本白書は、生成AIが抱える多元的かつイノベーティブな緒テーマについて、国内外の主な論文／サーベイペーパー／ジャーナルの論考や報告を踏まえながら、最新データをもとに、その全容を体系的に組み立て、網羅的かつ詳細に解説したレポートであ。
生成AIは膨大なデータリソース、情報資源、知識領域を統合し、人間の思考の複数の側面を模倣する能力により、トップレベルの人間集団のインテリジェンスさえ超える程度に多義的なものを扱うレベルに達しつつある。しかし、生成AIを組織的、効果的に活用するには、人間と言語モデルの対話パターン、プロンプトエンジニアリング、リスクコントロールを含め、慎重かつ迅速なノウハウの獲得が必要である。
［1］ 生成AIは、人工知能の最新のブレークスルーと世界的なデータ量の増加を背景に、一連の入力データ、非構造化データの学習、パラメータなどに基づいて新しいオリジナルコンテンツ生成、コーディング生成、データ生成、インフォマティクス等による設計や開発の効率化などをもたらしている。そして、生成AIが持つこうしたトランスフォーメーションによって、ワークスタイルの在り方をも変革することを目標に、多くの企業や団体が生成AIプロジェクトに注力している。
［2］ 生成AIは、コンテンツ生成や情報資産効率化というカテゴリーに収まるきれるものではなく、さまざまなアプリケーションにアドオンすることで、大幅にインテリジェントな基盤と強化することができる機械学習／ディープラーニングのモデルでもある。
［3］ 生成AIや大規模言語モデルは、ゼロから新しいモデルをトレーニングするよりもはるかに低い計算コストでファイン・チューニングを行い、特定のドメインにおけるパフォーマンスを向上させることを実証している。これにより、たとえば、設計文書、医療文書、法務文書などのデータセットで微調整し、それぞれの文書処理のための命令チューニングモデルを作成することができる。このモデルは、専門用語の理解、エンティティの識別、テキストからの関連情報の抽出に優れている。
［4］ アニメーション、ゲーム、アート、映画、建築などの分野では、「DALL-E」、「Stable Diffusion」、「Midjourney」のような生成系モデルによって、ダイナミックなイノベーションを起こしつつある。
［5］ 生成AIモデルは、GitHub CopilotやReplit Ghostwriterのようなツールによって、ソフトウェア開発のような複雑な分野で変革的な能力を示している。
［6］ 生成AIモデルは、Azure、AWS、Nvidia、GoogleのようなAIクラウドプラットフォーム、NvidiaやGoogleのようなAIハードウェアメーカー、ChatGPTやBingのような消費者製品経由でのLLMへのアクセス、API経由でのLLMモデルへのアクセス、異なるソースから入力を受け、様々な形式の出力を生成するマルチモーダルモデルにブレークスルーを誘発する存在となっている。
［7］ 生成AIモデルは、Hugging Faceのようなフルモデルにアクセスするためのオープンソースプラットフォーム、タスクを設定し、相互に作用することができるエージェントモデルなど、それぞれのドメインでは非常に活発でダイナミックな状況が形成され、既存モデルにブレークスルーを誘発する存在となっている。
［8］ 今後、生成AIは、大規模な言語モデルだけでなく、多くの種類のモデルを構築するために使用され、その方法はますますマルチモーダルなものへ発展いくことが確実である。例えば、エンジニアリング、科学、化学、法務、教育、医療など、多くの分野に根本的な変化をもたらすだろう。
［9］ その一方で、生成AIプロジェクトで課題を抱える企業も多い。そのため本白書では、以下の諸問題と対策、今後のシナリオなどについて具体的に掘り下げて論考している。
※ なお、「生成AI」というテーマは、複眼的、立体的な視点で解明し、アプローチすることで、より精確で深みのある理解が得られるものである。当団体でもそうしたコンセプトで本白書を編纂している。
内容編成（目次）
序
第1章 生成AI概説［1］
1-1 概況
1-2 生成AIの定義
1-3 生成AIの俯瞰的発展経過
［1］ 生成AIで実現された主な手法
［2］ 生成AIで実現された主な手法に関連した具体的な実装モデル
［3］ 生成AIのイノベーションと分野別の波及効果
［4］ 生成AIを巡る技術競争・産業地図
他
1-4 生成AIの基本的なフレームワーク／実装／拡張シナリオ
［1］ 概要
［2］ 生成AIの基本的な技術要素
［3］ 生成AIのモダリティ、タイプ
［4］ 生成AI（ChatGPT／GPT-4）と従来の言語モデルとの違い
［5］ 生成AIの活用パターン
［6］ 拡散モデル
［7］ マルチモーダル生成への拡張・発展
1-5 生成AIがもたらすパラダイムシフト
［1］ 生成AIのビジネス上の価値と企業・社会活動への直接的・潜在的な影響
［2］ 生成AIがもたらすビジネス価値の源泉
［3］ 生成AIが生産性に与える影響
［4］ 産業界・研究活動への影響
［5］ ジェネレーティブ・デザインによる研究・設計時間の短縮、シミュレーションとテストの改善
［6］ バーチャル・エキスパートとしての生成AI
［7］ エンジニアリングアシスタント／コーディングアシスタントとしての生成AI
［8］ 知識労働に対する生成AIの持続的・潜在的影響の拡大
［9］ 生成AIはB2BとB2Cの両サイドでの営業形態をトランスフォーメーションする
［10］ 生成AIは小売・消費財の主要なバリュードライバーを支える
［11］ パーソナライゼーション、コンテンツ生成によるマーケティング、営業生産性の向上
［12］ 生成AIによるカスタマー・オペレーションとエージェント・エクスペリエンスの向上
［13］ 対顧客対話パターンのトランスフォーメーション
［14］ 金融・銀行業界に大きなインパクトを与える生成AI
［15］ 医薬品・医療製品のバリュー・チェーン全体に影響を与える生成AI
［16］ ビジネスと社会に求められる正確な理解と配慮
第2章 生成AI概説［2］
2-1 生成AIと大規模言語モデル（LLM）
［1］ 生成AIが科学、工学にもたらすもの
［2］ エネルギー効率の高いLLM
2-2 生成AIのためのインフラスタック、インフラツール
［1］ 概説
［2］ ファンデーションモデル
［3］ オープンソース
［4］ クローズド・ソース
［5］ ファインチューニング
他
2-3 生成AIのライフサイクルパターン
［1］ 概要
［2］ 連鎖
［3］ チューニング
［4］ RAG
［5］ FLARE
［6］ 思考の木（ToT）フレームワーク
［7］ 行動計画の作成、維持、調整
2-4 主たる論文／サーベイペーパー
［1］ 構成的微調整・文脈内学習
［2］ インコンテキスト学習（TICL）
［3］ ショット学習
［4］ 教師あり学習
［5］ 検索拡張生成 (RAG)
［6］ ファクトグラウンディング
［7］ 思考の連鎖（CoT）
［8］ 思考の木（ToT）
［9］ 思考のグラフ（GoT）
［10］ ReAct： 推論と行動
［11］ タスクの連鎖の応用
第3章 生成AIの促進要因・支援スキーム／生成AIの評価・利用実態・市場動向
3-1 推進政策・規制緩和等
［1］ 経済産業省 「生成AIの開発促進の目的で競争力ある基盤モデル開発を行う企業等への支援スキームの大枠決定」
［2］ 政府 「AIに関する国内の研究開発強化を重点政策に」、「2024年度の政府全体の関連予算は前年度の2倍程度に拡充」
3-2 AI市場をけん引する生成AI／生成AIの市場動向
［1］ 概況・近況
［2］ 生成AIの成長を後押しする要因・要素
［3］ アクセンチュア 「テクノロジービジョン2023の発表／生成AIの展開予測」
［4］ ゴールドマン・サックスの市場分析
［5］ バンク・オブ・アメリカ 「AI市場最新予測」／｢最有力20銘柄リスト｣
［6］ ボストン・コンサルティング・グループ 「生成系AIの世界市場」
［7］ Grand View Research予測
［8］ the informationの市場分析
［9］ 東京エレクトロン 「生成AI関連の需要動向分析」
［10］ IDC Japan 「国内AIシステム市場の予測／生成AIの分析」
他
3-3 生成AIの評価・利用実態
［1］ 全米経済研究所（NBER）の 「生成AIが企業間の格差を拡大する」
［2］ 野村総合研究所（NRI） 「ChatGPTの利用動向調査」
［3］ 日経BP社日経クロステック誌 「企業における生成AI活用とリスク対応の実態」
［4］ Macbee Planet 「生成AIを活用中のマーケティング担当者を対象にマーケティングへの生成AI活用の実態調査を実施」
［5］ Gartner 「2025年にはソフトウェア開発リーダーの半数以上が生成AIの監督を任されるとの予測を発表」
［6］ モルガン・スタンレー 「ギグワークの市場規模拡大と生成AIの影響」
［7］ Bain ＆ Company 「生成AIに関するフェーズ移行、3つの誤解」
3-4 生成AIに関する認知・問題意識動向
［1］ BlackBerry
