カテゴリー: ＩＴ関連

DeepSeekショック、米AI株が急落　NVIDIA17%下落

1月 28, 2025

米国、関連, ＡＩ、関連, ＩＴ関連, 世界経済、関連

DeepSeekショック、米AI株が急落　NVIDIA17%下落
https://www.nikkei.com/article/DGXZQOGN27C4K0X20C25A1000000/

『2025年1月28日 0:36 (2025年1月28日 6:17更新)
think!
多様な観点からニュースを考える
大山聡さん他4名の投稿
大山聡滝田洋一上野泰也

中国企業「ディープシーク」のAIモデルが米市場を揺らしている=ロイター

【ニューヨーク=竹内弘文】中国の人工知能（AI）企業であるDeepSeek（ディープシーク）が低コスト生成AIモデルを開発したことを受け、米金融市場が揺れている。AI半導体大手エヌビディアの株価は27日に17%安となった。1日の下落率として新型コロナウイルスの感染拡大初期である2020年3月中旬以来、約5年ぶりの大きさを記録した。

ナスダック総合、1カ月ぶり下落率

AI関連は総じて大幅安となった。アルファベットは4%安、マイクロソフトも2%安で引けた。米半導体大手ブロードコムは17%安、ナスダック上場の英半導体設計アーム・ホールディングスも1割下落した。

ハイテク株の比率が高いナスダック総合株価指数は3%下落し、約1カ月ぶりの下落率となった。ナスダック上場企業全体では27日に時価総額が1兆ドル（約154兆円）以上消失した。エヌビディアだけでみても時価総額が約5900億ドル減少。米ブルームバーグ通信によると単一銘柄の1日の時価総額減少額として史上最大という。

米電力大手コンステレーション・エナジーも株価が2割強下げるなど、幅広い銘柄に売りが広がった。同社は、原子力発電所の発電能力をデータセンター向けに長期提供すると発表し、AI関連銘柄の一角としてこれまで買われてきた。

欧州市場にも売りが及んだ。オランダの半導体製造装置大手ASMLホールディング株は7%安となり、ドイツの発送電設備シーメンス・エナジーは20%安と急落した。

ディープシークのアプリは、アップルの米国アプリストアでダウンロード数（無料アプリ部門）首位を獲得した。モデル開発にかかった費用は約560万ドル（約8億6500万円）と主張している。事実なら、AI開発に米テック大手が投じてきた巨額投資の根拠が揺らぐ。

「ディープシークのR1（生成AIモデル）はAI版の『スプートニク・モーメント』だ」。米有力ベンチャーキャピタル、アンドリーセン・ホロウィッツ（a16z）の共同創業者、マーク・アンドリーセン氏は26日、X（旧ツイッター）に投稿。初の人工衛星打ち上げでソ連に先行された米国が味わったショックに例えた。

大手テック銘柄で明暗分かれる

トランプ米大統領が就任翌日21日にソフトバンクグループ（SBG）やオープンAIなどと共同で発表した大型AI開発計画「スターゲート」に対する期待感から、エヌビディアなどAI関連銘柄は前週に大幅上昇していた。27日の急落は前週の大幅高を打ち消した。

22年にオープンAIが対話型AI「Chat（チャット）GPT」を公開して以来、米企業が先行してきたAI関連の技術優位性は、他を圧倒する米国株のパフォーマンスや米国経済の底堅さにつながっていた。低コストかつ高性能な生成AIモデルが中国などから容易に生まれるようなら、米市場にマネーを注いできた投資家の評価も修正を迫られる。

米運用会社ダルトン・インベストメンツのポートフォリオマネジャー、オーウェンズ・ファン氏は「米政府が課す中国向けの技術輸出制限に挑戦するものであり、AI半導体の供給網の要であるエヌビディアなどに対する（米政府の）監視が厳しくなる可能性がある」と指摘する。

ただ、既存技術を基盤にオープンソース型として開発された低コストのAIモデル登場はAIの採用・普及を加速させ「エヌビディアなどのAI半導体の需要はむしろ世界的に高まっていく」ともいえるという。

