---

この記事でわかること

• 機械学習は「何を渡して」「何を学習する」のか（超具体）
• 深層学習は「素材だけ渡す」のか？本当は何が違うのか
• 深層学習が“重要ポイント”を自分で見つけられる理由
• だから深層学習（と生成AI）はデータ量が必要になる
• 生成AI（LLM）が「次の言葉を当てる」で賢く見える仕組み
• 使う側がハマりがちな落とし穴と、プロンプトの考え方

---

はじめに：

「機械学習と深層学習って結局なにが違うの？」
この問い、説明が難しくなるほど意味がわからなくなるやつです。

なので今日は、専門用語をほぼ捨てて、こう覚えます。

• 機械学習：テスト範囲を教えてから勉強させる
• 深層学習：教科書を丸ごと渡して、自分で重要ポイントを探させる
• 生成AI（LLM）：教科書（言語）を丸ごと読んだ上で、“続きを書ける”ようにする

そして全体像を整理するならこうです。

人工知能（AI）
  └ 機械学習
       └ 深層学習
            ├ 画像認識AI
            ├ 音声認識AI
            ├ 生成AI
            │      ├ LLM（文章生成）
            │      ├ 画像生成AI
            │      └ 音楽生成AI
            └ その他

---

まず大前提：どっちも「当てる→間違える→直す」の反復

機械学習も深層学習も、基本の流れは同じです。

1. 入力（情報）を渡す
2. 正解（答え）も渡す
3. AIが一回予想する
4. 予想が外れたら、内部の“当て方”を少し直す
5. これを大量に繰り返す

違いはここです
「何を入力として渡すか」と「誰が重要ポイント（特徴）を作るか」

---

1. 機械学習：何を渡して、何を学習する？

機械学習で渡すものは「人間が作ったテスト範囲」

機械学習の入力は、だいたいこういう“表”です。

例：家賃を当てる（回帰のイメージ）

広さ(㎡)	駅徒歩(分)	築年数(年)	→ 正解：家賃(円)
30	5	10	120,000
22	12	25	78,000
45	3	5	180,000

ここで大事なのは、左側の列（広さ・徒歩・築年数）って、すでに 意味のある部品 になっていること。

• 広さ＝広いほど家賃が上がりそう
• 徒歩＝遠いほど家賃が下がりそう
• 築年数＝古いほど下がりそう

つまり、人間が「ここがテスト範囲だよ」と教えてるんです。

機械学習が学習するものは「当て方のルール」

機械学習が学ぶのは、ざっくり言うとこれです。

この入力（テスト範囲）なら、この答えになりやすい
という“当て方”のルール

最初はテキトーに予想して外す。
外した分だけ、当て方を少し直す。
その繰り返しで、だんだん当たるようになります。

ここまでで、機械学習はこう言い換えられます。

機械学習＝「これに影響を与えるのは、あれだよ」を学ぶ

---

2. 深層学習：素材だけ渡す？…半分正解、半分違う

ここ、よく誤解されます。

深層学習は素材だけ渡す？

答え：素材“だけ”じゃない。基本は「素材＋正解」を渡す。

ただし、素材がこうなることが多い。

• 画像そのもの（ピクセルの集まり）
• 音そのもの（波の集まり）
• 文章そのもの（単語の並び）

表（CSV）みたいに「意味のある列」に分けるのが難しい世界ですね。

---

AI業務自動化に興味がある方は、Instagram（@taro_taro609）にDMで「診断」と送ってください。

深層学習が学習するのは「重要ポイントの作り方」まで込み

機械学習との決定的な違いはここです。

• 機械学習：人間が“重要ポイント（特徴）”を作って渡す
• 深層学習：AIが“重要ポイント”から自分で作る（その上で当て方も学ぶ）

つまり

深層学習＝「これ“は”これだよ」を丸ごと学ぶ

になりやすい。

---

具体例：猫か犬か（画像）

機械学習で無理やりやるなら、人間が特徴を考えます。

• 耳の形？
• 鼻の形？
• 毛の模様？
• 輪郭？

でも画像って、そこまで分解するのがしんどい。

深層学習は、画像をそのまま見て、内部で勝手にこういう順に“部品”を作っていきます（イメージ）。

• まず「線っぽいもの」
• 次に「線の組み合わせ」
• 次に「目っぽいもの」
• 次に「顔っぽいもの」
• 最後に「猫っぽい」

3. なぜ深層学習は“重要ポイント”を自分で見つけられるの？

ここが核心です。

正解に近づくのに役立つ情報は、どんどん強くなる
役に立たない情報は、どんどん弱くなる

たとえば猫を当てたいのに、
背景の壁紙の色ばかり見てたら当たりません。

だから学習を繰り返すうちに、
「背景は役に立たない」方向に修正されていく。

逆に、耳や目の形が当たりやすいなら、
そこに重みが乗っていく。

結果として、AIの中に“重要ポイント”が育つ。
これが「教科書丸ごとでも重要ポイントを探せる」理由です。

---

4. だから深層学習はデータ量が必要になる

ここまで来たら、例えが効いてきます。

• 機械学習：テスト範囲を教えてから勉強させる
  → 少ないデータでも戦える場面がある
• 深層学習：教科書を丸ごと渡して重要ポイントを探させる
  → 探すために大量の例が必要