［2］ Gartner
［3］ 帝国データバンク
［4］ レトリバ 「ChatGPTのビジネス・社会への影響度」に関する調査の結果」
［5］ 日経クロストレンド 「ChatGPT、2万人独自調査」
［6］ 日本アニメフィルム文化連盟 「アニメ業界とAI（人工知能技術）に関する意識調査」
［7］ Elsevier Health 「Clinician of the Future 2023」
［8］ ソニービズネットワークス 「AI導入状況調査」／ビジネスパーソンの「ChatGPT」認知度に関する調査結果
［9］ エクサウィザーズ 「生成AIの業務活用に関する調査レポート公開」
第4章 生成AIに対する各国の対応／ルール策定を巡る動き
4-1 概況・近況
［1］ AI開発の主導権を狙う各国の状況／Tortoise Media 「グローバルAI指数」
［2］ Statara 「AIの応用可能性に対する米国民の認知状況」
［3］ 経済産業省 「生成AI時代におけるDX推進に必要な人材・スキルの考え方」
4-2 生成AIを巡りG7各国で活発な議論
［1］ 生成AIでG7各国が活発な議論、成果強調も積み残した課題
［2］ G7 生成AIのルール作成へ 議長国の日本政府が行動指針案示す
［3］ 米国政府 「AI開発を手掛ける米主要7社とAIの安全性を確保するルールの導入で合意」
［4］ 欧州連合（EU）の欧州議会 「AIコンテンツに関する規制案を採択」
［5］ バイデン米政権 「AIのリスクに対処するための計画発表」
［6］ バイデン米政権 「Open AIなど生成AIの主要4社トップと会談・安全性の配慮を直接要請／AIを巡る政府方針を発表」
［7］ イタリアのデータ保護機関（GPDP） OpenAIに法律順守のタスクを完了するよう要請
4-3 AI規制に関する世界の動向
［1］ 概況・近況
［2］ 欧州連合（EU） - DSAが登場し、AI規制が始まる
［3］ 英国
［4］ 米国
他
4-4 生成AI活用普及協会（GUGA） 安全な生成AI」の社会実装に向け本格始動
4-5 生成AIリテラシー向上策
［1］ 総務省・情報通信審議会 「日本語能力の高い生成AI開発促進の提言・答申」
［2］ 東京商工会議所 「中小企業が生成AI（人工知能）を活用するためのガイドブックを発行」
4-6 各種製品群への生成AI組み込みの可能性
4-7 生成AIなどの技術革新に伴う国際ルール形成
［1］ MITテクノロジーレビュー 「AI規制に関する世界の主要な6つの取り組み」
［2］ 生成AI、国際ルール形成急ぐ 日本は米欧に後れ
［3］ 政府 「生成AIの文書や画像、知財保護へ向けたルール整備に着手」
［4］ Amazon 「Kindle出版ガイドラインで生成AI使用時の申告義務付け」
4-8 生成AIの法的な問題／知的財産権に関する問題
［1］ 生成AI活用の法的理解
［2］ ChatGPTの技術特許を持つグーグルの動向
［3］ 「対話型AI」特許分析
第5章 AI・生成AIのビジネス開発と投資動向
5-1 「新しい資本主義」改訂案／新たな産業創出に向けた生成AI開発の強化
5-2 拡大を続ける生成AI投資のビッグウェーブ
［1］ アクセンチュア 「AIに30億米ドルの驚愕投資を発表」
他
5-3 Similar Web and Sensor Tower 「生成AI市場動向調査」
［1］ トップ生成AI製品のアクセス比較
［2］ 消費者向け製品の比較
［3］ ユースケース別トラフィックの割合
［4］ カテゴリー別成長率
［5］ カテゴリー別トラフィックの差 #1位と2位の製品
5-4 a16z 「世界の生成AIトップ50社の分析と市場動静に関する考察」
5-5 a16z 「画像世代の成長による影響」
5-6 a16z Internal benchimarking／Similar Web 「生成AIと非生成AI： オーガニック獲得の対比」
5-7 PitchBook 「企業数と調達資金の比較」
5-8 Similar Web and Discord 「生成AIの成長」
5-9 Similar Web and Sensor Tower 「アプリからのトラフィックの製品別割合」
5-10 Similar Web and Sensor Tower 「製品別アプリからのトラフィックの割合」
5-11 有力スタートアップ／資金調達動向
［1］ Cohere 「生成AIの企業導入強化／2億7,000万米ドルをシリーズC調達」
［2］ 他
5-12 生成AIで業績を伸ばす有力銘柄
5-13 投資動向
［1］ Google 「500億円超をOpenAIのライバル企業Anthropicに投資」
他
ソフトバンクグループ OpenAIへの投資検討
［1］ 三菱UFJイノベーション・パートナーズ 「生成AIなど金融への活用念頭に200億円規模の3号ファンドを組成」
第6章 生成AI／LLMのベースモデル／フレームワーク
6-1 ファンデーションモデル（ファンデーションモデル）
6-2 トランスフォーマー（機械学習モデル）
［1］ トランスフォーマー 概説
［2］ ChatGPTなどの対話型AIの基礎となっている「Attention」を可視化した「Attention Viz」
6-3 ビジョントランスフォーマー
6-4 生成的な事前学習済みトランスフォーマー
6-5 教師あり学習ではなく強化学習による微調整
6-6 プロンプトエンジニアリング／プロンプト・コンストラクション
他
第7章 生成AIの根底に流れる思想・哲学・概念
7-1 ジェネレイティブ
［1］ 概説
［2］ ジェネレーティブ・サイエンス
［3］ ジェネレイティブ・システム
［4］ ジェネレーティブ・セマンティクス
7-2 自然言語理解
7-3 知識マップ、コンセプトマップ、ストーリーマップ、認知オーガナイザーと生成AI
［1］ シンキングマップ
［2］ グラフィック・オーガナイザー／サブサンプション理論
7-4 コンテクストアウェアネス（文脈認識）
7-5 生成AIと人間の心理学・応用心理学の類似性・比較分析
［1］ 概要
［2］ プロンプトエンジニアリングと応用行動分析（ABA）
［3］ 模倣と推論
［4］ コンピテンシー／コンピテンシーマネジメント
［5］ ツールとプラグイン
［6］ 内部モノローグ（内なる声）／ブレインストーミング
［7］ 記憶（長期記憶、ワーキングメモリー、短期記憶、感覚記憶）
［8］ 自律性
［9］ 幻覚
7-6 メタ認知
7-7 進化モデルと生成AI
［1］ ミーム／ミームティクス
7-8 自己組織化的生成型AI
第8章 生成AIの課題・対策状況［1］
8-1 言語モデルにおける懸念点と目指すべき原則
［1］ 概説
［2］ コスト、スケールの問題
［3］ リカレント（再帰）接続／フィードバック接続
8-2 生成AI・LLMとインフォデミックリスク
8-3 生成AIモデルと信頼性
8-4 生成AIとアクセシビリティ
8-5 幻覚／AIのバイアス／偽情報の助長と防止対策
［1］ LLMの幻覚対策／検索拡張世代（RAG：Retrieval Augmented Generation）
［2］ 生成AIで生成されたコンテンツについてファクトチェックを行う技術
［3］ Few-shotプロンプト、Chain-of-Thoughtプロンプトによる間違いの修正
8-6 権利侵害・プライバシー侵害の可能性
8-7 テキストから画像への変換・拡散モデルにおける著作権保護問題
［1］ テキストから画像への変換モデルと著作権の問題
［2］ Google 「AI生成画像への「透かし」による安全対策」
［3］ Google 「写真編集機能「Magic Editor（マジックエディター）」
［4］ Natureが画像や動画での生成AIの使用を許可しない理由
［5］ AI生成画像の見分け方、注目ポイントを専門家が伝授
［6］ Microsoft 「Copilotの企業顧客が著作権侵害による訴訟の結果生じる不利な判決には責任を持つと表明」
8-8 デジタルクローニング／ディープフェイク
［1］ 概説
［2］ ディープフェイク
［3］ デジタルクローニング
［4］ 音声ディープフェイク
［5］ MITが開発・提案する生成AIによるディープフェイクの防止に関する新手法
［6］ ディープフェイクされた画像・映像の真贋判定、イバーワクチンによる自動修復
8-9 コンテンツの来歴と真正性に関する問題
［1］ AIラベリング／画像や動画に出所や編集履歴を示すラベルを付与するプロトコル「C2PA」を巡る動向
［2］ 生成エラーを体系的に特定するファクトチェック（事実性検出）
8-10 ドリフト（生成AIの知能低下）問題／回答生成プロセスの透明度低下問題
8-11 脱獄問題（「AIに有害情報を答えさせるための情報偽装」
8-12 データ汚染による「再帰の呪い」問題
8-13 過学習（学習データの過度な最適化による障害）の問題
8-14 AI利用に伴う倫理問題／差別助長などのリスク
8-15 生成AIのリスク管理／経団連 「倫理的発展のためのガイドライン（案）」
8-16 生成AI普及がもたらすデータセンターのエネルギー消費量5倍増の問題
8-17 サイバーセキュリティ対策