ディープシークの衝撃はAI関連企業の中で勝者と敗者を分ける可能性がある。米運用会社ギャベリー・ファンズのテックアナリスト、槙野竜太氏は「コスト抑制や参入障壁の低下でAI関連企業への投資は加速していく可能性がある」とみていた。顧客企業へのAIモデルの導入を手掛けるセールスフォースは27日、株価が4%高となった。

アップル株は3%高になるなど巨大テックの中で買われた銘柄もあった。ディープシークは高性能なAIモデルのR1に加え、計算処理能力が高くない端末でも実行できる小型軽量版も公表した。「生成AIの小型モデルがうまく機能すればスマートフォンにプラスになる可能性がある」（米ジェフリーズ）との受け止めがある。

メタの株価も2%高となった。ディープシークと同じくオープンソース型のAIを提供しており、低コストのAIモデルの投入期待などが株価を支えたもようだ。

生成AIの基盤となる大規模言語モデル（LLM）は「最終的にコモディティー（差別化できない汎用品）になり、オープンAIや米アンソロピックが競争上、打撃を受ける」（ダルトンのファン氏）との声がある。オープンAIやアンソロピックは非上場だが、マイクロソフトやアマゾン・ドット・コムなどテック大手の出資を受けている。

リスク回避の米国債買い、円一時153円台後半に上昇

今週はテック大手の決算発表が集中する。29日にはマイクロソフトやメタが24年10〜12月期決算を発表する予定だ。低コストのAIモデル登場が中長期の業績に与える影響について「両社がどのような説明をするのか関心を持ってみている」とギャベリーの槙野氏は話した。

投資家心理の軟化に伴い、米債券市場では金利が大幅に低下（債券価格は上昇）した。リスク資産の株式から安全資産の米国債に資金を移す動きが広がり、長期金利の指標となる10年物国債利回りは一時、約1カ月ぶりに4.5%を割り込んだ。

日米金利差が縮小したことで円も買われた。ニューヨーク為替市場で円は対ドルで一時、1ドル=153円71銭と、24年12月中旬以来の円高・ドル安水準をつけた。

【関連記事】

・中国DeepSeekのAIアプリ、米国で首位に　市場に警戒感
・米中AI戦争に新たな火種　中国発「DeepSeek」が脅威に
・中国「DeepSeek」はAIのスプートニクショックか
・DeepSeek、生成AIに「サイバー攻撃」　アプリ登録制限
ニュースレター登録

多様な観点からニュースを考える
※掲載される投稿は投稿者個人の見解であり、日本経済新聞社の見解ではありません。

大山聡のアバター
大山聡
グロスバーグ合同会社代表
コメントメニュー

ひとこと解説 NVIDIAの株を暴落させた、という事実だけでDeepSeekの実力を推し量ることは出来ないが、同社の注目度の高さは十分に伺える。AI技術に関して米国・中国、どちらの方が優位か、という議論は具体性に欠けるので、筆者としてはコメントを控えるが、2大国のAI対立を激化させる要因にはなりやすいだろう。NVIDIA製品の中国輸出は益々規制が厳しくなる可能性があるし、DeepSeek社の技術を米国で使用禁止、などという措置にも発展し得る。半導体の対中規制は中国に大きな打撃を与えているが、AIに関しては一方的な規制ではなく、双方の対立、という形が鮮明に浮き上がりそうだ。
2025年1月28日 8:31
いいね
25

滝田洋一のアバター
滝田洋一
日本経済新聞社　客員編集委員
コメントメニュー

ひとこと解説　①DeepSeekショック。株価指数ごとのコントラストが強烈です。半導体指数は10%強の下落、ナスダックは4%近い下落なのに対し、S&P500は2%弱にとどまり、ダウに至っては朝安の後、後場に入って持ち直しました。
②ともあれ中国のスタートアップが、AIのゲームチャンジャ―になりかねない。そんな思惑から米国のAI銘柄は軒並み安に。Nvidiaの時価総額は6000億㌦消失です。
③2000年のドットコム・バブル崩壊後を彷彿させる値動きです。当時もナスダック安、ダウ高の場面がありました。その後、01年にかけて米国はIT不況に。今回も米国はAI関連に全集中の構えだった分、反動への警戒は怠れません。
2025年1月28日 5:05 (2025年1月28日 7:55更新)
いいね
158

