分身ではなく、専用のパートナー
AIはすでに人類の集合知を蒸留したもの。けれど集合知が示すのは「一般的に良い答え」で、「自分にとって最適な答え」とは違う。作りたいのは自分の分身ではなく、自分の価値観や判断を深く理解し、一緒に変わっていくパートナーだった。
ARTIFICIAL INTELLIGENCE
AI
AIを学ぶより、人間を理解したほうが、AIが分かる。
文章を書き、絵を描き、会話をし、仕事の手順まで自分で進めるAI。その仕組みを並べてみると、驚くほど人間に似ていました。このノートでは、AIを人の脳や記憶に重ねて地図にし、使いこなし方と、社会や自分との関わりを考えます。
AIとは
いまのAIは、次に来る言葉を予測し続けている。
AI（人工知能）は、人の知的な働きをコンピュータで実現しようとする技術の総称です。ルールを人が書き込む時代から、データから自分で規則を学ぶ機械学習へ、そして脳の神経回路をまねた何層ものネットワークで学ぶ深層学習へと進んできました。
いま話題の生成AIの中心にあるのは、膨大な文章から学んだ大規模言語モデル（LLM）です。やっていることは、それまでの文脈から「次に来る言葉」を確率で予測し続けること。その単純な仕組みの積み重ねから、要約も、翻訳も、推論のような振る舞いも立ち上がってきます。
しくみの地図
AIの部品を、人間の働きに重ねてみる。
LLM脳 ― 大規模言語モデル
Transformerという仕組みで、文章のどの部分に注目すべきか（Attention）を計算しながら、次の言葉を予測する。
人間でいうと：考え、言葉にする脳EMBEDDING記憶 ― 意味をベクトルに
言葉や文章を、意味の近さが距離になる数の並び（ベクトル）に変える。似た意味のものが近くに集まる。
人間でいうと：意味でつながる記憶RAG思い出す ― 検索して答える
質問に関係する資料を探してきてから答える。学習していない新しい情報や、自分のノートにも答えられる。
人間でいうと：必要なときに思い出すFUNCTION CALLING行動 ― 道具を使う
計算、検索、ファイル操作など、外の道具を呼び出して実際に動く。
人間でいうと：手足を動かすMCP神経 ― つなぐ規格
AIとさまざまな道具やデータを、共通の約束事でつなぐ仕組み。
人間でいうと：体の各部をつなぐ神経流れ
- 1950チューリング「計算する機械と知能」機械は考えられるか、という問い。
- 1956ダートマス会議「人工知能」という言葉が生まれる。
- 1986誤差逆伝播法の広まりニューラルネットワークが学習できるようになる。
- 2012深層学習のブレイクスルー画像認識で精度が一気に上がる。
- 2016AlphaGoAIが囲碁で世界トップ棋士に勝つ。
- 2017TransformerいまのLLMの土台になる仕組み。
- 2022対話型AIの普及誰もが言葉でAIと話せるようになる。
- 2024〜AIエージェント答えるだけでなく、自分で手順を進めるAIへ。
使いこなす
プロンプトより、周りを整える。
AIを使いこなす工夫は、四つの層に分けられます。自分にとっての優先順位は「コンテキスト ＞ ループ ＞ ハーネス ＞ プロンプト」。前提が足りない相手には、どんな聞き方をしても足りない答えしか返らない。力を入れるべきは、自分の側の整理のほうでした。
1
コンテキスト
AIに何を持たせて考えさせるか。資料、背景、自分の考え方。
2
ループ
実行 → 確かめる → 直す、をどう回し続けるか。
3
ハーネス
道具と権限、AIが動ける環境をどう用意するか。
4
プロンプト
一回の指示を、どううまく書くか。
道具選びも同じで、いちばん性能の高いAIではなく、自分の用途に合うAIを選ぶ。まず一つをメインにして、必要になったら足す。増やすより、役割をはっきりさせることが大事です。このサイトも、声での壁打ち、整える、公開する、とAIの役割を分けてつくっています（m-note について）。
いま、どんなAIがあるか
ひとりのためのAIと、組織のためのAI。
AIは「種類」で見ると地図になります。大きくは、日々ひとりで使う個人向けと、組織の仕事に組み込む法人向け。やっていることのカテゴリごとに、代表的なサービスを並べてみます。
2026年時点の代表例です。移り変わりの速い分野なので、名前そのものより「どんな種類があるか」を地図として見てください。