［1］ 生成AIをきっかけに変容するサイバー犯罪
［2］ ChatGPTの「幻覚」を悪用してマルウエア配布、研究者が実演してみせた驚きの手口
［3］ プロンプトインジェクション攻撃
［4］ 生成AIにおける敵対的攻撃の脆弱性
他
第9章 生成AIの課題・対策状況［2］
9-1 概説
［1］ オープンAIなど10社による自主ガイドライン
他
9-2 生成AIによる著作権侵害への検討・対策
［1］ 概要
［2］ ユーザー側が考慮するべき要点
［3］ 生成AIサービスのプロバイダーにおけるリスク
［4］ 「知的財産推進計画2023」原案／生成AIによる著作権侵害への対策検討
［5］ 文化庁の「AIと著作権」の解釈
［6］ JASRAC 「生成AIと著作権の問題に関する基本的な考え方」を発表
9-3 機密情報漏洩の可能性
9-4 生成AIの利用・開発で留意すべきリーガルリスク
［1］ 概要
［2］ AI開発・学習段階における検討ポイント
［3］ 「知的財産に関するデータ」を学習に用いる場合
［4］ 契約による利用制限の可否（オーバーライド問題）
［5］ データ提供契約に基づく利用制限
他多数
9-5 生成AI自体の性能変化のリスク
9-6 AI用GPU（画像処理半導体）インフラの確保
9-7 最新動向・事例
［1］ OpenAIがコンテンツ収集に用いるウェブクローラー「GPTBot」をブロックする試み
他
9-8 外部ツールとの連携
第10章 生成AI／LLMで実装・発現される技術群［1］
10-1 文章抽出／テキストの自動要約
［1］ 概説
［2］ 用語抽出
［3］ キーワード抽出
［4］ 文章抽出と自動要約
［5］ テキストの簡略化
［6］ 共参照の解決
10-2 テキストデータマイニング（TDM）／ニュースアグリゲーション
［1］ テキストマイニング
［2］ ニュースアグリゲーション
［3］ バイオメディカルテキストマイニング
10-3 自然言語生成／明示的な意味解析／リライティング
［1］ 自然言語生成
［2］ 明示的な意味解析
他
10-4 知識抽出・知識作成／データベースからの抽出・変換
［1］ 情報抽出
［2］ 知識抽出
［3］ 構造化および非構造化ソースからの知識抽出・知識作成
他
10-5 情報検索／データマイニング／主題別インデクシング／XML検索
［1］ 概要
［2］ 生成AIを使った科学文献の絞り込み検索
［3］ セマンティック検索
他
10-6 レビュー／探索的データ解析／自動分類／多目的最適化問題
［1］ コンピュータ支援レビュー（CAR）
［2］ クラスター分析／クラスタリング
第11章 生成AI／LLMで実装・発現される技術群［2］
11-1 センチメント分析
［1］ 概説
［2］ 生成AIによるビジネス向けセンチメント分析システムの構築
［3］生成AIによるセンチメント分析アプリケーションの構築
［4］ センチメント分析で生成AIを使用する際の課題
［5］ ソーシャルメディアコメントのセンチメント分類／カスタマーレビュー要約
［6］ 生成AIによるセンチメント分析におけるプロンプト作成
［7］ センチメント分析ユースケース ［1］ データの前処理
［8］ センチメント分析ユースケース ［2］ コンテクスト理解
［9］ センチメント分析ユースケース ［3］ 特徴抽出
［10］ センチメント分析ユースケース ［4］ センチメント分類
［11］ センチメント分析ユースケース ［5］ 学習データ生成
［12］ センチメント分析ユースケース ［6］ 多言語サポート
［13］ センチメント分析ユースケース ［7］ リアルタイム分析
11-2 データマイニング／ナレッジディスカバリー（知識発見）
［1］ 概説
［2］ シーケンシャル・マイニング
11-3 情報科学とオントロジー／データモデル
［1］ オントロジーおよびオントロジー学習
［2］ 分類スキーム
11-4 メタサーチエンジン／サーチアグリゲーション
［1］ メタサーチエンジン
［2］ メタブラウジング
［3］ フェデレートサーチ
他多数
11-5 データキュレーション
［1］ データキュレーション
11-6 バイオキュレーション
［1］ バイオキュレーション
［2］ 全ゲノムシーケンス分析
11-7 コンピュータビジョン
11-8 パーシーバー／非構造化データのトランスフォーマー
第12章 生成AI／LLMで実装・発現される技術群［3］
12-1 有効な取引戦略エディターとしての生成AI
［1］ 概説
［2］ ChatGPTに取引戦略の構築を依頼するとこうなる
12-2 価格トレンド分析と取引戦略支援
12-3 市場トレンド
12-4 生成AIによる取引戦略
12-5 アルゴリズム取引における生成AIの活用
12-6 デイトレードにおける生成AIの活用
12-7 行動ファイナンス／市場のセンチメント分析と投資支援
12-8 不動産トレンド分析と生成AIの活用
12-9 トレーディング戦略を向上させるための生成AI活用
［1］ 概要
［2］ 市場分析プロンプト
［3］ ファンダメンタル分析
［4］ テクニカル分析
［5］ センチメント分析プロンプト
［6］ ソーシャルメディアのセンチメント分析
［7］ 取引戦略の策定
［8］ リスク管理／ポジションサイジングプロンプト
［9］ 損切りと利益確定戦略
［10］ リスクリワードレシオ分析
第13章 チャットAI／AIアシスタントと生成AI
13-1 概説
13-2 AI型チャットボット
13-3 シナリオ型チャットボット
13-4 生成AI・文脈理解で進化するチャットボット
13-5 主な生成AIチャットボットの基本特性
［1］ OpenAI 「ChatGPT」
［2］ マイクロソフト 「Bing ChatGPT」
［3］ Jasper 「Jasper」
［4］ YouChat 「YouChat」
［5］ Chatsonic／Google 「Chatsonic」
［6］ Socrates 「Socrates」
［7］ Amazon 「音声認識アシスタントAlexaに生成AIを導入／複雑なリクエストにも対応可能に」
［8］ Google 「Google ChatをSlackやTeamsなどの他プラットフォームと相互運用可能に」
13-6 低スペックPCでも使える軽量チャット
［1］ Nomic AI 「GPT4ALL」
13-7 ニューラルネットワーク搭載型のチャットボット
［1］ Google 「Meena」
［2］ メルセデス・ベンツが米国車両の音声アシスタントにChatGPT導入、90万台以上に
13-8 信頼、助け合い、無害を再定義するAIアシスタント 「Claude」
13-9 サブスクリプション型AIチャットサービス
13-10 参入企業動向・活用事例
［1］ リコー 「RICOH Chatbot Service」からGPTを利用できるオプションを提供開始
他
第14章 生成AI／LLMと次世代検索エンジン／Webインテリジェンス
14-1 概説
［1］ 概況
［2］ 検索エンジンの処理と機能拡張
［3］ 生成AIは検索の優位性がそのまま競争優位につながる
他
14-2 RAG（検索拡張）による生成的AI変革の第二の波
14-3 アダプティブ・ウェブサイト
14-4 Webインテリジェンス
14-5 Microsoft Bing（通称：Bing）
14-6 Google 「AI搭載の次世代検索エンジン」
［1］ 概況・近況
［2］ グーグル 生成AI検索「SGE」／ウェブ記事要約などの新機能を追加
［3］ グーグル AI検索エンジン「Magi」のプロジェクト推進
14-7 生成AIとSEO技法への影響
第15章 生成AI／LLMを支えるハードウェア／高速コンピューティング／ネットワーキング技術
15-1 生成AIとGPU
15-2 生成AIとディープラーニング用GPUと適性
［1］ 生成AIとディープラーニングに最適なGPU
［2］ ASUS ROG 4070 Ti
［3］ ASUS ROG Strix RTX 4080
［4］ ASUS TUF RTX 4090
［5］ Galax RTX 4070 Ti
［6］ MSI RTX 4080
［7］ バイペラ NVIDIA RTX 4090
［8］ NVIDIA 「生成AI用の新型半導体セットを開発／メモリー容量を従来の3.5倍で処理高速化」
［9］ AMD 「生成AI向けにGPGPU（General Purpose Graphics Processing Unit）「Instinct」の新製品を発表」
［10］ Super Micro Computer Inc.の最新動向
［11］ SB C&S（株）の最新動向
15-3 高速化されたコンピューティングとAIの統合
［1］ 生成AIブームに乗るNVIDIA
15-4 RISC-Vの活用
［1］ 基本的な特性
15-5 RISC-V活用の主な事例
［1］ Imagination Technologies（英国）
他多数
15-6 大容量メモリと1EFLOPSの性能備えたAIスーパーコンピュータ
15-7 AIに特化した高速ネットワーキングプラットフォーム
15-8 生成AIの多様なニーズに応えるリファレンスアーキテクチャ
