55

人工知能・機械学習W 55 · Information & Computing

100 主題· 10,000 記述済み区画· 100 主題で詳細公開

全 10,000 区画の記述が揃っています。

分野概説

人工知能・機械学習は、データからパターンを学習し、予測・分類・生成・推論を行う仕組みを研究する学問である。ディープラーニング、自然言語処理、画像認識、強化学習などを含み、産業・科学・文化に大きな変革をもたらしている。AI倫理、バイアス、透明性の問題も重要であり、人間と機械の協働を実現するための理論・技術・社会的枠組みを総合的に扱う領域である。

出典: 『W100知識分類法 共通試験法［分類表・逐条解説］』（2025年12月・296頁）

ユースケース — 「〜したい」→ W100コード

  1. ①AI全体像と機械学習の基礎構造を把握したいW 55.00.00.00
  2. ②古典的AI〜深層学習〜生成AIまでの理論体系を整理したいW 55.10.01.00
  3. ③チューリング〜深層学習革命〜生成AIまでの歴史的変遷を理解したいW 55.20.02.00
  4. ④AI倫理・プライバシー・国際規制など制度枠組みを確認したいW 55.30.03.00
  5. ⑤機械学習•深層学習•強化学習•生成AIの設計方法を体系化したいW 55.40.04.00
  6. ⑥データ準備〜学習〜MLOps〜導入までAI実務全体を把握したいW 55.50.05.00
  7. ⑦医療・金融・自動運転・NLPなど主要AI事例を比較したいW 55.60.06.00
  8. ⑧モデル性能・公平性・エネルギーなど評価データを理解したいW 55.70.07.00
  9. ⑨学校•大学•企業研修•国際プログラムのAI教育体系を整理したいW 55.80.08.00
  10. ⑩AGI •量子ML•AI社会•サステナブルAIなど未来像を検討したいW 55.90.09.00