上野泰也のアバター
上野泰也
みずほ証券　チーフマーケットエコノミスト
コメントメニュー

ひとこと解説　DeepSeekの件は27日の東京株式市場でも大きな材料になっていた。AI（人工知能）開発では米国が中国よりも優位だという自信（過信）を揺るがす話である。開発コストが安く、データセンターで必要とされる膨大な電力需要も不要になるかもしれないということで、同日の米国市場でも大きな値動きにつながった。今後どのような影響が出てくるかはじっくり見きわめが必要だが、一つ忘れてならないのは、中国の技術力の高さ。「新規開発」ではなく「応用」で優れているように感じる。今回の件が「AI版の『スプートニク・モーメント』」になるとすれば、かつての米国とソ連の宇宙競争のように、米国と中国の熾烈な争いが続くことになる。
2025年1月28日 7:14
いいね
109

浅川直輝のアバター
浅川直輝
日経BP　編集委員
コメントメニュー

別の視点　既に最先端AIモデルの出力精度は、優劣を人間には判断しづらいレベルまで向上しています。チャット性能比較サイト「Chatbot Arena」ではGemini、ChatGPT、今回話題のDeepSeekが上位を競っています。

学習データの獲得競争が飽和するなか、大手IT企業のクローズドモデルと、Llama（Meta）、Qwen（Alibaba）、DeepSeekといったオープンソースモデルとの性能差がほぼなくなりつつあります。MetaのAI研究者ヤン・ルカン氏はX上で「AIで中国が米国を上回ったのではない。オープンソースモデルがクローズドモデルを上回ったのだ」と指摘しています。
2025年1月28日 5:50 (2025年1月28日 5:54更新)
いいね
145

中林美恵子のアバター
中林美恵子
早稲田大学　教授
コメントメニュー

分析・考察　巨額の資金を持つ米国の大手テック企業には誰も敵わなそうに見えた。しかし、DeepSeek AIが数多の前提を覆したという。中国企業が、旧式のチップを用いて約560万ドル（推定）で独自に推論できるAIを構築したというのだ。その性能はOpenAIの最新モデルに匹敵するという。これがアメリカ一強のAIブームの転換点になるかは分からない。DeepSeekが中国向けに輸出されたH800 GPUをH100のように機能させる抜け道を見つけたと主張するのに疑問が残るという指摘もあるし、Infinilinkというカード間通信プロトコルを回避したというのも真実か良く分からない。もう少し情報が必要となりそうだ。
2025年1月28日 2:36
いいね　229　』
人民解放軍（PLA）は人工知能の可能性を過大評価しているのか？

1月 27, 2025

米中摩擦, ＡＩ、関連, ＩＴ関連, 世界情勢, 中国の戦略

人民解放軍（PLA）は人工知能の可能性を過大評価しているのか？　（JFQ 116）
https://milterm.com/archives/4171

『2025年1月27日 / 最終更新日時 : 2025年1月27日軍治

人民解放軍（PLA）は人工知能の可能性を過大評価しているのか？　（JFQ 116）

0
認知戦に詳しい現職の自衛官の記事の紹介。これまでもMILTERMでは高木氏の論考を紹介してきているところである。今回は、著者紹介にある通り激職にありながら執筆された論考が米統合軍の機関誌（Joint Force Quarterly）に掲載されているので紹介するものである。中国人民解放軍の人民日報の記事を丹念に紐解き人民解放軍のAIに関する考え方をまとめられている。この記事を見て安心するか心配するかはそれぞれだろうと考えるところである。（軍治）

人民解放軍（PLA）は人工知能の可能性を過大評価しているのか？
Is the PLA Overestimating the Potential of Artificial Intelligence?
By Koichiro Takagi