第16章 生成AIのファインチューニング
16-1 概説
［1］ 概要
［2］ ファインチューニングされた言語モデル
［3］ LLM／生成AIを微調整する主なメソッド
16-2 特定のタスクに適合するためのchatGPTの微調整
［1］ LLM埋め込みと微調整技術によるプロンプト・エンジニアリング
［2］ プロンプトエンジニアリングにおける微調整
［3］ LLMエンベッディングとファインチューニング： 相乗効果のあるペア
第17章 生成AIを巡る知的財産権・特許の競争
17-1 生成AIと特許の最新動向
［1］ 概説
［2］ 生成AIアルゴリズムと知的財産権
［3］ 機械学習と知的財産権
［4］ AI／生成AI技術の特許化
［5］ AIアルゴリズムの特許化
［6］ AI／生成AI特許の留意点
他
17-2 生成AIと特許の考察
［1］ 概説
［2］ 特許クレームと発明者意識
17-3 生成AI特許出願動向
第18章 主な生成AIの強み・弱み／新たな拡張シナリオ
18-1 GPT（Generative pre-trained transformers）
18-2 マイクロソフト 「インターネット全体を一度に取り込むことができる次世代生成AI：LongNet」
18-3 Google 「PaLM2」
［1］ 進むPaLM2の機能強化
［2］ GPT4との比較
［3］ PaLM 2の日本語対応／ソフトバンク等でプレビュー版を利用開始
18-4 Google ｢Bard｣
18-5 Google 「Gemini」
18-6 Meta 「Llama 2」／ChatGPT超えの性能を発揮するか
［1］ LLaMA 2：新時代の幕開け
［2］ Meta 商用利用も可能なオープンソースの大規模言語モデル「Llama 2」提供開始
［3］ Meta Llama 2を基盤にしたチャットボットAI 「Meta AI」
18-7 Adobe 「Firefly」／「FireflyをCreative Cloudと統合」
18-8 SAP SE 「SAPのエンタープライズクラウド製品に直接組み込まれり生成AIアシスタント： Joule」
18-9 Meet Pi（ChatGPTの新たな有力対抗馬）
18-10 Anthrpic 「Claude」
第19章 プロンプトエンジニアリング?活用のポイントと課題
19-1 プロンプトエンジニアリング／プロンプト・コンストラクション 概説
［1］ 概説
［1］ プロンプトの制約
19-2 生成AIの成果を左右するプロンプトエンジニアリング
［1］ ChatGPTの成果を左右するプロンプトエンジニアリング、その活用のポイントと課題
［2］ LLMで困難な多段階問題を解決するためのプロンプティング技法
［3］ プロンプトエンジニアリングのヒント
19-3 プロンプトの制約条件と緩和策
19-5 マルチモーダル・モデル
［1］ MultiModal-GPT（人間との多人数対話のための視覚・言語モデル）
他
19-6 プロンプト最適化ツールキット
［1］ Microsoft Research 「LMOps」
19-7 長文プロンプト入力
［1］ Google支援のAnthropic 「超長文プロンプト入力可能な生成AI」
19-8 事例
［1］ 日本マネジメント総合研究所合／GPT研究所 「GPT監査活動を通じて編み出した汎用型プロンプト」
第20章 強化学習による人間の価値観と合わせた各種生成技法
20-1 RLHF（人間のフィードバックを使ってAIモデルを強化学習する手法）
20-2 SFT（Supervised Fine-Tuning：教師あり微調整）
20-3 RM（Reward Model：報酬モデル）
20-4 PPO（Proximal Policy Optimization：近接方策最適化
20-5 人間の評価を利用したGPT言語モデルの強化学習
［1］ Rinna 「強化学習済みの日本語に特化した対話GPT言語モデルの公開」
第21章 企業組織における生成AIの戦略的利活用
21-1 概説
［1］ 概況・近況
［2］ 他社製のAIモデル活用の動向
［3］ 独自モデル開発の動向
［4］ 国内大手ITベンダー、通信キャリアの動向
［5］ 開発コスト、精度検証などの課題
［6］ Azure OpenAI Serviceと“社内GPT“の動向
21-2 経営者が考える生成AIのビジネス・社会への影響
21-3 AI導入による生産性向上と生成AI
［1］ AI導入で生産性向上｢世界GDPは10年後に980兆円増｣今すぐ投資すべき15銘柄。ゴールドマンS最新予測」
［2］ ChatGPTなど生成AI 使いこなすために必要な8つのスキル
21-4 生成AIの利用ガイドライン
［1］ 概要
［2］ オープンAIなど10社による自主ガイドライン
［3］ 文部科学省 「大学等の教育機関に対し、教育活動における生成AIの取扱いに関するガイドラインの策定等を促す通知を発出」
21-5 Azure OpenAI Serviceと“社内GPT“
［1］ 概要
［2］ 生成AIとエンタープライズ・ソフトウェアの連携
［3］ 日常業務で使うTeamsやAzure OpenAI Serviceの連携
他
21-6 生成AIによる財務情報分析
21-7 生成AIによる人事、総務、情シスなどの質問対応自動化
21-8 生成AIがコンサルタント／テクノロジーキャリアに与える影響
［1］ ChatGPTで「経営コンサルすら失職」の恐れ、データサイエンティストが説く危機感
［2］ IBMが採用一時停止､7800人の仕事をAIに置き換え
［3］ マッキンゼー、社員の「約半数」が生成AIを利用していると発表
［4］ 生成AIが変える、テクノロジーのキャリアパス
［5］ ChatGPTプロンプトの活用
21-9 働き方／ワークスタイル／ワークフローに大きな変化をもたらす生成AI
［1］ 概説
［2］ 野口悠紀雄氏（一橋大学名誉教授） 「生成AI本格導入後のシナリオ」
［3］ AIによる雇用の自動化
［4］ 生成AIによる議事録作成・FAQ作成
21-10 生成AIによる企業向けサービス
［1］ OpenAI 「GPT-4使い放題の企業向けプラン」
［2］ OpenAI 「エンタープライズ向けChatGPTの提供開始」
［3］ セールスフォース、「Tableau」のデータ分析結果を対話しながら理解できる「Tableau GPT」など公開
21-11 高速GPT-4でプライバシーも安全とされる企業向け「ChatGPT Enterprise」
21-12 生成AISaaS
［1］ NVIDIA／Snowflake 「SaaS上のデータ利用の独自AIアプリ構築環境提供」
21-13 Copilotプラットフォームと生成AIの相互運用・外部連携
［1］ 概要
［2］ Microsoft 「Bing Chat Enterprise」
21-14 Google 「Duet AI for Google Workspace」
21-15 Microsoft データ分析基盤「Fabric」発表／DWH・AI・ストリーム分析を統合
21-16 オフィスのデジタル化（DX）と生成AI
21-17 決算説明会、株主総会等における想定問答の作成支援
21-18 生成AIを活用した仕入れ交渉
［1］ ウォルマート 「仕入れ交渉に生成AIを活用」
21-19 生成AIによる営業事務の支援・部分的な自動化
［1］ 概要
［2］ Smash 「生成AIと連携する商談分析・可視化サービス」
［3］ ギブリー 「営業組織の非コア業務を削減する営業アシスタントの実装」
21-20 生成AIによるプロダクトディスカバリー
21-21 生成AIによるデジタル自動商品セットアップ
21-22 その他各種事例
［1］ 営業トークを生成AIが採点、担当者ごとの成績表を示して次回の話題まで助言
［2］ mignの自動デザイン生成ソフトにChatGPTやStable Diffusionの連携機能
21-23 生成AIに取り組む有力企業・団体動向
［1］ 概況・近況
［2］ マッキンゼー 「4つのC： 半数の社員がChatGPTを活用」
［3］ KPMG 「Microsoftとの提携拡大／AIに20億米ドル投資」
［4］ IBM／IBM Consulting 「ビジネス×生成AI」
［5］ ウォルマート
［6］ LinkedIn
［7］ Meta
［8］ PwC米国 「生成AIに10億ドル投資／ChatGPTのサービス強化」
［9］ デロイトトーマツコンサルティング 「全コンサルタント約5000人に生成AIの専門知識や活用ノウハウを獲得」
［10］ 東北大学 「事務部門、業務効率化を目的に生成AIを導入／大学DX推進」
［11］ 日立製作所 「生成AIセンターの新設」／「生成AIを活用したビジネス創出に向け生成AIベンチャーと協業模索」
［12］ NTTデータ 「生成AIのグローバル推進体制を整備／新サービスの提供を開始」
［13］ NTTドコモグループ3社 「生成AIを活用した業務のDX推進／付加価値サービス提供に向けた実証実験」
［14］ 伊藤忠商事 ｢社員4200人に社内版ChatGPT｣を導入」
［15］ パナソニック 「分析作業で生成AIを活用」
