AIモデルの種類|学習方法・用途・規模で分ける一覧と選び方
AIモデルにはどのような種類がありますか。結論から言うと、AIモデルは「どう学ぶか(学習方法)」「どんな仕組みか(手法・構造)」「何をするか(用途)」「どの規模で、どこで動かすか(規模と使い方)」の4つの軸で分けられます。学習方法なら教師あり学習・教師なし学習・強化学習、用途なら分類・回帰などの識別と生成、規模なら基盤モデルと特化モデルです。
もう一つ、ファッションや広告の現場では、「AIモデル」がAIで生成した人物モデルを指すという、別の意味があります。この記事では、機械学習の種類を表と図で整理したうえで、最後に人物のAIモデルの種類もまとめます。そもそもAIモデルとはから確認したい方は、先にそちらをご覧ください。
AIモデルにはどのような種類がありますか?4つの軸で見る全体像
本稿で扱う機械学習のAIモデルとは、学習で得たパラメータなどを使って、入力から予測・判断・生成の結果を出す仕組みのことです。種類の分け方は一つではなく、同じモデルが複数の軸で同時に分類されます。たとえば画像を作る拡散モデルは、用途では「生成」、手法では「ディープラーニング」、規模の軸では、大規模に事前学習したものが「基盤モデル」と呼ばれることもあります。下の図は、この記事で扱う分類を4つの軸にまとめたものです。
1学習方法
- 教師あり学習
- 教師なし学習
- 強化学習
- 自己教師あり・半教師あり学習
2手法・構造
- 従来型の機械学習(決定木など)
- ディープラーニング
- 代表的な構造(CNN・RNN・Transformer)
3用途(出力)
- 識別(分類・回帰)
- 生成(文章・画像・音声)
- 大規模言語モデル
- 画像生成(拡散モデルなど)
- 音声・マルチモーダル
4規模・使い方
- 基盤モデル
- 特化モデル
- クラウドで使うモデル
- 手元で動かすモデル
別の意味ファッション・広告では、AIで生成した「人物のAIモデル」も指します。
AIモデルの種類 総覧表(分類軸×種類×用途)
各項目は、あとの章で定義・得意なこと・用途・注意点の順に説明します。
| 分類軸 | 種類 | 一言でいうと | 主な用途 |
|---|---|---|---|
| 学習方法 | 教師あり学習 | 正解つきのデータから、入力と答えの関係を学ぶ | 迷惑メールの判定、需要の予測 |
| 教師なし学習 | 正解なしで、データのまとまりや構造を見つける | 顧客のグループ分け、異常の検出 | |
| 強化学習 | 試行と報酬から、よりよい行動の方針を学ぶ | ゲームAI、ロボットの制御 | |
| 手法・構造 | ディープラーニング | 多層のニューラルネットワークで、特徴ごと学ぶ | 画像・音声・文章の認識と生成 |
| 従来型の機械学習 | 決定木や線形モデルなど、比較的小さな仕組み | 表形式データの予測・分類 | |
| 用途 | 識別(分類・回帰) | 入力から、カテゴリや数値を答える | 問い合わせの振り分け、売上の予測 |
| 生成 | 新しい文章・画像・音声などを作る | 文章の下書き、画像・動画の制作 | |
| 大規模言語モデル | 大量の文章で学習した、言葉を扱うモデル | 要約、翻訳、質問応答 | |
| 画像生成(拡散モデルなど) | 指示に沿った画像を作る | バナー、イメージ画像、商品画像の背景 | |
| 音声・マルチモーダル | 音声や、複数種類のデータをまとめて扱う | 文字起こし、画像を見ての質問応答 | |
| 規模 | 基盤モデル | 幅広いデータで事前に学び、多用途に転用できる | 多様な仕事の土台 |
| 特化モデル | 特定の仕事や分野に合わせて作る・調整する | 自社データでの分類、専門分野の文章処理 | |
| 使い方 | クラウド型/手元で動かす型 | 提供元の環境で使うか、自社の環境で動かすか | 手軽に始める/情報管理を重視する |
| 別の意味 | 人物のAIモデル | AIで生成した、服などを身につける人物。当サービスでは専用・ブランド専属・ご本人の顔の3種類 | ECの商品画像、広告、カタログ |
学習方法と手法で分ける:教師あり学習・教師なし学習・強化学習・ディープラーニング
学習方法は、AIモデルの種類を分ける代表的な軸の一つです。「どんなデータを与え、何を手がかりに学ばせるか」で、大きく3つに分かれます。選ぶ際の最初の目安は、手元のデータに正解があるかどうかです。強化学習は、正解ではなく環境と報酬が手がかりになります。