著者：高木耕一郎1等陸佐は、統合幕僚監部の防衛計画部（J5）防衛課の班長。

中国重慶の人民解放軍駐屯地でデスクトップ・コンピューターでニュースを閲覧する中国兵士たち（2013年11月14日撮影）（Imaginechina/Alamy）

中国人民解放軍（PLA）は人工知能（AI）を活用し、世界トップクラスの軍隊（world-class military）を構築しようとしている。AIに基づく兵器システムを使用するコンセプトを「インテリジェント化（intelligentization）」と表現し、近年の中国の軍事改革の焦点となっている[1]。2022年10月16日の中国共産党（CCP）第20回全国代表大会で、習近平は「インテリジェント化（intelligentization）」という言葉に3度言及し、人民解放軍（PLA）をより迅速に世界トップクラスの軍隊（world-class military）に引き上げると明言した[2]。2017年の第19回大会では、「インテリジェント化（intelligentization）」というコンセプトは言及されなかった。中国の研究者は、人民解放軍（PLA）はAIを使ってインテリジェント化することで米軍を追い抜くことができると主張している[3]。

AIの可能性の高さを主張するのは、必ずしも人民解放軍（PLA）に限ったことではない。2017年5月、ロバート・ワーク（Robert Work）国防副長官は、AIが「戦いの本質（nature of warfare）」を変えるかもしれないと述べた[4]。人民解放軍（PLA）はワーク（Work）のように、AIが「戦いの本質（nature of warfare）」さえも根本的に変えると考えているのだろうか？それとも、人民解放軍（PLA）はAIの可能性を過大評価しているのだろうか？人民解放軍（PLA）はAIを使って能力を強化するつもりなのか、そしてこの改革は実現可能なのか。実際、米国の専門家の中には、中国の理論家はAIや自律システムの固有の脆弱性を見落とし、その能力を過大評価していると指摘する者もいる[5]。

2018年1月3日、中国河北省保定市で、中央劇場司令部の人民解放軍師団を視察中、将校や兵士と談笑する中国の習近平国家主席（Xinhua/Alamy/Li Gang）。

本研究では、人民解放軍（PLA）のAI利用に関する「人民日報（PLA Daily）」の記事をレビューし、人民解放軍（PLA）がAIをどのように利用するつもりなのかを探る。そして、人民解放軍（PLA）が考えるAIの軍事利用の可能性と限界を検証する。人民解放軍（PLA）はAIの問題点や脆弱性を見落としているのか？それとも、そうした脆弱性を深く認識した上で、AIの可能性に賭けているのだろうか？こうした視点の広さと深さを見ることで、人民解放軍（PLA）のAIを重視した軍事改革の実現可能性を検証することができる。

本研究では、中国共産党（CCP）中央軍事委員会の機関紙「人民日報（PLA Daily）」に掲載された軍事理論に関する記事を調査し、習近平が2022年10月の中国共産党大会で「インテリジェント化（intelligentization）」について言及した後、2023年1月から12月までに掲載された軍事理論に関する全記事、計約370本について検討した。「人民日報（PLA Daily）」は長い歴史を持つ権威ある機関紙で、通常、毎週火曜日と木曜日に軍事理論に関する記事を4本掲載している。

人民解放軍（PLA）はAIをどう使おうとしているのか？

2023年に「人民日報（PLA Daily）」に掲載された370本の記事のうち、132本が「インテリジェント化（intelligentization）」、つまりAIの軍事利用に言及している。これは、このトピックに焦点を当てた人民解放軍（PLA）の議論の多くを表している。記事の多くは、AIを効果的に応用できる4つの分野を指摘している。

・　状況認識（10 記事）

・　軍事的意思決定（40 記事）

・　無人兵器（27 記事）

・　認知ドメイン作戦（14記事）[6]。

さらに、AIを使った軍事訓練、兵站、兵器開発について論じた記事もある。

状況認識

戦場における状況認識（situational awareness）とは、敵部隊と友軍部隊の状況、天候や地形などの戦場環境、戦闘過程の変化などを把握することであり、指揮官の意思決定の基礎となる。孫子は「敵を知り己を知れば百戦危うからず（if you know your enemy and know yourself, you will not be in danger in a hundred battles）」と述べている。正しい状況認識は、会戦（battle）に勝つための極めて重要な要素である。