［16］ （株）ELYZA（東京大学松尾研究室） 「企業独自LLMの構築支援プログラム／LLMのポストトレーニングに注力した支援施策」
［17］ KDDI 「自社で独自の生成AIを開発」／「Azure OpenAI Serviceの法人提供」／「GPT-4など導入支援」
［18］ 三井住友海上 「生成AI（Azure OpenAI Service）を全社員で利用を促進」
［19］ パナソニック 「AIモデル学習時のデータ構築コストを削減する技術を開発」
［20］ パナソニックコネクト 「自社特化AI｣して自社ChatGPTを新開発」
［21］ （株）ヘッドウォーター Azure OpenAI Service活用と組織浸透を包括的に伴走支援する「生成AIプロジェクトラボ」
［22］ 村田製作所
［23］ 小野薬品 「生成ＡＩ「OnoAIChat」の導入で社員の業務効率向上を達成」
［24］ サイバーエージェント
［25］ フジテック 「業務改善用社内ツールに生成AI導入」
［26］ セゾン情報システムズ 「若手社員主導にて大規模言語モデル（LLM）研究会発足」
［27］ メルカリ 「生成AIやLLMの専門チームを社内に設置」
［28］ （株）ナレッジセンス 「ChatPro（チャットプロ）」
［29］ Airion（株） 生成AIによる人事、総務、情シスなどの質問対応自動化サービス「ケルくん」
第22章 生成AIのトレーニング手法
22-1 概説
22-2 スタンフォード大学 「大規模言語モデル・生成AIを理解するためのAIベンチマーク」
22-3 事前学習済みモデルとファインチューニング（トレーニング）
［1］ メモリの消費量を激減させつつ少ないデータでトレーニングできる手法 「QLoRA」
22-4 プロンプトエンジニアリング教材
［1］ DeepLearning.AI／OpenAI 「プロンプトエンジニアリング教材を共同開発・無料公開」
22-5 AI／生成AIのトレーニングを大幅に安く高速化するLLM 「phi-1.5」
22-6 生成AIに関連した研修サービス
［1］ AKKODiSコンサルティング（株） 「ChatGPT活用研修」
22-7 事例
［1］ Microsoft 「無料のAIトレーニングを提供開始」
［2］ Google 「無償で利用可能な生成AIのトレーニングコースを公開」
［3］ UCバークレー校 オープンソースのvLLMライブラリによるチュートリアル
第23章 生成AI・LLMとドキュメントインテリジェンス／組織におけるコンテンツ利用
23-1 自然言語処理と機械学習によるドキュメントインテリジェンス
［1］ アドビ、「Adobe Experience Manager」でAIを活用した新しい生成型サービスを公開
［2］ アドビ、エンタープライズ向けFireflyを発売、AIでクリエイティビティを加速させるAdobe Expressを導入
23-2 生成AIによるドキュメント・インサイト・ウェアハウス
［1］ 概要
［2］ マイクロソフト 「Azure OpenAI Documents Search App - Document Insight Warehouse」
［3］ Anthropic ChatGPT対抗AIチャットボット「Claude」（5時間以上かけて読む資料を1分以内で理解）
第24章 画像・動画・映画の生成／シントグラフィー
24-1 テキストから映像・動画を生成する技術
24-2 シントグラフィー（デジタルメディアを合成的に生成する手法）
24-3 ステイブル・ディフュージョン（ディープラーニングによるテキストから画像への変換モデル）
24-4 画像生成AIが変えるアニメーション作成フロー
［1］ 概要
［2］ ローカルPC上でのStable Diffusionの動作環境「WebUI A1111」の拡張
［3］ ComfyUI版AnimateDiff
24-5 DALLE／DALLE-E-3
24-6 Google Research／ボストン大学 「DreamBooth：テキストから画像へのモデルの微調整に用いられる深層学習生成モデル」
24-7 Microsoft AI 「MM-REACT」（視覚プールを組み合わせてマルチモーダル推論・行動を実現するシステム）
24-8 Google 「AIによる商品画像の生成と編集をサポート：Product Studio」
24-9 OpenAI 「ChatGPTに画像認識機能を搭載」
24-10 DeepFloyd IF 「自然言語モデルの知識を利用した画像生成モデル：Imagen」
24-11 訴訟リスクの少ないクリーンな画像生成AI 「Emi」
24-12 Leonardo.Ai
24-13 ＆NovelAI
24-14 Getty Images 「画像生成AIに参入／完全な法的確実性をクリエイターに補償」
24-15 その他近況・事例など
［1］ マイクロソフト ブラウザーから手軽に使える画像生成AI 「Bing Image Creator」
他多数
第25章 自律的な生成AIシステムによるジェネレーティブデザイン
25-1 ジェネレーティブデザイン
［1］ 概要
［2］ サイエンスとしてのデザイン
［3］ デザイン思考：AIによるデザインの認知的、戦略的、実践的な手順
25-2 生成AIによる3Dモデル自動生成
［1］ OpenAI 「3Dモデル自動生成AI「Shap-E」を発表」
25-3 ジェネレーティブデザインの応用分野
［1］ 建築
［2］ コンポーネント設計
第26章 生成AIによるエンジニアリング情報管理（EIM）／システムエンジニアリング支援
26-1 学際としてのシステムズサイエンスとAI
26-2 エンジニアリング情報管理（EIM）と生成AI
26-3 システムエンジニアリングと生成AI
26-4 生成AIとデータ分析
［1］ 概説
［2］ データ分析に生成AIを使用するに当たってのベストプラクティス
［3］ データ分析における生成AIのメリット
26-5 メタモデリング
26-6 メタプログラミング
26-7 自動プログラミング
26-8 生成AI（自然言語）によるデータベース分析
26-9 自動的なエラー検知・バグフィックス
他
第27章 生成AIによるソフトウェアプロトタイピング／コーディング支援
27-1 概説
［1］ 概要
［2］ 生成AIが開発ワークフローのトランスフォーメーション
［3］ 生成AIコーディングツールの設計と構築
27-2 AIベースのソフトウェア開発とデプロイメント
27-3 ソフトウェア開発者向け生成AI利用のベストプラクティス
27-4 ソフトウェアプロトタイピングと生成AI
［1］ 概説
［2］ 進化型プロトタイピング
［3］ AIコード作成支援ツール
27-5 AIとDevOpsの組み合わせ
［1］ AIのためのDevOps
［2］ AIとDevOpsの組み合わせ
27-6 生成AIによるソフトウェア開発・コーディング支援
［1］ 概説
［2］ ChatGPTを使ってコードを書く方法
［3］ 次世代の開発環境整備
［4］ 「Microsoft Build 2023」で発表された非開発者向け新機能
［5］ Microsoft 生成AI機能「Copilot」を統合
27-7 Googleが見せた「生成AIを活用したシステム運用スタイル／コード化の未来像」
27-8 生成AIによるコード生成
［1］ 概況・近況
［2］ ChatGPTを使ったコード記述
［3］ ChatGPTを使ったコード・デバギング
［4］ AIを使ったコード生成ツールと生産性向上
27-9 開発支援AI 「GitHub Copilot」
［1］ GitHub Copilotの概要
［2］ GitHub Copilotチャットのベータ版が全組織で利用可能に
［3］ GitHub Copilotの全社導入とその効果
［4］ GitHub 「GitHub Copilot Chat」を個人ユーザーにも提供開始
27-10 生成AIによるバグ捕捉、プログラム改修
27-11 定番開発用エディタ「VSCode」から利用できるChatGPT
27-12 VSCodeとChatGPTの橋渡しをする拡張機能 「Genie AI」
27-13 生成AIによるソフトウェア開発における制約・課題
27-14 主要ベンダーの動向
［1］ AWS（Amazon Web Services） 「Amazon CodeWhisperer」
［2］ Google 「Bard」
［3］ Google 「Duet AI for Google Cloud」
［4］ Google 「Codey」
［5］ Google AI活用コーディングアシスタント 「Studio Bot」
［6］ Microsoft Code Llamaをベースにしたコード専用生成AI「WizardCoder」
［7］ Microsoft 「Metaがリリースしたコーディング専用LLMの「Code Llama」をベースにしたコード専用生成AI「WizardCoder」
［8］ Microsoft リポジトリのコーディング作業を自動編集する生成AI 「CodePlan」
