THEME

AIのしくみの教材図版

ロボットとAIのちがいやデータから学ぶしくみから、生成AIが文章や絵をつくるしくみ、ニューラルネットワークとディープラーニング、教師あり学習と過学習まで、小学校から高校までの図を学年の順にまとめています。AI研究の歩みの図もあります。小学校3年〜高校の情報・AIの47点。閲覧・ダウンロード・利用は無料です。

小学校3年 情報・AI「AIのしくみ」

ロボットとAIのちがいと重なり(小学校3年情報・AI「AIのしくみ」の図)
小学校3年情報・AI

ロボットとAIのちがいと重なり

ロボット(体があって動く機械)とAI(見分けたり予想したりするしくみ)のちがいと重なりを、2つの円の重なりで示し、それぞれに身近な例を添えた図です。

AIのしくみ

小学校5年 情報・AI「AIのしくみ」

データから学んで判断するAIのしくみ(小学校5年情報・AI「AIのしくみ」の図)
小学校5年情報・AI

データから学んで判断するAIのしくみ

AIが、たくさんの例(データ)から学んできまり(モデル)をつくり、写真・声・文字などの入力から、見分ける・予想する・つくるといった答えを出すしくみを、入力・きまり・出力の流れで示す図です。

AIのしくみ
画像判定AIが写真を見分けるしくみ(小学校5年情報・AI「AIのしくみ」の図)
小学校5年情報・AI

画像判定AIが写真を見分けるしくみ

画像判定AIが、写真を小さな点(画素)の数の並びにし、形や色などの特徴を見つけて、何が写っているかを確からしさ付きで答える流れを4段で示す図です。にているものをまちがえることがあることも示します。

AIのしくみ

小学校5年 情報・AI「AIの歴史」

コンピューターの発達とAI(データと計算の力)(小学校5年情報・AI「AIの歴史」の図)
小学校5年情報・AI

コンピューターの発達とAI(データと計算の力)

大きなコンピューターから、パソコン、インターネット、スマートフォンへとコンピューターが発達し、計算の速さとデータの量が増えたことで、データから学ぶAIが使えるようになった流れを示す図です。

AIの歴史

小学校6年 情報・AI「AIのしくみ」

生成AIが文章や絵をつくるしくみ(小学校6年情報・AI「AIのしくみ」の図)
小学校6年情報・AI

生成AIが文章や絵をつくるしくみ

生成AIが、たくさんの文章や絵で前もって学んだモデルを使い、人の指示(プロンプト)に応じて新しい文章や絵などをつくるしくみを3つの段で示す図です。出力は参考の一つで、確かめが必要なことも示します。

AIのしくみ
AIが得意なこと・苦手なこと(小学校6年情報・AI「AIのしくみ」の図)
小学校6年情報・AI

AIが得意なこと・苦手なこと

AIが得意なこと(大量のデータから共通点を見つける、速く正確にくり返す、案をたくさん出す)と苦手なこと(学習していない場面、意味や気持ちを本当に分かること、最終判断と責任など)を、理由とともにものさしの上に示す図です。

AIのしくみ
見分けるAIとつくるAIのちがい(小学校6年情報・AI「AIのしくみ」の図)
小学校6年情報・AI

見分けるAIとつくるAIのちがい

写真を見て「ねこ」と答える見分けるAIと、「ねこの絵をかいて」という指示で絵をつくるAI(生成AI)を左右に並べ、入れるものと出すものの向きが反対であることと、共通点を示す図です。

AIのしくみ
同じ質問でも答えが変わるわけ(小学校6年情報・AI「AIのしくみ」の図)
小学校6年情報・AI

同じ質問でも答えが変わるわけ

生成AIに同じ質問を3回すると少しずつ違う答えが返ることを、共通する内容と違う部分に色分けして示し、次のことばを確からしさに合わせて選ぶため選ぶたびに違う文になるというわけと、使うときの工夫を示す図です。

AIのしくみ
電卓とAIのまちがい方のちがい(小学校6年情報・AI「AIのしくみ」の図)
小学校6年情報・AI

電卓とAIのまちがい方のちがい

同じ計算(37×46)を、決まった手順で計算する電卓と、ことばの続きを予想して答える生成AIに3回させて比べ、まちがい方のちがいと、使い分けを示す図です。

AIのしくみ
AIは意味をわかっているのか(パターンで答える)(小学校6年情報・AI「AIのしくみ」の図)
小学校6年情報・AI

AIは意味をわかっているのか(パターンで答える)

「あまい」ということばを例に、人は体験や気持ちから意味がわかるのに対し、AIはたくさんの文章の中で一緒に出てくることばのつながり(パターン)から答えをつくることを比べる図です。