現代戦（modern warfare）で使われる情報収集システムには、人工衛星、有人・無人車両、地上・海中のレーダーやセンサーなどがある。その種類と量は増加の一途をたどっている。現代戦（modern warfare）では、インターネットなどから収集できるオープン・ソースのデータも利用されている。さらに、人工衛星が撮影する画像の解像度が飛躍的に向上したことなどから、これらの情報収集装置から送信されるデータ量もそれぞれ拡大している。

このような膨大なデータを適切に処理するためには、AIが不可欠である。AIはメモリや計算能力において、人間よりも圧倒的な優位性（advantage）を持っている。そのため、現在そして将来の複雑な戦場の状況認識に、信頼性が高く、精度が高く、高速な情報源を提供する[7]。

これまで戦場の状況認識では、データの過負荷（処理しきれない大量のデータの存在）が問題となっていた。AIはデータ過多を緩和し、情報処理能力を高めることができる[8]。

技術が進歩するにつれ、将来の戦争は複数のドメインで同時に起こるようになり、AIは複雑な戦場データを収集、統合、分析することで、人間の認知能力（cognitive abilities）を高めることができる。また、ChatGPTのような大規模言語モデル（LLM）の強力な言語解析能力により、オープン・ソース情報から有用な情報をリアルタイムで抽出することができる[9]。

軍事的意思決定

AIの活用によって指揮官の意思決定スピードの高速化が期待できるとする論考は多い[10]。AIによる迅速な意思決定は、戦場での迅速な行動を実現し、主導性を獲得することが期待できる[11]。また、AIは複雑な現代戦（modern warfare）の環境においても、迅速、正確、柔軟、適応的に火力を統制し、ターゲッティングすることで、その有用性を示唆する記事もある[12]。ChatGPTのような大規模言語モデル（LLM）は、データ分析や自然言語処理を含む基本的なタスクにも使用でき、指揮官を支援し、意思決定の質的向上に貢献する[13]。

その他の記事では、人間の意思決定を支援するための、戦場の状況を予測するAIの利用について論じている[14]。AIは、会戦（battle）において指揮官が選択した行動の成功率や効果を予測し、リスクが高く効果の低い行動の修正や改善を提案することで、会戦（battle）における目標を確実に達成することができる。また、AIは各戦闘部隊や兵器の状況をリアルタイムで把握し、戦場の状態（battlefield conditions）を正確に予測し、部隊の配置調整をタイムリーに提案することができる[15]。しかし、現在のAIには限界があり、人間に完全に取って代わることはできないと指摘する記事もある[16]。したがって、現在のAIに期待できるのは、作戦計画の作成、シミュレーション、最適化を支援することである[17]。

現時点ではAIの限界はあるにせよ、AIによる意思決定は段階的に発展していくという見方もある[18]。

最初の段階では、AIは人間の意思決定の質を向上させるために使われる。例えば、古代の戦争事例を大量に入力した大規模言語モデル（LLM）を使ってディープ・ラーニングを行う。戦闘前の任務分析プロセスにおいて、指揮官は歴史上の類似した戦争についてモデルに尋ねることができる[19]。

第2段階では、作戦計画策定プロセス全体にAIが適用される。つまり、大規模言語モデル（LLM）は指揮官の指示を入力することで、偵察計画、射撃計画、さらには作戦計画全体を生成する。第3段階では、作戦計画策定から戦闘実施までの全プロセスにAIが適用される。この段階では、AIが戦場での意思決定を支配するようになる[20]。

AIは第3段階に到達する可能性が高い[21]。AIは、米国司法試験の受験者の90％、米国生物学オリンピックの受験者の99％よりも高い得点を獲得し、卒業記録試験の語学試験ではほぼ満点を達成した。同様に、AIがほとんどの指揮官のレベルを超える可能性も十分にあるだろう[22]。