教師あり学習
入力データと、その正解(ラベル)の組を大量に見せ、入力から正解を当てられるように学ぶ方法です。
- 得意なこと
- 答えが決まっている問題です。カテゴリを当てる分類と、数値を当てる回帰の、どちらにも使われます。
- 典型的な用途
- 問い合わせメールの振り分け、迷惑メールの判定、商品画像の種類判定、来月の需要予測。
- 注意すること
- 正解ラベルを用意する手間がかかります。ラベルに誤りや偏りがあると、その傾向まで学んでしまいます。
教師なし学習
正解を与えず、データそのものの並び方やまとまりから、構造を見つける方法です。
- 得意なこと
- 似たもの同士をまとめるクラスタリング、特徴を少ない項目にまとめる次元削減、ふだんと違うデータを見つける異常検知(教師なしで行える方法もあります)です。
- 注意すること
- 正解がないため、結果が役に立つかどうかは、人が解釈して確かめる必要があります。
強化学習
環境の中で行動するエージェントが、得られる報酬が大きくなるように、行動の方針(方策)を試行を重ねて学ぶ方法です。
- 得意なこと
- 多くの場合、一つの判断では決まらず、一連の行動の結果で評価される問題です。
- 注意すること
- 試行錯誤を重ねて学ぶため、何を報酬にするかの設計で結果が大きく変わります。
このほか、データの一部を隠して当てさせるなど、データ自体から学習課題を作る自己教師あり学習や、少量の正解つきデータと大量の正解なしデータを組み合わせる半教師あり学習もあります。
手法・構造で分ける:ディープラーニングと従来型の機械学習
ディープラーニング(深層学習)とは、多層のニューラルネットワークを使う機械学習の手法です。機械学習の中に深層学習が含まれる、という関係です。学習方法の4つ目ではなく、教師あり・教師なし・強化学習のいずれの中でも使われます。
ディープラーニング(深層学習)
多層のニューラルネットワークで、データから特徴の捉え方ごと学ぶ手法です。
- 得意なこと
- 画像・音声・文章のように、人が特徴を書き出しにくい複雑なデータの扱いです。
- 注意すること
- 多くの場合、大量のデータと計算資源が必要です。判断の理由を説明しにくい(ブラックボックス型の)モデルになる場合がある点にも配慮が要ります。
従来型の機械学習
線形回帰、決定木、ランダムフォレスト、サポートベクターマシン、k-means法など、比較的小さな仕組みで学ぶ手法です。
- 得意なこと
- 表形式のデータの予測や分類です。中規模までの表形式データでも使いやすく、決定木や線形モデルのように結果の説明がしやすいものもあります。
- 注意すること
- 画像や音声をそのまま扱うのは苦手で、入力する特徴を人が用意する場面が多くなります。
ディープラーニングには、データの性質に合わせた構造があります。画像の局所的な特徴を重ねて捉えるCNN(畳み込みニューラルネットワーク)、順番のあるデータを順に処理するRNN・LSTM、入力の各部分どうしの関係を注意機構で捉えるTransformerが代表的です。Transformerは、大規模言語モデルの土台にもなっています。
用途で分ける:識別(分類・回帰)と生成
モデルが「何を出力するか」で分ける軸です。識別モデルは、入力の特徴からラベル(カテゴリ)や数値を予測するモデルで、答えがカテゴリなら分類、数値なら回帰と呼びます。生成モデルは、データの傾向を学び、似た性質の新しいデータを作るモデルです。識別は見分ける、生成は作る、と考えると整理しやすくなります。
分類
入力が、あらかじめ決めたカテゴリのどれに当てはまるかを答えます。
- 典型的な用途
- 迷惑メールか否かの判定、画像に何が写っているかの判別、問い合わせの振り分け。
- 注意すること
- 学習で見ていない種類の入力には弱く、確信度の低い結果は人が確認する運用が必要になる場合があります。
回帰
入力から、売上や価格のような連続した数値を予測します。
- 得意なこと
- 過去の傾向から、数量や金額の見通しを立てる仕事です。
- 典型的な用途
- 需要予測、売上予測、住宅価格の予測。
- 注意すること
- 季節や販促など、結果に効く情報が入力に含まれているかで精度が変わります。
生成
学習した傾向をもとに、新しい文章・画像・音声・動画などを作ります。
- 得意なこと
- 下書きや素材を作る仕事です。