［9］ Meta プログラミング支援AI 「Code Llama」
［10］ Meta コード生成や解釈に特化した大規模言語モデル「Code Llama」
27-15 主な開発者向け生成AIの特性
［1］ ChatGPT
［2］ GitHub Copilot／CopilotX
［3］ ChatGPT+ (GPT-4)
［4］ Askcodi
［5］ OpenAI Codex
［6］ OpenAI Playground
［7］ Google Bard
［8］ Bing AI
［9］ Amazon CodeWhisperer
［10］ ChatSonic
［11］ Tabnine
［12］ Rix
［13］ ClickUp AI
［14］ CodeT5
［15］ Codiga
［16］ PolyCoder
［17］ Snyk Code
［18］ Replit Ghostwriter
27-16 参入企業動向
［1］ NTTデータ 「生成AI使うシステム開発手法を全技術者に展開」
［2］ みずほフィナンシャルグループ／富士通 「システム開発に生成AI導入」
［3］ Google 「プログラミング補助AI：Studio Bot」
［4］ サイバーエージェント 「AI開発手法「MLOps」の研修資料を無償公開」
他
第28章 生成AIと連携するアプリおよびアプリ作成ツール
28-1 ChatGPTを使ったアプリ作成
［1］ 概説
［2］ 自然言語入力によるChatGPT連携アプリ作成ツール「MetaGPT」
28-2 生成AIにおけるアプリ開発高速化
［1］ ローコードと先端AIの結合
［2］ Microsoft 「ローコード開発環境「Power Platform」に新機能追加」
28-3 主要プレーヤー動向
［1］ Microsoft 「生成AI搭載アプリ開発ツール発表／自社専用「Copilot」を実現」
［2］ Google 「AppSheet」
28-4 参入企業動向
第29章 ChatGPTのコードインタープリターによる業務の自動化
29-1 概況・近況
［1］ OpenAI コードインタープリター機能の一般開放を開始
［2］ コード開発／プロトタイピング
［3］ Pythonコードの実行
［4］ データ分析／データ可視化
［5］ 異なるフォーマット間でのファイル変換
［6］ 数学的問題の解決
29-2 ユースケース
［1］ データの可視化
［2］ データ分析
［3］ グラフの作成
［4］ ファイルの編集
［5］ 画像編集
［6］ 画像の動画化
他多数
第30章 マーケティング・営業支援
30-1 概説
30-2 生成AI で変わる顧客接点・顧客体験（エンゲージメント）
30-3 生成AIによるインサイトやアイデア開発
30-4 セールス活動における生成AIの活用
30-5 ChatGPT連携タレントロボット／商談デモとしての活用
30-6 マーケティングにおける生成AI／その他AIの活用例（海外）
［1］ IBM
［2］ Google
［3］ Salesforce
他多数
30-7 AIによる新商品の需要予測・顧客行動分析
第31章 顧客プロセスと統合された生成AI
31-1 生成AIとカスタマーエクスペリエンス向上
31-2 生成AIを活用したアンケート調査
31-3 Webサイトの評価・改善の支援
［1］ 「B2BフォームAI診断」を無料提供（WACUL）
31-4 生成AIによる顧客サポート、接客サービス
31-5 生成AIによる電話応対・コンタクトセンターの効率化
31-6 参入企業動向
［1］ 電通デジタル 「データアーティストとの合併／データ＆AI部門の新設」
［2］ フリークアウト・ホールディングス 「生成AIの活用推進をループ全体で強化」
［3］ Expedia 「ChatGPT をExpedia（旅行サイト）のモバイルアプリと統合」
第32章 金融業界向け生成AIの活用
32-1 概況・近況
32-2 生成AI導入に意欲をみせるメガバンク、損保大手
32-3 生成AIによる金融・財務タスクの自動化
32-4 生成AIによる株価予測
32-5 各種事例／実証実験動向
［1］ ゆうちょ銀行とneoAI 「生成AI活用に向けた実証実験」
［2］ 住信SBIネット銀行 「生成AI／LLMを活用した業務改善およびAIモデルの高度化を目的とした実証実験」
32-6 生成AIのニュースの見出しのセンチメント予測による株式予測
第33章 広告・広報・広告クリエイティブ制作の支援
33-1 概説
33-2 ターゲティング広告における生成AI活用
33-3 効果予測AIによる広告クリエイティブ制作支援
33-4 大規模言語モデル（LLM）活用による広告効果の高いテキストの自動予測・自動生成
33-5 生成AIが促す連動広告ビジネスモデルの変容
33-6 生成AIによるプレスリリースの自動生成
33-7 事例
［1］ 博報堂DYメディアパートナーズ 「大規模言語モデルで広告効果を予測」
［2］ 電通デジタル 「∞AIにGPT-4を実装」
［3］ サントリー 「ChatGPTでCMを制作」
［4］ サントリー 「ChatGPTのCM案を映像化」
［5］ ニューラル 「広告分野に特化したマルチモーダルな基大規模言語モデルを開発」
［6］ オプト 「生成AIを活用した広告の効果予測・広告制作活用」
［7］ グーグル 「Google広告で生成AI活用を発表」
第34章 自動コンテンツ制作支援／生成AIのクリエイティブ活用
34-1 概説
［1］ 生成AIで増殖する「コンテンツファーム2.0」の新たな波
34-2 生成AIによるECの変容
［1］ コンテンツ監査・コンテンツインベントリー支援
［2］ コンテンツインベントリ
［3］ ウェブコンテンツのライフサイクル支援
34-3 自動コンテンツ制作支援
［1］ CMSとChatGPTを連携した自動コンテンツ制作を支援
［2］ 生成AIによる文章一行（ワンセンテンス）のWebサイト構築
34-4 AIによるタイトル生成・タイトル提案
34-5 AI生成記事の校正サービス
34-6 コメントの自動応答／選択肢に応じたメッセージ自動返信
34-7 FAQの自動生成
34-8 生成AIによるコンテンツ生成とサービス展開
34-9 生成AIによる製品レビュー生成
34-10 主なAIコンテンツ生成ツール
［1］ Univer.se 「モバイル＆テキストプロンプト入力でECサイト構築可能にする生成AI」
［2］ AI WRITER 「見出しだけで数分で記事全体を生成する生成AIソフトウェア」
［3］ ANYWORD 「ソーシャルメディア広告、マーケティングメール、ランディングページ、コンテンツ用のテキストを生成する生成AI」
［4］ Article Forge 「1分以内にオリジナルのSEOコンテンツを作成する生成AI」
［5］ Articoolo 「新しい記事の作成、古い記事のリライト、タイトルの生成を行う生成AI」
［6］ ContentBot 「多機能なAIライター」
［7］ Copy.ai 「記事類、ソーシャルメディア投稿、商品説明、コピーライティングフレームワークなどのコンテンツを生成する生成AI」
［8］ GrowthBar 「SEOに適したコンテンツを素早く簡単に生成する生成AI」
他多数
34-11 参入企業動向
［1］ グーグル ニュース記事作成AI「Genesis」
［2］ メルカリ 「メルカリShopsにおけるChatGPTを活用した自然対話の商品検索」
［3］ ブイキューブ／ポケトーク 「イベントDXソリューションに同時翻訳・通訳を組み合わせたソリューション」
他多数
34-12 事例
［1］ ITmedia NEWSは記事執筆フローにChatGPTなどAIを導入する
第35章 生成AIによるレコメンドシステム（レコメンダーシステム）
35-1 概説
［1］ 概要
［2］ 生成AIによるレコメンドシステムの特性
35-2 アプローチ別特性
［1］ 協調フィルタリング
［2］ コンテンツベースフィルタリング
［3］ ハイブリッド推薦アプローチ
35-3 テクノロジー
［1］ セッションベースの推薦システム
［2］ レコメンダーシステムのための強化学習
［3］ リスクを考慮した推薦システム
［4］ モバイルレコメンダーシステム／ロケーションベースド・レコメンデーション
35-4 応用サービス
［1］ プロダクトファインダー
［2］ レコメンダーシステム
［3］ Azureクラウド上の生成AIベースのレコメンデーション・エンジン
［4］ AIレコメンデーションシステムの構築
他
第36章 建設・建築分野における生成AIの活用
36-1 概説
36-2 生成AIによるコンセプト立案、パース作成
36-3 構造ヘルスモニタリング（SHM）
36-4 生成AIによる建築プランナーのインタビューおよびパース作成の自動化ソリューション
36-5 テキストプロンプトから建設テクスチャ付き3Dアセットを生成する技術 「Text2Room」
36-6 生成AIとBIMの結合
［1］ 概説
［2］ BIMと設備管理
36-7 生成AIによる3Dモデルの設計変更とデジタルツインプラットフォームへの統合
36-8 事例