さらに将来的には、そのようなAIに勝てるのはAIだけという状況が生まれるかもしれない[23]。

AlphaGo（アルファ碁）は何百万もの人間対人間の対局でディープ・ラーニングを行い、人間を打ち負かした。

一方、AlphaZeroは、人間の知識を学ぶことなく、何百万ものシステム対システムの対戦を共進化させることで、AlphaGo（アルファ碁）を打ち負かした。

同様に、AIは人間の戦いの経験（human experience of warfare）から学ぶことなく、将来の戦争を予測することができる[24]。言い換えれば、将来のAIは、複雑で変化する戦場の状況から、敵の潜在的な意図や可能性のある行動を理解できるようになるだろう。

しかし、今日の複雑な戦場では、戦場情報ネットワークのノード数は膨大で、無数の相互作用が発生する。それゆえ、戦場のテンポについていくために数分、あるいは数秒の学習速度を達成するには、膨大な計算能力が必要であり、量子コンピューティングだけがこの要求を満たすことができると指摘する声もある[25]。

無人兵器

多くの記事が、将来戦（future warfare）でより多くの無人システムが使われることを指摘している。

例えば、多足歩行、四足歩行、二足歩行の人型ロボットが、戦場で兵士を支援するために使用されている。人間と異なり、これらの人型ロボットは生理的な制約がなく、感情的な要因に影響されず、危険な環境にも適応でき、不眠不休で長時間働くことができる[26]。無人兵器は一般的に有人兵器よりも小型でステルス性が高く、奇襲攻撃（surprise attacks）に適している。AIが加わることで、これらの兵器は複雑な戦場環境でも柔軟かつ自律的に行動できるようになり、より幅広い任務での奇襲攻撃が可能になる[27]。また、自律的に行動する無人兵器は、敵陣深くに侵入して重要なターゲットを攻撃することも可能である[28]。

無人兵器は、高高度や深海など、有人兵器が作戦できない領域で長時間作戦することができる。無人兵器による深海での戦闘は、従来型の海戦（naval warfare）の常識を覆すことになる。自律制御された無人兵器群を使って深海を制圧し、深海から海面を攻撃することで、海上で優勢な戦力に対抗できる新たな会戦方法（new battle method）を実現できる[29]。また、無人兵器は人的資源を節約し、中国の長い国境を監視・保護するのに役立つ[30]。AIの使用は、ターゲットの探知、正確なターゲッティング、兵器の誘導技術を向上させるため、精密攻撃の精度と速度を向上させるという記事もある[31]。

さらに人民解放軍（PLA）は、多数の無人兵器をグループで運用することも検討している。個々の戦闘能力は限られていても、異なる機能を持つAI搭載無人兵器のネットワークを使うことで、AIが集合知（collective intelligence）を形成する[32]。これは、鳥の群れやミツバチのコロニーのような生物学的集団のように、個々人の相互作用に基づく分散型の自己組織的行動を形成する。そしてこの集合知（collective intelligence）は、戦闘システムにおける創発現象を実現し、単一のAIでは決して持ち得ない分散型知性（distributed intelligence）を形成することができる[33]。

一方、将来戦（future warfare）にはハイテク兵器を使った正規戦（regular warfare）だけでなく、ローテク兵器を使った非正規戦（irregular warfare）も含まれるとの指摘もあった。そのため、無人作戦と有人作戦の緊密な連携が重要になる[34]。また、強度の高い正規戦（high-intensity regular warfare）においては、双方の欠点を補うという観点から、有人兵器と無人兵器の併用が有効であるとの意見もある[35]。

無人兵器が制御不能に陥る危険性を論じた記事もある。ある記事は、デザインや製造における欠陥を防ぐ必要性を主張し、兵器を人間の制御から完全に切り離すことのマイナス面を指摘している。また、AIを含む先端技術は諸刃の剣であり、その優位性（advantages）と欠点（disadvantages）を考慮しながら使用しなければならないと警告している。

