表紙

はじめに

目次

第1章 生成AIの概要と歴史

1.1 生成AIの誕生

1.2 言語モデルから大規模言語モデルへ

1.3 GPT-3の登場

1.4 画像生成のブレークスルーと生成AIブームのはじまり

1.5 ChatGPTの衝撃

第2章 生成AIの主なテクノロジー

2.1 自然言語処理

2.1.1 自然言語処理のタスク

2.1.2 自然言語処理の歴史と進化

2.1.3 ChatGPTの登場

2.1.4 ChatGPTが与えたインパクト

2.2 画像・音声・動画の生成AI

2.2.1 画像生成AIの歴史と進化

2.2.2 活用と悪用がはじまった音声生成AI

2.2.3 動画生成AIの萌芽とシンセティックメディア時代の到来

第3章 生成AIを進化させる技術動向

3.1 AIスーパーコンピュータと計算資源競争

3.1.1 GPUの性能向上とパラメータ数の増大

3.1.2 並列分散学習技術の発展

3.1.3 日本における計算資源の状況

3.2 生成AIプラットフォーム

3.2.1 オープンAI、マイクロソフトが提供するプラットフォーム

3.2.2 グーグル、メタが提供するプラットフォーム

3.2.3 パブリックな生成AIプラットフォーム

3.3 LLM(大規模言語モデル)を拡張する技術

3.3.1 RAG(検索拡張生成)による知識拡張

3.3.2 ファインチューニング

3.3.3 ファインチューニングの実践例

3.3.4 LLMを協調的に活用

3.4 量子コンピュータが加速する生成AI

3.4.1 量子コンピュータ開発の現在地

3.4.2 生成AIが量子コンピュータ研究を下支え

3.4.3 量子機械学習という新たな挑戦

3.4.4 新たなバズワード「量子AI」への期待

第4章 生成AIの課題と社会的影響

4.1 生成AIを取り巻く課題と背景

4.2 生成AIにおけるリスクと課題

4.2.1 大規模なデータの取得と品質のコントロール

4.2.2 不特定多数のユーザーによるAIの入出力

4.3 各国の取り組み

第5章 生成AIのビジネス活用のはじまり(業界別)

5.1 製造業界(自動車・電子電機・医薬品など)

5.1.1 製造業における情報の検索と統合

5.1.2 製品仕様書の自動生成

5.1.3 ユーザーや作業者との自然なコミュニケーション

5.1.4 最適なデザインや構造の生成

5.2 金融業界

5.2.1 金融業界における生成AI活用の取り組み

5.2.2 各フェーズにおける実業務への活用に向けた課題と対応

5.2.3 PoC実施のポイント

5.2.4 AI時代の展望と備え

5.3 流通小売業界

5.3.1 流通小売業のバリューチェーンと生成AI活用

5.3.2 トップ小売企業の取り組み

5.3.3 流通小売業における生成AI活用の課題と展望

5.4 広告業界

5.4.1 広告業界の地殻変動と生成AIの登場

5.4.2 ダイレクトレスポンス広告に強みを持つインターネット専業広告会社

5.4.3 ブランディング広告に強みを持つ総合広告会社

5.4.4 広告業界における生成AI導入の現状

5.4.5 生成AIが実現する広告業務の将来像

5.4.6 今後の広告業務における生成AI活用の方向性

5.4.7 広告業務に求められる変革

5.5 エンターテインメント業界

5.5.1 生成AIにより進化するエンターテインメント業界

5.5.2 先行企業による活用事例

5.5.3 生成AI活用における課題

5.5.4 生成AIの普及がもたらす変化

5.5.5 生成AIが描くエンターテインメント業界の展望

5.6 行政

5.6.1 なぜ行政で生成AI技術が必要とされているのか

5.6.2 行政における生成AIの活用事例や動向

5.6.3 生成AI活用の課題

5.6.4 展望：生成AIが全国に普及していく

第6章 生成AIのもたらす未来

6.1 企業における生成AIの導入

6.1.1 短期間で浸透した生成AI

6.1.2 IT・通信業界で進む生成AIの導入

6.1.3 日常業務のサポートから創造的業務へ

6.1.4 日米の導入の差から見た将来展望

6.2 生成AIで変わる「生活」

6.2.1 生成AIでなくなる仕事

6.2.2 生成AIで生まれる仕事

6.2.3 生活を支えるAIの活用事例

6.2.4 AIがもたらす10年後の未来

6.3 AI時代の到来

6.3.1 なぜ今、生成AIなのか

6.3.2 The Singularity is here.

6.3.3 生成AIから汎用人工知能へ

6.3.4 AI時代にどう備えるか

奥付