［1］ 東大発AIスタートアップ「燈」、ChatGPT等を建設業に特化させた「AKARI Construction LLM」の提供を開始
［2］ 独自調査で分かった建設会社や設計事務所のスタンス
［3］ 鹿島 「生成AIによる顧客提案の素案作成／生成AIによる会議の議事録作成」
第37章 製造業における生成AI活用
37-1 概況・近況
［1］ 製造業の生成AI活用に関する意識調査
［2］ 製造業における生成AI活用の現在地・今後のシナリオ
37-2 生成AIによる保守点検支援
［1］ 概説
［2］ シーメンス 保守業務における生成AI活用
37-3 生成AIによる経営の資源としての人、資材、設備を有効に活用した生産システムの構築・改善
［1］ 工場の現場改善・現場改善の定量化
［2］ 工場のレイアウト改善
［3］ 工場レイアウト計画におけるアクティビティ相互関係分析・素案作成
37-4 マイクロソフト 「Dynamics 365」にChatGPTを搭載した「Dynamics 365 Copilot」
37-5 生成AIによる作業支援
37-6 クラウドサービス／オンプレミスの両方に対応
37-7 Hewlett Packard Enterprise（HPE） 「生成AIによる自然言語対話で産業用ロボット操作をサポートするシステム」
37-8 NVIDIA 「自動車、建築業向けの専用生成AI活用支援」
37-9 Autodesk PicassoのAIモデルを利用した生成AIによるコンテンツ制作機能を3D CG処理ソフトウエア「Maya」に統合」
37-10 Toyota Research Institute（トヨタ・リサーチ・インスティテュート：TRI） 「生成AIを自動車デザインで利用する研究や拡散モデルを工学設計に応用する研究」
37-11 生成AIによる現場の異常の自動判別・報告
37-12 生成AIによる熟練技能継承・現場訓練支援
第38章 化学・材料分野、マテリアルズ・インフォマティクスにおける生成AI活用
38-1 概況
38-2 生成AIを活用した用途探索
38-3 マテリアルズ・インフォマティクスを活用した新材料の開発・探索
38-4 生成AIとハイブリッド・クラウドで新素材設計
第39章 生成AIによるデジタルライブラリー／機関リポジトリの運用支援
39-1 概要
39-2 生成的AIが情報リテラシーとレファレンスに与える影響
39-3 書誌データベース支援
39-4 コレクション・マネジメント
39-5 アーカイブスマネジメント
他
第40章 生成AIによるキュラトリアルプラットフォームの運用支援
40-1 概要
40-2 デジタル・キュレーションの世界における生成AI
［1］ 概説
［2］ 食べログ 「日本初のChatGPTプラグイン開発」
40-3 「全社横断のAIプロジェクトチームを新設／Notionを活用したポータル上に業務関連のプロンプトを公開」
第41章 自律的な生成AIシステムによるジェネレイティブ・アート
41-1 概説
［1］ 定義・概要
［2］ AIアートの拡張・進歩
［3］ 著作権、ディープフェイクの懸念
［4］ 批評、問題、論争
［5］ シンソグラフィー（機械学習を利用してデジタルメディアを合成的に生成する手法）
41-2 コンピュテーショナル・クリエイティビティ
［1］ 定義・概要
［2］ AIによる視覚芸術の創造性
［3］ 音楽におけるコンピュテーショナル・クリエイティビティ
41-3 ジェネレイティブ・アートの主な思想的・理論的支柱
［1］ 概要
［2］ 人間とAIシステムのコ・クリエーション
［3］ コンビナトリアル創造性
［4］ 言語的創造性
［5］ ストーリー生成
［6］ マッピングや検索における“類推”
他
41-4 機械学習によるコンピュテーショナル・クリエイティビティ
［1］ 概要
［2］ DALL-E（stylized as DALL-E）／DALL-E 2
41-5 テキストから画像への変換・拡散モデル
41-6 デジタルモルフォジェネシス
41-7 ビジョントランスフォーマー／CLIPモデル
41-8 シーナリージェネレーター（風景画像・3Dモデル・アニメーションの自動生成ソフトウェア）
41-9 モーションジェネレーター／フェイシャルモーションジェネレーター
41-10 画像や動画の認識・生成のために設計された自己教師付きフレームワーク 「DiffMAE」
41-11 キャラクター音声の生成・配信
41-12 テキスト-ビデオ生成・音楽の視覚化のための生成的AIシステム
他多数
第42章 情報およびデータの品質管理／データ検証／検証・妥当性確認（V&V）
42-1 概説
［1］ データ管理における生成AIの統合
［2］ 生成AIにおける統制されたデータの必要性
他
42-2 データガバナンス
［1］ 検証・妥当性確認
［2］ レコードリンケージ
42-3 生成AIによるマスターデータ管理
［1］ 概説
［2］ マスターデータ管理における生成AIの活用
42-4 生成AIによるリファレンス・データ管理
42-5 生成AIによるデータ統合
42-6 データ・情報の可視化／データとグラフィック要素間のマッピング
42-7 生成AIによるビジネスセマンティクスマネジメント（BSM）
他
第43章 行政・自治体組織における生成AIの導入・活用
43-1 行政・自治体組織、都市インフラにおける生成AIの可能性
［1］ まえがき
［2］ スマートシティと生成AI
［3］ AIを活用する欧州の主要スマートシティ
［4］ アトラス・オブ・アーバンAI
［5］ 中国政府による各国スマートシティへの投資
［6］ 自治体DXと生成AIの新たな役割
［7］ 東京都 「職員向けに生成AIの利活用ガイドライン公開」
［8］ 課題と展望
［9］ Microsoft 「日本政府にChatGPT専用設備提供／答弁下書きや議事録作成などで業務効率化支援」
43-2 地域活性化・観光活性化と生成AI活用
43-3 自治体における生成AI導入検討・利用禁止の動向
［1］ 概況
［2］ 横須賀市
他多数
43-4 自治体におけるAIチャットボットの導入
43-5 生成AIの業務利用に関するルール制定・条例化動向
［1］ 神戸市 「全国に先駆けて生成AIによる本格活用に関するルールを条例化」
［2］ 神戸市 「庁内版ChatGPTを内製・利用開始」
第44章 生成AIとリーガルテック／生成AIとレグテック
44-1 概説
［1］ リーガルテック／レグテックに新時代をもたらす生成AI
［2］ 生成AIが企業内法務に与える影響
［3］ 法律業界における生成AIの活用
［4］ リーガルテック分野において想定される生成AIの使用パターン
［5］ 法務省指針 「リーガルテックについて、サービス「適法」の見解を示す」
［6］ 法務省 「企業契約書の審査においてAI活用を容認する指針を公表」
他
44-2 関連機関の報告書
［1］ マッキンゼー 「生成AIに関するレポート」
［2］ トムソン・ロイター 「法律事務所における生成AIの導入効果、今後のシナリオ」
他
44-3 リーガルテック／レグテック概説
［1］ レグテックの定義
［2］ レグテックと生成AI統合の意義・価値
［3］ レグテック＋生成AIに向けた期待の背景にあるもの
［4］ 生成AI＋レグテックによるコンプライアンスに対するリアルタイム対応技術の発展
［5］ コンプライアンス対応処理の自動化
［6］ OECDが主催するFATF とその勧告
44-4 レグテックを構成する技術と生成AI
［1］ レグテックの技術構成
［2］ 国際金融協会 「レグテックの7つの機能」
［3］ レグテックのアプリケーション／ツール
44-5 レグテック・ソリューションの需要
44-6 データ駆動型の規制とコンプライアンスモデルの調和
44-7 レグテック・ソリューションのターゲットおよび特徴
［1］ 規制の解釈・コンプライアンス管理、報告書の自動化
［2］ ビッグデータアナリティクス／レポート／分析ツールとの連携
［3］ AI／ブロックチェーンの進歩とレグテック
他多数
44-8 高度なアナリティクスとAIの適用例
［1］ リアルタイムアナリティクス／リアルタイム意思決定
他多数
44-9 企業法務部門における生成AI関連の取り組み
44-10 生成AIによる特許書類の自動作成
44-11 生成AIによる社会保険労務士の業務支援
44-12 参入企業・参入ベンダー動向
［1］ Eigen Technology
［2］ Waymark Tech
［3］ （株）LegalOn Technologies
［4］ リーガルオンテクノロジーズ 「ChatGPTで契約審査業務を効率化」
［5］ 弁護士ドットコム 「新興リセと提携・AI契約書審査に参入」
［6］ PKSHA Technolog 「PKSHA LLMSを活用し、弁護士ドットコムの生成AI活用を技術支援」
［7］ MNTSQ 「ChatGPTに指示しながら契約書を作成できる機能を開発」
［8］ Sansan 「AIによる契約管理サービスの機能拡張」
［9］ マネーフォワード 「電子契約・保管サービス上で締結前の法務相談や条文審査に関する工程管理サービス」
