostingを整理します。
CUDAはNVIDIAのParallel Computing Platformです。第028回ではGPU、Driver、CUDA Toolkit、Runtime、Library、Version Compatibilityを整理します。
Hugging FaceはModel Download Siteだけではありません。第029回ではHub、Model Card、Dataset、Spaces、Transformers、License、Repository Fileを整理します。
OllamaはLocal Model管理をCLIとLocal APIへまとめます。第030回ではPull、Run、Server、Port、Modelfileと、Ollamaでも消えないHardware制限を説明します。
TransformerはRecurrent処理の代わりにAttentionを中心へ置きました。第031回ではQuery、Key、Value、Self-Attention、Parallelism、長文ContextのCostを解説します。
LangChainはAI Modelそのものではなく、Model Call、Prompt、Tool、Retrieval、Stateを組み合わせるFrameworkです。第032回では役割と使いどころを整理します。
現代のAI Coding AssistantはAutocompleteだけではありません。第033回ではRepository Context、File Edit、Terminal Tool、Diff、Approval、Code Reviewを整理します。
AIの名前はLayerが混ざりやすいものです。第034回ではOpenAI、Google Gemini、xAI Grokを例にCompany、Product、Model Family、Exact Modelを分けて考えます。
Prompt Injectionは、外部TextがTrusted Instructionと競合する命令として解釈される問題です。第035回ではDirect、Indirect Injection、Tool Risk、Layered Defenseを説明します。
AI Safety BoundaryはTraining、System Prompt、Classifier、Tool Permission、Product Policyなど複数Layerに存在します。第036回ではGuardrailとUncensoredという言葉を整理します。
AI動画は一つのPrompt欄だけではありません。Text-to-Video、Image-to-Video、Reference、First/Last Frame、Video-to-Videoを用途別に整理します。
ショットごとに顔や服装が変わる問題を、Reference Image、Character Master、Keyframe、Continuity Sheetを使うWorkflowで整理します。
cinematicという形容詞を増やす前に、Shot Size、人物の動き、カメラ移動、Keyframe、Durationを分けるとAI動画を制御しやすくなります。
映像と音を同時生成するモデルが増えていますが、Native Audio、Text-to-Speech、Lip Sync、Sound Effectsは別の問題です。違いを整理します。
AI Avatarは写真の口を動かすだけではありません。Driving Performance、Character Reference、Gesture、Lip Syncを分けて理解します。
一回の巨大Promptではなく、Script、Storyboard、Reference、Keyframe、Shot Generation、Editing、Audioを工程としてつなぐAI動画制作を解説します。
AI SearchはWebを検索し、複数Sourceを読んで統合し、Citation付きで回答できます。従来検索、Grounding、Citationの違いと確認方法を解説します。
Deep ResearchはPlanning、検索、Source読解、Gap発見、再検索、統合を一つの多段Workflowにします。通常Chatとの使い分けを説明します。
AI BrowserやCloud BrowserはWebを読むだけでなく、Click、入力、Navigation、Form操作ができます。Search、Connected Appとの違いとSecurity Riskを解説します。
Computer Use AgentはScreenshotを見て、Mouse、Keyboard、ScrollなどでGUIを操作します。Perception→Action Loop、APIとの違い、Securityを説明します。
Model Context Protocol（MCP）はAI ApplicationがTools、Resources、Promptsへ接続する方法を標準化します。Host、Client、ServerとSecurityを整理します。
Coding AgentはAutocompleteと違い、Repository全体をSearchし、複数Fileを変更し、CommandとTestを実行してReview可能なDiffやPRを作れます。
Vibe CodingはPrototypeを高速化しますが、ProductionではTest、Authentication、Data、Secret、Migration、Security、Maintenanceが残ります。
Fast、Thinking、Reasoning Effortの違いを、Inference Compute、Latency、Cost、Tool、Verificationの観点から説明します。長く考えるほど常に正しいわけではありません。
スキンケア成分やクレジットカードの特典、歩きやすい靴の選び方を知るように、AIの基本も日常の判断に必要なぶんだけ理解できます。
このサイトを作った理由 →