Artificial Intelligence
頭文字を取ってAIです。直訳で人工知能です。
コンピュータに人間のように何かを学習・推論できるようにする人工知能の技術。
ディープラーニングにより学習させる、とのこと。

現在のAIは、人工知能と言いつつ専門分野に特化させたものに留まっています。
※すべてを得意とするAIは、まだこの世に存在していない？
AIの最終到達点は、人間のように自分で考え、行動し、成長していくものを想定しているのでしょうか？

そうなると、私のAIの完成形のイメージは「ドラえもん」になります。
ドラえもんは自分で物事を考えて行動します。どら焼きが好きだし、恋愛もします。フラれたらちゃんと落ち込みます。
のび太くんには「ばかだな～」とか普通に悪口も言うし。

現代では、まだドラえもんが登場しそうにありません。では、AIは現時点でどんなことを行っているのでしょうか。

AIの得意分野をいくつかまとめてみました。

このように、既にいろいろなところでAIの技術は利用されています。
ただし、現状のAIはこれら単一のタスクしか向いていません。「1つの専門分野」に特化させているためです。
天気予報しながら部屋を掃除して回るのは苦手なのです。それぞれ役割毎にAIを用意する必要があります。

AIをAIたらしめるためには、「どんなデータを与えたら良いのか」が重要なもようです。
ただ闇雲にいろいろなタイプのデータをあげても、効率が良いとは言えません。
まず初めに、これから構築するAIに「どんな仕事をしてもらおうか」というところからスタートし、その仕事をするためのデータセットを準備します。
では、どんなデータが良いのでしょうか？分類別で確認してみます。

準構造化データはさておき、構造化データと非構造化データについての一例をあげます。
例えば、美容室に電話で予約を入れるシチュエーションを想像します。こんな会話だと思います。
「7/1にカットの予約をしたいです。山田といいます。あ、やっぱりパーマもしてもらいたいです。時間空いてますか？・・・では14時でお願いします！」 　　　　　　　
これを構造化データにすると・・・↓

ざっくりですが、こんな感じにまとめることができます。

コンピュータはもともと「構造化データ」の方を得意としていますので、意味を理解するには構造化データが最も効率的のようです。ただ、会話は「非構造化データ」になりますから、AIは最終的には非構造化データでの学習を進める必要があります。テキストを人間のように理解できるように設計されたAIにするため、構造化データから学習させていく、というイメージなのかと思います。
AI学習の最初の1歩は、構造化データにて「単語」の理解からがスタートなのでしょう。
語彙の理解→単語と単語の組み合わせの理解→文法の理解→構文の理解・・・etc.　と少しずつ広げていき、会話や音声、投稿などの非構造化データが理解できるまでに成長させられれば、晴れて生成AI君の誕生です！
こういった生成AIの学習方法としては、深層学習（ディープラーニング）やニューラルネットワークといったトレーニング方法があります。

こうやって文章にすると数行ですみますが、これを実際にやろうと思ったらどのくらいの時間・費用・労力がかかるのでしょうか・・・！？
うちみたいな小さな会社が１からAIを作ろうと思ったら、そのコストで潰れてしまいそうです。データの収集や作成もさることながら、品質も担保しないといけません。データが間違っていないか確認しないとですし、古いデータが混じっていたら更新も必要です。

AIを使ったサービスを展開したいなと考える中小企業の多くは、予めトレーニングが完了しているAIモデルを貸してもらうことで、少ないリソースで開発することができるようになります。
この、事前にトレーニングされるデータは基本的なものになります。一般的に必要な知識を網羅的に学習済みのAI君となりますので、そこに自社サービスに特化したデータを与えれば良いのですから、1からやるよりも断然スピード感が違います。
ちなみに↑のことをファインチューニングといいます。

ディープラーニングとか、自然言語処理とか、さっそく調べないと良く分からない単語が・・・！
専門分野に特化させるためにどんな学習をさせるのか、等も自ら調べないと知る由もありません。

機械学習、深層学習、大規模言語モデル、ニューラルネットワーク、推論エンジン、プロンプト・・・etc

AIがどのようにつくられているのかを調べるほか、AIの上手な活用方法といった方面も見ていければ良いかと思います。