- 注意すること
- もっともらしいが事実と違う内容を作ることがあります。公開前に人が確認します。
文章・画像・音声を扱うモデル:大規模言語モデル・拡散モデル・マルチモーダル
大規模言語モデル(LLM):言葉を扱うモデル
大規模言語モデル
大量の文章で学習した、言葉を扱う大規模なニューラルネットワークです。多くはTransformerという構造を土台にしています。
- 学び方
- 事前学習では、文章の続きを予測する形で学ぶものが多くあります。文章の一部を隠して当てる方式もあります。
- 得意なこと
- 要約、翻訳、質問応答、文章の下書き、プログラムコードの補助、文章の分類など、言葉にかかわる幅広い仕事です。
- 注意すること
- もっともらしい誤りを述べることがあります。モデル単体では、学習した時点より新しい情報は持っていません。入力した情報の取り扱いは、利用する形態ごとに契約と設定を確認します。
大規模言語モデルは、そのまま使うほかに、組み合わせて使う方法があります。外部の資料を検索して参照させ、回答に反映させる仕組みは検索拡張生成(RAG)と呼ばれます。また、大規模言語モデルを中心に、道具を呼び出しながら複数の手順を進める使い方は、AIエージェントと呼ばれます。
画像生成のモデル:拡散モデル・GAN・VAE
画像や動画を作るモデルにも、いくつかの方式があります。代表的な方式の一つが拡散モデルで、ほかにGANなどがあります。どの方式も、学習したデータの傾向から新しい画像を作る生成モデルです。VAE(変分オートエンコーダ)は、データを少数の潜在変数に符号化し、そこから復元・生成できるように学ぶ方式で、画像を圧縮する部品として使われることもあります。
拡散モデル
学習時にデータへ段階的にノイズを加え、ノイズを取り除く方法を学習します。生成時にはノイズから少しずつ画像などを作ります。
- 得意なこと
- 文章などの指示を条件として与え、指示に沿った質感のある画像を作る使い方です。
- 典型的な用途
- イメージ画像、バナー、商品画像の背景、広告用の素材。
- 注意すること
- 手や文字などの細部が崩れることがあります。既存の作品や実在の人物に似る可能性もあるため、公開前に人が確認します。
GAN(敵対的生成ネットワーク)
画像を作る生成器と、本物か偽物かを見分ける識別器が、競い合いながら学習する方式です。
- 得意なこと
- GANには、ノイズを生成器に通すだけで画像を作るものがあります。条件付きGANでは、ノイズに加えて条件も与えます。
- 注意すること
- 学習が不安定になりやすく、作れる画像の種類が偏ることがあります。
音声・マルチモーダル:音を扱うモデルと、複数の種類を扱うモデル
音声認識・音声合成
音声を文字に変換する音声認識と、文章から音声を作る音声合成があります。
- 典型的な用途
- 会議の文字起こし、動画の字幕、ナレーション、読み上げ。
- 注意すること
- 雑音や専門用語で認識の誤りが増えることがあります。特定の人の声を再現する場合は、ご本人の許諾を確認する必要があります。
マルチモーダルモデル
文章・画像・音声・動画など、複数の種類のデータを入力や出力として扱えるモデルです。
- 得意なこと
- 画像を見て質問に答える、音声で聞いて文章で答えるなど、種類をまたぐ仕事です。
- 典型的な用途
- 写真を見ての商品の説明文づくり、資料の画像を読み取っての質問応答。
- 注意すること
- モデルごとに、対応する入出力の組み合わせが異なります。用途に合う組み合わせかを確認します。
規模と使い方で分ける:基盤モデル・特化モデル・クラウド・手元
基盤モデルとは、幅広いデータで大規模に事前学習し、追加の調整や指示によって、多様な仕事に使えるモデルです。対して、特定の仕事や分野に絞って作ったモデル、または調整したモデルを、ここでは特化モデルと呼びます。モデルの規模は、学習で得られる値の数(パラメータ数)で語られることが多くあります。
| 比べる項目 | 基盤モデル | 特化モデル |
|---|---|---|
| 得意なこと | 一つで多くの仕事に対応できる | 決まった仕事や分野に合わせて、作る・調整できる |
| 用意の仕方 | 提供されているものを使う場合が多い。自前で作るには大量のデータと計算資源が必要 | 既存のモデルに自社のデータで追加学習するか、目的に合わせて小さく作る |