AIのしくみ

中学校 情報・AI「AIのしくみ」

文章をつくるAIのしくみ(次のことばの予測)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

文章をつくるAIのしくみ(次のことばの予測)

文章を生成するAIが、それまでの文から次に来そうなことばの候補と確からしさを計算し、1つを選んでつなぐことをくり返して文章をつくるしくみを示す図です。もっともらしい誤りが出る理由にもつなげます。

AIのしくみ
ニューラルネットワーク(脳をヒントにした計算)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

ニューラルネットワーク(脳をヒントにした計算)

脳の神経細胞をヒントにしたニューラルネットワークの、入力の層・中間の層・出力の層の網と、1つの丸(ノード)が重みをかけて足す計算、重みを少しずつ直す学習を示した模式図です。脳と同じではないことも書きました。

AIのしくみ
ディープラーニング(層を重ねて特徴を見つける)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

ディープラーニング(層を重ねて特徴を見つける)

ねこの写真を例に、ディープラーニングが、手前の層で線や明るさの変わり目、次の層で形、奥の層で目・耳などの部品を見つけて見分けることと、以前は人が特徴を決めていたこととのちがいを示した模式図です。

AIのしくみ
生成AIの知識には「期限」がある(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

生成AIの知識には「期限」がある

生成AIは学習したデータの時点までのことをもとに答えることを時間の帯で示し、その後の新しい出来事や変わったきまりは正確に答えるのがむずかしいことを、図書館の休館日の例(架空)と、新しい情報の確かめ方で示した図です。

AIのしくみ
教師なし学習(似たもの同士でグループに分ける)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

教師なし学習(似たもの同士でグループに分ける)

正解のない買い物の記録(架空)の点から、AIが近いもの同士を集めてグループ(丸・三角・四角)を見つけ、人が名前を付けて使うまでを4つの段で示し、教師あり学習とのちがいと気をつけることを添えた図です。

AIのしくみ
AIをつくる3つの要素(データ・学び方・モデル)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

AIをつくる3つの要素(データ・学び方・モデル)

手書きの数字を見分けるAI(架空)を例に、AIが、データ(画像と正解の組)・学び方(アルゴリズム)・できたモデル(学んだ結果のたくさんの数)の3つでつくられ、どれが変わっても答えが変わることを示した図です。

AIのしくみ
音声認識のしくみ(声の波から文字へ)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

音声認識のしくみ(声の波から文字へ)

「あしたこうえんにいく」という声(架空)を、声をひろう → 特徴を数にする → 音を当てる → ことばを選ぶ(同じ音の候補を、ことばのつながりの自然さで選ぶ)→ 文字にするの5つの段で示し、聞き取りがずれやすいときを添えた図です。

AIのしくみ
AIはまちがいから学ぶ(予測と正解の差を小さくする)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

AIはまちがいから学ぶ(予測と正解の差を小さくする)

手書きの数字が4か9かを見分けるAI(架空)を例に、予測する → 正解とくらべる → 差(誤差)を計算する → 重みを少し直すのくり返しで学習することと、くり返すほど差が小さくなる様子(模式)、過学習の注意を示した図です。

AIのしくみ
強化学習(試して、ほうびで上手になる)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

強化学習(試して、ほうびで上手になる)

迷路を進むロボット(架空)を例に、行動を選ぶ → 結果を見る → ほうび(得点)を受け取る → 選び方を直すのくり返しで、AIがよい行動を選べるようになることと、くり返すほど道すじがよくなる様子(模式)、教師あり学習・教師なし学習とのちがいを示した図です。

AIのしくみ
画像をつくるAIのしくみ(ノイズから少しずつ絵にする)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

画像をつくるAIのしくみ(ノイズから少しずつ絵にする)

画像をつくるAIの代表的な考え方の一つ(拡散モデル)として、指示(例:「山と湖と夕日の風景」)に合うように、ざらざらのノイズから少しずつノイズを取り除いて絵に近づけていくことを5つのコマで示し、学ぶときのしくみと、だれかの作品に似ることがある注意を添えた図です。

AIのしくみ
AIを組み込んだしくみができるまで(5つの段階)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

AIを組み込んだしくみができるまで(5つの段階)

駅の混み具合を予測して知らせるしくみ(架空)を例に、AIを組み込んだしくみが、集める・学ぶ・組み込む・使う・見直すの5つの段階をくり返して育てられていくことと、それぞれの段階に関わる人(開発する人・提供する人・使う人)を示した図です。

AIのしくみ
データに名前を付ける仕事(アノテーション)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

データに名前を付ける仕事(アノテーション)

AIの学習用データには、人が写真などに正解の名前(ラベル)を付ける作業(アノテーション)が必要なことを、写真が届く → 人が名前を付ける → 別の人が確かめる → 学習用データ → AIが学ぶの流れで示し、付け方がばらばらだとAIの答えがずれやすい例(トマトとミニトマト。架空)を添えた図です。