［10］ リーガルスケープ 「司法試験の一部科目で合格水準の正答率を出せる対話型AIを開発」
44-12 ユーザ事例
［1］ 日本IBM／三井化学 「GPTとWatson活用による新規用途探索の高精度化と高速化」
他
第45章 生成AIと次世代情報インフラ／次世代情報セキュリティ
45-1 概説
45-2 スケーリング効率の課題
45-3 生成AIによるデータセンターで冷却性能の向上
45-4 生成AI向けGPUクラウド・サービス
［1］ さくらインターネット 「生成AI向けGPUクラウド提供開始」
［2］ NEC 「GPU1枚搭載のサーバーで動作し、130億パラメーターの軽量さと高い日本語能力をうたうLMMを開発」
45-5 メモリ増強・メモリ削減LLM／限られたGPUメモリでLLM高スループットで処理する生成エンジン
［1］ 概説
［2］ グーグル・ブレイン／アルバータ大学 「メモリ増強LLMでLLMにおけるブレークスルーを起こす」
45-6 枝刈りアルゴリズムによるメモリ使用量削減
45-7 生成AI／LLMと画像分析の統合によりインタラクティブに被災状況を把握する技術
［1］ 概説
［2］ NEC 「生成AI／LLMと画像分析により被災状況を把握する技術」
45-8 本格化する生成AIのセキュリティー分野への応用
［1］ 概況
［2］ マイクロソフト 「SIEM（セキュリティー情報イベント管理）ツールにLLMを搭載した「Microsoft Security Copilot（マイクロソフト・セキュリティー・コパイロット）」を運用」
［3］ グーグル 「セキュリティー用LLM「Sec-PaLM」をクラウドサービスやマルウエア検出ツールなどに搭載」
［4］ 生成AIで独自のセキュリティーサービスを開発する動きが活発化
［5］ パーソルプロセス＆テクノロジー（株） 「情報漏洩リスクのないセキュアなChatGPT環境を構築／Azure OpenAI Service導入サポート」
45-9 UCB／スタンフォード大学／CMU／Meta他 「FlexGen」
［1］ ChatGPTの場合、10,000基のNVIDIA GPUのスケーラリビティを活用
第46章 生成AIで変わるデジタルエンゲージメント形態／ゲーム開発／VR・MR・メタバースとの連携モデル
46-1 概説
46-2 GPT-4 を搭載したARグラス
46-3 大規模言語モデルの出力を表示できるスマートグラス
［1］ スタンフォード大学／ブリリアントラボ 「ChatGPTスマートグラスの開発」
［2］ Brilliant Labs スマートグラスで使える生成AI 「arGPT」
［3］ Envision 「Ask Envision」
46-4 AR技術と生成AIによるカウンセリング・チャットボット
46-5生成AIを搭載したAR・スマートグラスの課題
［1］ AIのバイアスという課題
46-6 生成AIによるゲームのドラフト、スクリプト、プログラムコード生成
［1］ ゲーム業界に押し寄せている生成AI導入の波
［2］ Unity Technologies 「「クリエーターの8割が生成AIを利用」
46-7 テキストから3D（立体）モデル生成・3Dプリンター出力
46-8 メタバースにおいて生成AI技術が果たす役割の広がり
46-9 裸眼立体視デバイス「Looking Glass Portrait」の可能性を広げる画像生成AI
第47章 生成AIと次世代教育モデル
47-1 概説
47-2 教育評価／自動小論文採点（AES）
［1］ 論文の自動採点
47-3 生成AIによるコーチング支援
47-4 生成AIによる医学教育テーマの問題解決
［1］ 微生物学問題に対するChatGPTの回答能力
［2］ コンピュータ支援型言語学習
47-5 中等学校・高等学校における生成AI活用の進展
第48章 医療エコシステム支援／医療関連業務支援
48-1 概況・近況
［1］ 英政府 「医療AIのバイアス解消に向けた新しい取り組みを公表2022年2月
［2］ Optum 「ヘルスケアAIに関する年次調査：ヘルスケア幹部の4人に3人が管理プロセスの自動化でAIを信頼」
［3］ 英NHS AIソリューション大規模実装
他
48-2 医療文書・診療記録に関する生成AI
［1］ Simbo.ai 「自然言語理解による臨床文書作成支援システム」
［2］ Google 「医療文書用ツール公開」
［3］ AIによる臨床記録再構築
［4］ マイクロソフト 「Nuanceと、GPT-4を組み合わせた医療現場の技術革新」
［5］ Ambient Clinical Intelligence 「医療AI環境の開発」
48-3 AIによる患者ポートレートの自動作成
48-4 AIによる電子カルテ整備支援
［1］ Realyze Intelligence 「電子カルテからハイリスク群を抽出するAIプラットフォーム」
第49章 医療診断支援
49-1 概説
［1］ ChatGPTを超えたパフォーマンスを発揮するヘルスケアLLM
49-2 医療サイバネティクスと生成AIの結合
［1］ 概説
［2］ 「ChatGPT支援診断」の可能性
［3］ ChatGPTを活用した個別化医療推進の一環で、世界疾病負荷研究（GBD）の知見と組み合わせることによる個別化治療計画
［4］ 生成AIによる感染症治療の意思決定支援
［5］ GPT-4搭載スマートグラスによる周囲の物体の識別補助
49-3 臨床業務のシステム化／臨床文書改善（CDI）
［1］ 概説
［2］ クリニカルデータマネジメント
他
49-4 看護記録の構造化
49-5 ECG測定とAI構文認識機能による心臓のパターン認識・診断支援
49-6 生成AIによる各種医療診断支援
［1］ 循環器科におけるChatGPTの回答能力検証
［2］ ChatGPTの医学的エビデンス要約能力
［3］ 生成AIによる感染症治療の意思決定支援
［4］ 放射線科レポート要約のためのChatGPTベースの反復最適化フレームワーク 「ImpressionGPT」
［5］ CancerGPTによる薬物ペアの相乗効果を予測するモデル
［6］ Google大規模言語モデル「PaLM 2」による医療用AIチャットボット
第50章 生成AIによる創薬・治療薬の創出
50-1 創薬におけるChatGPT
50-2 生成AIによる治療薬の創出が現実に
50-3 AI創薬のInsilico Medicine 「生成AIで臨床試験の第?相から第?相の予測に成功」
第51章 ヘルスケア支援／医療カウンセリング支援
51-1 生成AIを用いたメンタルヘルスツールの台頭
［1］ 概説
［2］ WHOによる調査研究 「メンタルヘルスにおけるAI応用と課題」
［3］ WHO 「高齢者を置き去りにしないAI開発戦略」
51-2 健康情報プラットフォームと生成AI
51-3 各種事例・動向
［1］ ChatGPTが生成した回答が医師による回答よりも好まれる可能性に関する論文
［2］ 「市民が抱く健康課題」へのChatGPTの回答能力
［3］ 自然言語処理を用いた双極性障害のケア改善
［4］ AIチャットボットによるデリケートな健康問題
［5］ 行動変容に対するAIチャットボットの影響
［6］ TIS 「製薬・ヘルスケア業界の生成AI活用を推進」
第52章 日本語に特化した言語モデル（LLM）／生成AI
52-1 日本語特化の生成AI
［1］ 概要
［2］ 課題
［3］ 概況・近況
［4］ 丸紅
［5］ 大日本印刷（DNP）
［6］ 三菱電機
［7］ 弁護士ドットコム
［8］ メルカリ
［9］ サイバーエージェント 「日本語特化型の大規模言語モデルの検証」
［10］ 情報通信研究機構（NICT） 「日本語に特化した400億パラメーターの生成AIを開発」
［11］ NEC 「日本語に特化した大規模言語モデル(LLM)を発表／サービス提供開始」
［12］ NEC 「130億パラメーターの軽量さと高い日本語能力をうたうLMMを開発」
［13］ NTT 「効率的な大規模言語モデルの独自開発」
［14］ リコー 「LLMによる独自のAI開発」
［15］ ソフトバンク／LINE 「共同で和製GPT事業を立ち上げ／合弁会社を設立」
［16］ CyberAgent 「日本語コーパスで学習したLLMモデルを発表」
［17］ rinna（株） 「日本語特化型のGPT言語モデル（36億パラメータ）をオープンソースで公開」
［18］ rinna（株） 「ChatGPTと同手法の「人間の評価を利用したGPT言語モデルの強化学習」に成功」
［19］ ブレインパッド 「LLM／生成AIに関する研究プロジェクトを立ち上げ」
［20］ ストックマーク 「最近の話題にも詳しい14億パラメータの日本語LLMを公開」
［21］ Stability AI Japan 「日本語言語モデル「Japanese StableLM Alpha」
［22］ （株）ELYZA 「商用利用可能な70億パラメータの日本語LLM「ELYZA-japanese-Llama-2-7b」を一般公開
［23］ Preferred Networks 「世界トップレベル評価、日英2言語対応LLM「PLaMo-13B」をオープンソースソフトウェアライセンスで公開」