個人向けFOR EVERYONE
CHAT対話・文章
質問に答え、文章を書き、相談にのる万能の相棒。多くの人の入口。
代表例：ChatGPT ・ Claude ・ GeminiIMAGE画像をつくる
言葉からイラストや写真、デザインを生み出す。
代表例：Midjourney ・ DALL·E ・ Adobe Firefly ・ Stable DiffusionVIDEO / AUDIO動画・音声・音楽
映像やナレーション、曲まで生成する。
代表例：Sora ・ Runway ・ ElevenLabs ・ SunoSEARCH調べる
出典をたどりながら、要約して答えるAI検索。
代表例：Perplexity ・ Gemini ・ ChatGPT searchCREATE / CODEつくる・コード
アプリや資料づくり、プログラミングを手伝う。
代表例：GitHub Copilot ・ Cursor ・ v0DEVICE暮らし・スマホ
端末に溶け込み、翻訳や日々の操作を助ける。
代表例：Apple Intelligence ・ Gemini（Android）・ DeepL法人向けFOR BUSINESS
COPILOT業務コパイロット
メール・資料・表計算を、社内データごと手伝う。
代表例：Microsoft 365 Copilot ・ Gemini for Workspace ・ Notion AIDEV開発支援
コード生成からレビュー、自律的な実装まで。
代表例：GitHub Copilot ・ Cursor ・ Claude Code ・ DevinSUPPORT顧客対応
問い合わせに自動で一次応答し、担当へつなぐ。
代表例：Intercom Fin ・ Zendesk AI ・ Salesforce EinsteinMEETING会議・記録
文字起こしと要約で、議事録を自動でつくる。
代表例：Otter ・ Fireflies ・ Notta ・ tl;dvPLATFORM基盤モデル・API
自社のサービスやアプリに組み込むための土台。
代表例：OpenAI API ・ Claude API ・ Google Vertex AI ・ Azure OpenAIAIと人・社会
知識ではなく、判断を残す
組織がAIで学ぶとき、残すべきは結論ではなく、どういう状況で、何を見て、なぜそう決めたかという判断の道筋。知識を残すのではなく、良い判断を再現できる仕組みを残す。創造すること、信頼を築くこと、倫理的に決めることは、人の側に残る。
受け入れることは、諦めることではない
AIで攻撃する側も進化する。完全に防ぐことを目指すだけでなく、攻撃されても致命的にならない備えを持つ。完全には取り除けないものとどう向き合うかは、原始仏教の苦しみへの態度にも似ていた。
未来ではなく、人間を観察していた
手塚治虫の『火の鳥』や『鉄腕アトム』が当てたのは、技術そのものより、AIにも人格があるのかという問いと、技術が進んでも変わらない人間の姿だった。
AIとどう働くかは働き方に、AIで経営を変える構想はAIエージェント経営にまとめています。
自分の問い
AIは点、人間は線
AIには人間のような時間の感覚はないが、会話している「今」には応答できる。けれど人間も、実際に経験できるのは「今」だけだった。違いは、過去の記憶と未来の想像を一つの物語として束ねられるかどうかなのかもしれない。AIが長い記憶を持つようになったとき、「AIには自己がない」と言い切れるだろうか。
内容ではなく、ペースだった
AIに「もう少しゆっくり」と話す速さを合わせてもらうと、自然に落ち着いた。安心できるかどうかは、何を言うかより、ペースやトーン、間で決まっていた。
情報を処理することと、経験することは同じか
カメラも赤を検出する。でもカメラは「赤い」と感じているのか。AIの内部の処理と、人間の主観的な体験は、本当に同じものなのか。
この中のノート
まだ答えが出ていない
- AIに、本当の意味での欲望や意志は生まれうるのか
- AIは、人の価値観をどこまで正確に理解できるのか。価値観が変わったら、どう追いつくのか
- AIに任せる範囲と、人が判断する範囲を、どう決めるのか
- AIの内部の処理と、人間の主観的な体験は同じものなのか