AIのしくみ
画像・音声・ことばのAI(何を入れて何を出すか)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

画像・音声・ことばのAI(何を入れて何を出すか)

画像のAI(画像認識)・音声のAI(音声認識)・ことばのAI(自然言語処理)を、入れるもの・出すもの・身近な使い道・注意の4つで3列にくらべ、どれも情報を数(デジタルデータ)にして処理することと、組み合わせて使う例を示した図です。

AIのしくみ
決定木(質問をくり返して分ける)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

決定木(質問をくり返して分ける)

架空のアンケート(休日に図書館へ行くか。40人)を例に、「はい・いいえ」の質問をくり返してデータを分けていく決定木と、AIが分け方のはっきりする質問をデータから選ぶこと、新しい人の予想、人がつくる分け方とのちがい、細かくしすぎる注意を示した図です。

AIのしくみ
対話型AIのしくみ(会話の流れも一緒に読み込む)(中学校情報・AI「AIのしくみ」の図)
中学校情報・AI

対話型AIのしくみ(会話の流れも一緒に読み込む)

犬の名前を考える会話(架空)で、対話型の生成AIが前のやりとりも合わせて読み込んで答えをつくることと、最後の質問だけでは話に合わない答えになること、会話が長くなると古い部分が使われないことがあること、使うときのコツを示す図です。

AIのしくみ

中学校 情報・AI「AIの歴史」

AI研究の歩み(3回のブームと冬の時代)(中学校情報・AI「AIの歴史」の図)
中学校情報・AI

AI研究の歩み(3回のブームと冬の時代)

1950年代から続くAI研究の歩みを、期待の大きさの波(3回のブームと冬の時代)で示し、それぞれのブームの中心になった技術と、行き詰まった理由を示す図です。

AIの歴史
AIの発達を支えた3つの力(データ・計算・しくみ)(中学校情報・AI「AIの歴史」の図)
中学校情報・AI

AIの発達を支えた3つの力(データ・計算・しくみ)

2000年代からの第3次AIブームを支えた、データ(ネットの広がりで増えた写真や文章)・計算する力(速いコンピューター)・しくみの工夫(層を重ねた計算)の3つを三角形の頂点に置き、第1次・第2次ブームとくらべて「なぜ、いまなのか」を示す図です。

AIの歴史
生成AIが広まるまで(2010年代〜現在)(中学校情報・AI「AIの歴史」の図)
中学校情報・AI

生成AIが広まるまで(2010年代〜現在)

2010年代の深層学習による見分ける力の伸び、2016年の囲碁のAI、文章を扱う新しいしくみと大きなモデル、2022年11月の対話型の生成AIの公開(2か月で1億人)、画像・音声・動画への広がりを縦の年表で示し、学校でのガイドラインの動きを添えた図です。

AIの歴史
ゲームで見るAIの進歩(チェス・将棋・囲碁)(中学校情報・AI「AIの歴史」の図)
中学校情報・AI

ゲームで見るAIの進歩(チェス・将棋・囲碁)

チェス・将棋・囲碁の盤の大きさとルールのちがい、コンピューターが人に勝った年(1997年・2012年・2016年)を並べ、考えられる手の進み方が多いゲームほどあとになったことと、囲碁で深層学習が使われたことを示す図です。

AIの歴史

高校 情報Ⅰ「AIのしくみ」

AIの2つの段階(学習してつくる・使って答える)(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

AIの2つの段階(学習してつくる・使って答える)

AIが、データで学習してモデルをつくる段階と、できたモデルで新しいデータに答える段階(推論)の2つで働くことを、手書きの数字を見分けるAIを例に示す図です。

AIのしくみ
AI・機械学習・ディープラーニング・生成AIの関係(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

AI・機械学習・ディープラーニング・生成AIの関係

AI(人工知能)・機械学習・ディープラーニング(深層学習)・生成AIの4つのことばの関係を、内側ほどせまい意味になる入れ子の円で示し、それぞれの意味と例を添えた図です。

AIのしくみ
AIエージェント(目的に向けて調べ、計画し、実行する)(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

AIエージェント(目的に向けて調べ、計画し、実行する)

1回のやりとりで終わる対話型AIとくらべ、AIエージェントが目的(架空の校外学習の調べもの)に向けて、計画を立て、検索や計算などの道具を使い、結果を見て次を決め、報告するくり返しと、人が確かめる点・使うときの注意を示す図です。

AIのしくみ
特化型のAIと汎用的なAI(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

特化型のAIと汎用的なAI

1つの作業のために学習した特化型のAI(画像診断の支援・将棋・音声認識など)と、指示によっていろいろな作業をこなす大規模なモデルをくらべ、それぞれの得意・不得意と、人のように何でもできるAIはまだ実現していないこと、使い分けを示す図です。