深層学習は「当て方」だけじゃなく「見るポイント作り」も同時にやってるので、やることが多い。
だから時間もデータも食います。

---

5. 生成AIはどこにいる？何を学んでいる？

生成AIは「新しく作るAI」です。文章、画像、音、コード…いろいろ。

その中で 文章を作るのが得意 なやつが、LLM（ChatGPTみたいなやつ）です。

LLM（大規模言語モデル）がやっている学習は、驚くほど単純に言えます。

文章の“続きを当てる”練習を、超大量にやっている

例：

• 入力：「寿司は日本の」
• 正解：「料理」

あるいは、

• 入力：「寿司は日本の料」
• 正解：「理」

こんな感じで、続きを当てるだけ。

でも、この“続きを当てる”を極限までやると、
文法っぽいもの、常識っぽいもの、説明の型…が勝手に内部に組み上がります。

ここが生成AIの面白いところです。

---

6. じゃあAIは理解してるの？人間と何が違うの？

ここ、正直いちばん誤解が生まれやすいです。

LLMは基本的に 確率で続きを選んでいる。
でも、それがあまりに上手いから「理解してる」ように見える。

人間との決定的な違いは、

• 人間の理解：体験に根ざしている（熱い、痛い、怖い、嬉しい…）
• AIの理解：言語パターンの中で完結している（体験そのものはない）

例えるなら、

• 人間：実際に海に潜ったダイバー
• AI：海についての本を何億冊も読んだ評論家

評論家は説明できる。でも水圧は知らない。
今の生成AIは、だいたいそんな感じです。

---

7. 使う側の結論：AIに「お願い」するより「条件を渡す」

ここからは、Vibe Codingっぽい話に直結します。

AIは“理解してる人格”というより、
「続きを当てるのが異常に上手い装置」です。

だから効くのは、お願いより 条件の設計。

あなたの役割：（例：編集者、PM、技術ライター）
目的：（何を達成したい？）
前提：（読者、状況、制約）
出力形式：（見出し、箇条書き、文字数）
禁止：（盛るな、断定するな、専門用語を使うな等）
チェック：（最後に自己チェック項目）

---

# FAQ

Q. 深層学習は素材だけ渡す？ 
A. ほとんどの場合、素材＋正解を渡します。違いは「特徴を誰が作るか」。

Q. 機械学習と深層学習、どっちが上？ 
A. 上下じゃなく得意分野。表データは機械学習が強いことも多いし、画像/文章は深層学習が強い。

Q. 生成AI（LLM）は何を学んでる？ 
A. 基本は「次の言葉（続きを）当てる」練習を超大量にやっています。

---

## まとめ：3行で言うなら、
– 機械学習：テスト範囲（特徴）を教えてから勉強させる 
– 深層学習：教科書（素材）を丸ごと渡して重要ポイントを探させる 
– 生成AI（LLM）：教科書（言語）を読んで、続きを書けるようにする 

---

会員登録して無料学習資料、実務用テンプレートを手に入れよう！

以下のテンプレートや学習資料を無料DLできます。

• 世界一易しい非IT向けに「OS/ネットワーク/サーバー/API/JSON」を噛み砕く（19ページ分量）
• Codexレビュー用プロンプト（24ページ分量）
• Prompt Engineering入門 実務用テンプレート22選

テイラーの隠れ家

自然言語で世界を設計｜Vibe Codingメディア

---

こちらもお読みください

• 한국 유튜브 AI 콘텐츠의 실태【2026년 최신】세계 1위 AI 슬럽 소비국의 빛과 그림자
• AI動画生成の闇と光【2026年最新】韓国が世界1位のAI生成コンテンツ消費国になった理由
• AI 코딩 스쿨 비교【2026년 최신】한국 부트캠프 TOP 7 커리큘럼·수강료·수강생 후기 총정리
• NVIDIA GTC 2026 기조연설【속보】Vera Rubin·Isaac GR00T·NIM——Jensen Huang 발표 정리
• 바이브코딩 리스크【2026년 최신】Amazon 장애 사건에서 배우는 7가지 교훈

---

📘 バイブコーディングを始めたい方へ

コードを書かずにAIと会話するだけでアプリが作れる「バイブコーディング」の入門ガイドPDFを販売中です。ゼロからアプリ完成までの全ステップを解説しています。

👉 バイブコーディング入門ガイドPDF（¥1,480）でゼロから始めよう →

---

著者: 稲邉舜太朗（Lovable公式アンバサダー）
運営: テイラーの隠れ家（shuntailor.net）