セクション1：生成 AI の基礎
学習目標
- AI・ML・生成 AI・基盤モデル・LLM の関係を説明できる
- ML のライフサイクルの段階と、業務に合う基盤モデルの選定基準を説明できる
- データの種類と品質の観点、生成 AI の 5 つの層、Gemini・Gemma・Imagen・Veo の違いを説明できる
要点
- AI ⊃ 機械学習 ⊃ ディープラーニング ⊃ 基盤モデル（LLM など）。生成 AI は新しいテキスト・画像・コード・音声・動画を作る AI。
- 基盤モデルは大量のデータで事前学習され、多様なタスクに適応できる大規模なモデル。マルチモーダルはテキスト・画像・音声・動画など複数の種類のデータを扱う。
- 拡散モデルはノイズを除去する過程を学習して画像や動画を生成する。
- プロンプトエンジニアリングは入力の指示を工夫すること、プロンプトチューニングは少数のパラメータ（ソフトプロンプト）を学習させてモデルを適応させる手法。
- ML のライフサイクル：データの取り込み → 準備 → 学習 → デプロイ → 管理（監視・再学習）。Google Cloud では BigQuery・Cloud Storage・Agent Platform（旧 Vertex AI）などを使う。
- 基盤モデルの選定基準：モダリティ、コンテキストウィンドウ（一度に扱える入力の量）、セキュリティ、可用性・信頼性、コスト、性能、カスタマイズのしやすさ。
- 構造化データは表の形式（売上・顧客 DB）、非構造化データは文書・画像・音声・動画。ラベルありは正解付き、ラベルなしは正解なし。
- 生成 AI の層：インフラ（TPU・GPU）→ モデル（Gemini など）→ プラットフォーム（Agent Platform）→ エージェント → アプリケーション（Gemini app、Workspace など）。
- Gemini はマルチモーダルの主力モデル、Gemma は軽量なオープンモデル、Imagen は画像の生成、Veo は動画の生成。
業務での使いどころ
- 営業提案書の作成（作成）、議事録の要約（要約）、社内資料の検索（発見）、見積もりの下書きの自動作成（自動化）に分けて、生成 AI の使いどころを洗い出す。
評価項目（英語）
- 生成 AI の主要な概念（AI・自然言語処理・機械学習・生成 AI・基盤モデル・マルチモーダル・拡散モデル・LLM・プロンプトエンジニアリング・プロンプトチューニング）
- 機械学習の手法（教師あり・教師なし・強化学習）と ML のライフサイクル（データの取り込み・準備・学習・デプロイ・管理）と各段階の Google Cloud のツール
- 業務に合う基盤モデルの選び方（モダリティ、コンテキストウィンドウ、セキュリティ、可用性、コスト、性能、ファインチューニング）と、作成・要約・発見・自動化のユースケース
- データの種類（構造化・非構造化、ラベルあり・なし）とデータの品質・アクセス性（完全性・一貫性・関連性・可用性・コスト・形式）
- 生成 AI の層（インフラ・モデル・プラットフォーム・エージェント・アプリケーション）
- Google の基盤モデル（Gemini、Gemma、Imagen、Veo）の用途と強み