AIのしくみ
生成AIができるまで(文章で学び、人の評価で整える)(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

生成AIができるまで(文章で学び、人の評価で整える)

対話型の生成AIが、大量の文章を集め、次のことばを予測する事前学習をし、質問と答えの例で追加の学習をし、人の評価で整え、試験して公開されるまでの段階と、それでも残る課題を示す図です。

AIのしくみ
トークン(AIは文章を小さな単位に分けて扱う)(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

トークン(AIは文章を小さな単位に分けて扱う)

文章を生成するAIが、入力した文「今日は晴れています」をトークンという小さな単位に区切り、番号に変えて計算し、次のトークンを選んで文字にもどす流れ(区切り方と番号は架空)と、トークンについて知っておくことを示す図です。

AIのしくみ
資料を調べてから答えるAI(検索拡張生成)(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

資料を調べてから答えるAI(検索拡張生成)

学習した知識だけで答える生成AIと、関係する資料を探してから答えをつくり出典を示すAI(検索拡張生成)を、図書館の休館日の質問(架空)でくらべ、まちがいは減らせるがなくならない理由と、出典を確かめることを示す図です。

AIのしくみ
大規模言語モデルの「大規模」とは(高校情報Ⅰ「AIのしくみ」の図)
高校情報Ⅰ情報・AI

大規模言語モデルの「大規模」とは

大規模言語モデルの「大規模」を、学習に使う文章の量・モデルの中の数(パラメーター)・学習に使う計算の量の3つについて小さなモデルとくらべて示し(数値は出さない)、大きくするとできるようになったことと、大きいことの課題を示す図です。

AIのしくみ

高校 情報Ⅱ「AIのしくみ」

教師あり学習(正解つきの例から学ぶ)(高校情報Ⅱ「AIのしくみ」の図)
高校情報Ⅱ情報・AI

教師あり学習(正解つきの例から学ぶ)

教師あり学習の流れを、いぬとねこの画像を見分けるAIを例に示す図です。正解(ラベル)を付けた例を訓練データとテストデータに分け、学習・テスト・利用の順に進むことと、過剰適合などの注意を示します。

AIのしくみ
データの量と質がAIの答えを変える(高校情報Ⅱ「AIのしくみ」の図)
高校情報Ⅱ情報・AI

データの量と質がAIの答えを変える

りんごかほかの果物かを見分けるAIを、少ないデータ・かたよったデータ・多くて多様なデータの3通りで学習させ、新しい画像(緑のりんご)への答えを比べて、データの量と質が答えを左右することを示す図です。

AIのしくみ
分類と回帰(「どれか」と「どれくらい」の予測)(高校情報Ⅱ「AIのしくみ」の図)
高校情報Ⅱ情報・AI

分類と回帰(「どれか」と「どれくらい」の予測)

教師あり学習の予測には、選択肢のどれかを当てる分類(りんごか、みかんか)と、数の大きさを当てる回帰(最高気温からかき氷の店に来る人数)があることを、架空のデータの散布図でくらべ、身近な例と、問い方で変わる例を示した図です。

AIのしくみ
過学習(練習問題だけ覚えて本番で失敗する)(高校情報Ⅱ「AIのしくみ」の図)
高校情報Ⅱ情報・AI

過学習(練習問題だけ覚えて本番で失敗する)

訓練データとテストデータに分けた架空のデータに、単純すぎる線(適合不足)・ちょうどよい線・点に合わせすぎた線(過学習・過剰適合)を当てはめ、訓練データとテストデータでの正しさの違いと、練習問題の丸暗記のたとえ、防ぐ工夫を示す図です。

AIのしくみ
学習用データと確かめ用データ(分け方)(高校情報Ⅱ「AIのしくみ」の図)
高校情報Ⅱ情報・AI

学習用データと確かめ用データ(分け方)

集めたデータ100件(架空)からテスト用の20件をくじのように選ぶ例で、テストデータを学習に使わない・かたよらないように分ける・本番に近いデータで確かめる、の3つのきまりと、訓練データ・テストデータ(と検証データ)の使い方を示す図です。

AIのしくみ
正解率だけでは分からない(見のがしとまちがい)(高校情報Ⅱ「AIのしくみ」の図)
高校情報Ⅱ情報・AI

正解率だけでは分からない(見のがしとまちがい)

1000人中10人が病気という架空の例で、いつも「病気ではない」と答えるAIの正解率が99.0%でも全員を見のがすことと、判定を4つに分けて数える見方(見つけた・見のがし・まちがい・正しく除いた)、場面によって見のがしとまちがいのどちらを減らすかを示す図です。

AIのしくみ