| 注意すること | 分野に固有の知識や、社内の事情は反映されにくい | 対象外の入力には弱く、条件が変わると見直しが必要 |
基盤モデルと特化モデルは、きれいに分かれるとは限りません。大きな基盤モデルを追加学習で調整したものも、特化モデルの一つです。特化したから軽く、速く、安定するとは限らないため、仕事ごとに専門のモデルを選び、実際のデータで精度・速度・費用を測って決めます。
基盤モデルを自社向けに合わせる3つの方法
- 指示(プロンプト)の工夫:モデルは変えず、与える指示や例を整えます。
- 外部資料の参照(RAG):回答のたびに、社内資料などを検索して参照させます。
- 追加学習(ファインチューニング):自社のデータでモデルの内部の値を調整します。
使い方で分ける:クラウドで使うモデルと手元で動かすモデル
同じ種類のモデルでも、どこで動かすかで、始めやすさと情報の扱いが変わります。
クラウドで使うモデル
提供元が管理するクラウドサービスとして、Webサービスなどを通じて使う形態です。
- 始めやすさ
- 環境の準備が軽く、すぐに試せます。
- 情報の扱い
- 提供元のサービスを使う場合、入力した情報は提供元の環境に送られます。契約条件と設定を確認します。
- 費用と運用
- 利用量に応じた費用になることが多く、提供元のサービスでは運用と更新を提供元が行います。
手元で動かすモデル
モデルを入手し、自社のサーバーや端末の中で動かす形態です。
- 始めやすさ
- 動かすための計算機(GPUなど)と、構築の手間が必要です。
- 情報の扱い
- 端末の中で動かす場合は、データを端末の外に出さない構成にできます。
- 費用と運用
- 自社で構築・管理する場合は、機器の用意、更新、監視を自社で行います。責任の分担は、構成や利用するサービスの種類によって変わります。
クラウドと手元は、きれいに分かれるとは限りません。クラウド上に自分でモデルを置いて管理する方法や、自社の設備の中にクラウドと同じ仕組みを作るプライベートクラウドもあり、運用や更新の責任の分担は、構成や利用するサービスの種類によって変わります。また、重みが公開されているモデルでも、利用条件(ライセンス)はモデルごとに異なり、制限のあるものもあります。商用利用や再配布の可否を、使う前に確認してください。
種類を問わず見ておきたい、評価・データ・運用の見方
教師あり学習では、目的の設定、学習データの準備(正解ラベルを付ける作業を含みます)、学習、評価、運用の順に作るのが一般的です。教師なし学習は人手のラベルを必ずしも必要とせず、強化学習は環境とのやり取りから経験を得ます。
評価では、データを分けて確かめるのが基本
データを分けて性能を評価できる場合は、学習用・検証用・最終テスト用の3つに分けます。学習用でモデルを作り、検証用で手法の比較や設定の調整、過学習の確認を行います。方針が固まったあとに、それまで使っていない最終テスト用で、最終的な性能を確認します。
学習用データ
モデルに学ばせるデータです。多くの場合、もっとも多く使います。
検証用データ
手法の比較、設定の調整、過学習の確認に使います。
最終テスト用データ
方針を決めたあと、最終的な性能を確かめるために取っておきます。
学習用データでは誤差が小さいのに、新しいデータでは誤差が大きい状態を過学習といいます。モデルが複雑すぎる場合や、学習データの量・多様性が足りない場合に起こりやすくなります。反対に、学習データの傾向も十分に捉えられず、学習データと新しいデータの双方で誤差が大きい状態は、学習不足(アンダーフィッティング)です。
運用中の見直しと、共通するリスク
使い始めたあとも、データや関係性の変化により、精度が低下する場合があります。定期的に結果を確認し、再学習などで見直します。多くのAIモデルで注意したいのは、学習データの偏りと説明のしにくさ、そして生成モデルでは、もっともらしい誤りやデータ・生成物の権利です。
もう一つの「AIモデル」:ファッション・広告の人物のAIモデル
ファッションや広告、ECの現場では、「AIモデル」がAIで生成した人物モデルを指します。服を着る、商品を持つ姿を画像や動画にしたもので、機械学習のモデルそのものではなく、生成した画像・動画の中に登場する人物です。当サービスでは、人物のAIモデルを、業務に合わせた専用のもの、ブランド専属のもの、ご本人の許諾を得た顔のものの3つに分けています。言葉の整理は、AIモデルとはのページで解説しています。