出典: 『W100知識分類法 共通試験法［分類表・逐条解説］』（2025年12月・296頁） 分野55ガイド

文献棚 — この分野の選書試行版・下書き

この分野を調べるとき最初に開くべき資料を、棚座標に沿って選んで置いています。要点はAIによる下書きで、原文照合前のものは「照合前」と明記しています。

  1. 55.00

    Deep Learning照合前

    LeCun, Bengio & Hinton — Nature 521 (2015) · 総説論文 · 2015全体像

    深層学習の三巨人による分野総説。表現学習・畳み込み・再帰構造という基本概念を専門外にも届く形で整理した「入口の一本」。

  2. 55.10

    Attention Is All You Need照合前

    Vaswani et al. · 論文（arXiv:1706.03762） · 2017理論体系

    Transformerの原論文。以後の大規模言語モデルほぼ全ての設計上の共通祖先で、現代AIの理論系譜を遡ると必ずここに着く。

  3. 55.30

    AI事業者ガイドライン（第1.2版）実在確認済

    総務省・経済産業省 · 政府指針 · 2026倫理・制度

    開発者・提供者・利用者の三主体別に基本理念・指針・実践を示す日本の現行統合指針。第1.2版でAIエージェント時代のリスク管理を明示。

  4. 55.40

    Scaling Laws for Neural Language Models照合前

    Kaplan et al. · 論文（arXiv:2001.08361） · 2020設計方法

    モデル規模・データ量・計算量と性能の関係が冪則に従うことを実証。規模競争の経済構造を定量的に理解する基準文献。

  5. 55.40

    Textbooks Are All You Need照合前

    Gunasekar et al.（Microsoft phi-1） · 論文（arXiv:2306.11644） · 2023設計方法

    「教科書品質」の厳選・合成データで訓練した小型モデルが桁違いに大きなモデルに匹敵することを示した実証。データの質がスケーリング曲線を持ち上げる代表例。

  6. 55.60

    情報通信白書照合前

    総務省 · 政府白書 · 毎年社会実装

    日本の情報通信・AI利活用の公式年次統計。企業・自治体のAI導入率、国際比較、生成AIの社会実装状況を一次統計で押さえられる。

  7. 55.70

    AI Index Report 2026実在確認済

    Stanford HAI · 年次報告書 · 毎年評価・データ

    モデル性能・計算資源・経済影響・政策・教育を横断する世界標準の年次定点観測（第9版）。評価の物差しを世界水準で校正する定点。

  8. 55.90

    Concrete Problems in AI Safety照合前

    Amodei et al. · 論文（arXiv:1606.06565） · 2016未来像・安全性

    AI安全性を報酬ハッキング・分布外頑健性などの具体的な技術課題に分解した古典。抽象的な脅威論を工学の問題設定に翻訳した転換点。

選書: フルール（AI下書き・裁定前の試行版）。リンク先はすべて無料で公開されている一次資料・公的資料です。

調べ方 — どこを・どの順で・どこまで試行版

  1. 1 arXiv (cs.LG / cs.CL / cs.AI) 研究の一次資料。ほぼ全文が無料
  2. 2 AI Index Report 毎年の定点観測。数字はまずここで校正
  3. 3 情報通信白書 日本の導入状況・社会実装の一次統計
  4. 4 AI事業者ガイドライン 日本の制度面の現行指針

技術語は英語＋"survey" で総説から入るのが最短。個別手法は原論文のarXiv番号で引くと版違いに迷わない。

幅の終わり — 十の位帯それぞれで「総説1本＋原典1本」、加えて定点（AI Index・白書）の最新年版。ここまでで入門の幅としては十分です。

Researching AI/ML: arXiv carries nearly all primary literature free of charge; calibrate claims against the annual Stanford AI Index; for Japan's institutional side, see the AI Guidelines for Business (METI/MIC) and the annual White Paper on ICT.

00–09基礎・定義

55.00人工知能（AI）の定義と範囲100区画 55.01機械学習の定義と基礎概念100区画 55.02データと特徴量の基礎100区画 55.03教師あり学習・教師なし学習・強化学習の基礎100区画 55.04ニューラルネットワークの基礎100区画 55.05推論・探索・知識表現の基礎100区画 55.06自然言語処理の基礎100区画 55.07コンピュータビジョンの基礎100区画 55.08倫理・バイアス・透明性の基礎100区画 55.09入門教材・概論書100区画

10–19理論・分類

55.10古典的AI理論（シンボリックAI、エキスパートシステム）100区画 55.11機械学習アルゴリズム理論（線形回帰・決定木）100区画 55.12確率的グラフィカルモデル理論（ベイズネット等）100区画 55.13サポートベクターマシン理論100区画 55.14ニューラルネットワーク理論100区画 55.15深層学習（DeepLearning）理論100区画 55.16強化学習理論（Q学習・政策勾配）100区画 55.17生成モデル理論（GAN,VAE,Diffusion）100区画 55.18マルチエージェントAI理論100区画 55.19汎用人工知能（AGI）理論100区画

20–29歴史・変遷

55.20チューリングテストとAIの萌芽100区画 55.21初期AI研究史（1956ダートマス会議）100区画 55.22エキスパートシステムとAIブーム100区画 55.23AI冬の時代100区画 55.24機械学習の勃興（1990年代〜）100区画 55.25深層学習革命（ImageNet2012）100区画 55.26強化学習とAlphaGoの衝撃100区画 55.27自然言語処理の進化史（統計→深層→大規模言語モデル）100区画 55.28日本のAI研究史100区画 55.29生成AI時代（ChatGPT, Stable Diffusion等）100区画