認知ドメイン作戦

人民解放軍（PLA）は、認知（cognition）には人間の知識、経験、意識、感情、心理が含まれ、認知ドメイン作戦（cognitive domain operations）のターゲットは戦争において主体的な立場にある人間であるとする[36]。情報化時代には、暴力ではなく、インターネットメディア、ラジオ、テレビ、新聞、雑誌が人間の認知に影響を与えるために使われる。さらに、AIが活用される知能化時代には、ブレイン・コンピューター・インターフェースなどの先端技術が開発されている[37]。ソーシャル・メディアもまた、認知ドメイン作戦における主要な戦場の一つとなっている[38]。

認知ドメイン作戦についても、多くの論文で同様の手法が紹介されている[39]。悪意のあるナラティブ（narratives）や偽情報（disinformation）は、ターゲットとなる人々の感情に働きかけ、人々の価値観に望ましい変化を引き起こすだけでなく、世論を動かし、行動を統制することができる[40]。また、認知ドメイン作戦は、ターゲットとなる人々のデバイスに深いフェイクを推奨するアルゴリズムを捏造し、心理的・感情的な内部対立（internal conflicts）を作り出す。さらに、ビッグ・データを使って社会集団の認知を分析し、彼らの意識を統制し誘導する[41]。

正確なターゲティングは、認知ドメイン作戦における重要な要素である[42]。認知ドメイン作戦における情報は、物理ドメイン作戦における弾薬に相当する。インターネット上の大量のデータを分析することで、ターゲットにマッチした効果的な弾薬をデザインすることができる[43]。また、欧米の企業が顧客のインターネット閲覧履歴や買い物履歴などを把握し、そのニーズに合った広告を配信するのと同じ手法を、認知ドメイン作戦でも利用することができる[44]。認知ドメイン作戦は、ターゲットの特徴を的確に把握し、その特徴に応じてターゲットを攻撃し、継続的に影響を与える。このような状況において、ChatGPTのような大規模言語モデル（LLM）は、世論を分析し、重要な情報を抽出し、その情報を基に偽情報を作成するのに有用である[45]。

AIを活用した軍事訓練、兵站、兵器開発

多くの記事で、AIは合理的かつ効果的な訓練計画の策定を可能にし、訓練内容を充実させることで、訓練の効率を向上させると指摘されている[46]。AIは部隊の訓練状況の分析を支援し、訓練計画の作成に必要な手作業を減らすことで、よりタイムリーで正確な訓練計画を作成することができる[47]。また、AIを活用した訓練機器は、よりリアルな仮想戦場環境（virtual battlefield environment）を構築して部隊を訓練することができる。大量の訓練データを収集・分析することで、訓練の進捗や質を効果的に管理することが可能になる[48]。ChatGPTのような大規模言語モデル（LLM）は、訓練の効果を高めるのに役立つだろう。訓練データを投入することで、訓練経験を蓄積し、部隊間で共有することができるほか、具体的な訓練課題やシナリオを自動生成し、訓練効果を高めることができる[49]。

2015年1月21日、雲南省昆明市の第二砲兵隊軍事基地を訪問し軍事史の説明に耳を傾ける習近平国家主席（新華社/Alamy/Li Gang）。

人民解放軍（PLA）の記事の中には、AIが兵站支援作戦の効率を向上させることができると指摘するものもある。科学・技術の発展に伴い、戦域は大幅に拡大し、多くの戦闘部隊が分散配置され、兵站支援作戦はより多様で複雑になっている[50]。このような状況下で、備蓄物資の数量、使用実績、配送ルート、配送部隊などのデータを深層学習することで、物資の需要を自動的に予測し、最適な物資配送計画を生成することができる[51]。同様に、AIは兵器の効率的な整備を実現できる[52]。兵站は計算の科学であり、計算が洗練されればされるほど、より効率的で効果的なものになることを考えれば、AIを兵站に応用することは大きな利点をもたらすだろう[53]。「人民日報（PLA Daily）」の記事には、AIが兵器開発に役立つ可能性を示唆するものもある[54]。