人物のAIモデルの活用や費用は、人物のAIモデルとはで詳しく紹介しています。
商品写真1枚から着用画像・動画を作るAIモデル生成サービスは、1枚1,980円(税別)からです。はじめての方は、AIモデルの着用画像1点の試作が無料です。
目的別の選び方:どの種類のAIモデルを選ぶか
種類の名前から選ぶより、「何をしたいか」から逆算すると、候補が絞れます。
| やりたいこと | 向いている種類 | 選ぶ理由 |
|---|---|---|
| 問い合わせメールを種類別に振り分けたい | 分類(教師あり学習)、または大規模言語モデル | 答えがカテゴリで決まっているため。正解つきの過去データがあれば分類モデルも作れます |
| 来月の需要を予測したい | 回帰(時系列予測を含む) | 答えが数値で、過去の推移が手がかりになるため |
| 顧客を似た傾向ごとにグループ分けしたい | 教師なし学習(クラスタリング) | 正解がなく、データの中のまとまりを見たいため |
| 文章の要約や下書きを作りたい | 大規模言語モデル | 言葉を扱う仕事に広く対応できるため |
| バナーやイメージ画像を作りたい | 画像生成(拡散モデルなど) | 指示に沿った画像を作れるため |
| 社内の機密資料を扱いたい | 手元で動かすモデル(クラウド型を使う場合は契約条件を確認) | 端末の中で動かせば、情報を外に出さずに済む構成にできるため |
| ECの商品の着用画像・広告画像を作りたい | 人物のAIモデル | 商品写真1枚から、人物が着用した画像・動画を用意できるため |
迷ったときは、出力(カテゴリ・数値・文章・画像・音声)、手元のデータ(正解の有無と量)、重視する点(精度・速さ・費用・説明しやすさ)、置き場所(クラウドか手元か)の順に決め、小さく試して結果を人が確認してから広げます。
AIモデルの種類に関するよくある質問
AIモデルにはどのような種類がありますか?
大きくは、学習方法(教師あり学習・教師なし学習・強化学習)、手法・構造(ディープラーニングなど)、用途(分類・回帰などの識別と、文章や画像を作る生成)、規模と使い方(基盤モデルと特化モデル、クラウドで使うものと手元で動かすもの)の4つの軸で分けられます。一つのモデルが複数の軸に当てはまることもあります。
教師あり学習と教師なし学習は、何が違いますか?
教師あり学習は、入力と正解の組を見せて、入力から正解を当てられるように学ぶ方法です。教師なし学習は、正解を与えず、データの中のまとまりや構造を見つける方法です。
ディープラーニングと機械学習は同じものですか?
同じではありません。ディープラーニング(深層学習)は、多層のニューラルネットワークを使う機械学習の手法の一つです。機械学習の中に深層学習が含まれる関係で、決定木や線形回帰のように、深層学習を使わない機械学習もあります。
識別モデルと生成モデルは、何が違いますか?
識別モデルは、入力を見て「どのカテゴリか」「いくつか」といったラベルや数値を予測するモデルです。生成モデルは、データの傾向を学び、似た性質の新しい文章・画像・音声などを作るモデルです。識別は見分ける、生成は作る、と覚えると整理しやすくなります。
基盤モデルと特化モデルは、どう使い分けますか?
幅広い仕事を一つのモデルでこなしたい、まず手軽に試したいという場合は、基盤モデルを使う方法があります。決まった仕事や自社のデータに合わせたい場合は、特化モデルを検討します。両者は重なり、基盤モデルを追加学習で調整したものも特化モデルです。仕事ごとに専門のモデルを選び、実際のデータで精度・速度・費用を測って決めます。
「AIモデル」が人物を指すのは、どんなときですか?
ファッションや広告、ECの分野で、AIで生成した人物モデルを指して「AIモデル」と呼ぶことがあります。機械学習のモデルそのものではなく、生成した画像・動画の中に登場する人物です。当サービスでは、業務に合わせた専用のもの、ブランド専属のもの、ご本人の許諾を得た顔のものの3つに分けています。
まとめ:AIモデルの種類は、軸を分けて見ると整理できる
AIモデルの種類は、学習方法、手法、用途、規模と使い方の4つの軸で整理できます。一つのモデルが複数の軸に当てはまるため、名前の一覧を覚えるより、軸ごとに見るほうが迷いません。選ぶときは、出力、データ、重視する点、置き場所の順に決め、小さく試して人が確認します。基本は、AIモデルとはでもまとめています。