30–39制度・ガバナンス

55.30AI倫理指針（EUAIAct,OECD原則）100区画 55.31プライバシー・個人情報保護制度（GDPR）100区画 55.32AIガバナンス制度（透明性・説明責任）100区画 55.33公共分野でのAI利用規制（医療・司法）100区画 55.34企業・産業界のAIガイドライン100区画 55.35国際AI研究機関制度（Partnership）100区画 55.36日本のAI政策（AI戦略会議）100区画 55.37知的財産とAI生成物の法制度100区画 55.38軍事AIと国際規制制度100区画 55.39倫理・人権に関する国際的合意100区画

40–49設計・方法論

55.40機械学習モデル設計（教師あり・教師なし）100区画 55.41データ前処理・特徴量設計100区画 55.42ニューラルネット設計（CNN,）100区画 55.43ハイパーパラメータチューニング設計100区画 55.44モデル評価設計（精度・再現率・F1・AUC）100区画 55.45強化学習環境設計（シミュレータ）100区画 55.46生成AIモデル設計（GAN,Diffusion）100区画 55.47公平性・バイアス検出設計100区画 55.48AIシステム統合設計（MLOps,）100区画 55.49教育カリキュラム設計（AI人材育成）100区画

50–59実務・運用

55.50データ収集・クリーニング実務100区画 55.51モデル学習・実装実務100区画 55.52検証・テスト・評価実務100区画 55.53デプロイ・運用（API,クラウド）100区画 55.54継続学習・モデル更新実務100区画 55.55MLOps運用実務（CI/CDfor）100区画 55.56AIセキュリティ運用実務（敵対的攻撃対策）100区画 55.57プロンプトエンジニアリング実務100区画 55.58産業導入実務（製造・金融・医療）100区画 55.59AI教育・リテラシー研修実務100区画

60–69事例・応用

55.60医療AI事例（診断支援・創薬）100区画 55.61金融AI事例（信用スコア・アルゴ取引）100区画 55.62製造業AI事例（需要予測・異常検知）100区画 55.63自動運転AI事例100区画 55.64スマートシティAI事例100区画 55.65教育AI事例（学習支援・自動採点）100区画 55.66芸術・クリエイティブAI事例（音楽・絵画生成）100区画 55.67自然言語処理応用事例（翻訳・対話AI）100区画 55.68画像認識応用事例（監視・農業）100区画 55.69社会課題解決AI事例（気候・災害）100区画

70–79データ・評価

55.70機械学習ベンチマークデータ（MNIST,）100区画 55.71モデル性能比較データ（SOTA精度）100区画 55.72大規模言語モデル評価（MMLU,）100区画 55.73公平性・バイアス評価データ100区画 55.74エネルギー消費・計算資源データ100区画 55.75国際競争力データ（AI研究論文数・特許数）100区画 55.76産業導入効果データ（ROI）100区画 55.77社会受容度調査データ100区画 55.78教育普及度データ（AIカリキュラム導入校）100区画 55.79倫理・リスク評価データ100区画

80–89教育・普及

55.80高校・大学のAI基礎教育100区画 55.81大学院・研究教育プログラム100区画 55.82専門職教育（AIエンジニア養成）100区画 55.83MBA・経営層向けAI教育100区画 55.84市民向けAIリテラシー教育100区画 55.85国際AI教育プログラム（AI4K12,）100区画 55.86オンライン教育（MOOC,Kaggle,）100区画 55.87AIコンテスト・ハッカソン教育（Kaggle,）100区画 55.88科学館・展示活動（AI体験）100区画 55.89生涯教育としてのAIリテラシー100区画

90–99未来・退避

55.90汎用人工知能（AGI）の未来100区画 55.91AIと人間協働の未来（コ・クリエーション）100区画 55.92量子機械学習の未来100区画 55.93AIによる科学発見の未来100区画 55.94サステナブルAI（省エネ・環境配慮）100区画 55.95AIガバナンスの未来（国際規制・倫理枠組み）100区画 55.96メタバース・AI社会の未来100区画 55.97廃れたAI手法（旧来のルールベース等）100区画 55.98実験的AI（創造性テスト・AI研究者AI）100区画 55.99退避：未分類・古典的AI研究100区画