大規模言語モデル（LLM）はロボットの制御コードを生成することができ、兵器の生産工程をより正確かつ効率的にし、人件費を削減し、兵器の研究開発の効率を向上させることができる。

AIの可能性と限界に関する人民解放軍（PLA）の見解

AIの危険性と限界

レビューされた「人民日報（PLA Daily）」の記事の多くは、AIの軍事利用の危険性について、次のような広範な指摘をしている。無人兵器が統制を失い、人間の操作者の意図に反して行動する危険性がある。AIの訓練データに偶発的または人為的な偏りがある場合、誤作動を起こす危険性もある。無人兵器は、戦争における意図しない先制攻撃のリスクを高める。軍事作戦のスピードは政治的意思決定者のスピードを上回る可能性があり、危機が制御不能に陥り、意図しない戦争のエスカレーションを招く。暴力的な紛争が頻発し、戦争倫理の原則（the principles of the ethics of war）や国際戦争法（the international laws of war）の規定に違反する可能性がある[55]。

ChatGPTのような大規模言語モデル（LLM）の限界について論じた記事もある[56]。ChatGPTの本質はディープ・ラーニング（深層学習）であり、膨大で質の高い学習データを必要とする。エラーを理解することはできないし、リアルタイムで更新することもできない。ChatGPTは、膨大な学習データと強力な計算能力をもとに、学習セットの確率分布に従って次の単語が何であるかを予測することでしか動作しない。そのため、軍事作戦という特殊性から、その応用には限界がある[57]。ChatGPTは、訓練データセットに含まれない軍事分野のランダムな回答しか与えることができない。さらに、敵がデータ汚染などの悪意ある攻撃を行うリスクも存在する。

また、AIがデータに依存することによる脆弱性の議論もある[58]。機械学習には大量のラベル付きデータが必要である。軍事作戦では、偵察活動や通信傍受から大量の情報が得られるが、これらのデータはラベル付けされていない[59]。また、敵の欺瞞や偽装により、真と偽のデータが混在するが、その正確性を検証することは難しい[60]。それでも複雑な戦場環境では、大量の異常データが発生する可能性がある[61]。同様に、マルチドメイン作戦における複雑な相互作用は、データの歪曲や破損につながる可能性がある[62]。不完全なデータを読み取ることは難しく、AIの誤学習につながる。

現在のディープ・ラーニングや強化学習（reinforcement learning）の手法は、基本的に異種データ間の相関関係を求めるデータ駆動型のアルゴリズムである。

そのため、複雑な軍事作戦に由来する不完全でエラーの起こりやすいデータから相関関係や規則性を導き出すことには、本質的な限界がある[63]。

このことは、AIを用いた将来戦（future warfare）に新たな複雑性をもたらすだろう[64]。インターネットデータ分析、音声認識、画像認識、自律走行など、民間分野で膨大なデータに基づいて成功を収めてきたディープ・ラーニングや機械学習の手法は、軍事作戦では限界がある[65]。

AIは人間のような意識を持たず、戦争の法律やルールを理解せず、倫理観や道徳観、共感性を持たないため危険だという意見もある[66]。複雑な戦場環境では、システムが制御不能になり、罪のない人々を無差別に殺害する恐れがある。このため、人々はAIがもたらす法的・倫理的問題にもっと注意を払い、人間がループに入るアプローチを通じてAIの行動を規制すべきである[67]。

結局のところ、現在のコンピューター技術に基づけば、AIの発展には限界がある。したがって、技術的特異点（シンギュラリティ）が訪れるまでは、AIは人間の知能に近づくことはできても、超えることはできない。当面、人間が戦場の最高の支配者であり続けるだろう[68]。言い換えれば、人間が戦争の勝敗を決める決定的な要因であり続けるということだ[69]。

AIの可能性

さまざまな問題を認識した上で、なぜ人民解放軍（PLA）はAIを活用した軍事改革を実現できると考えているのだろうか。それは、AIが「新たな戦いの形態（new forms of warfare）」をもたらすと考えているからだ。

現在のAIは、ニューラル・ネットワークのパラメーターの集合にすぎない。意識はなく、導き出した結論の背後にある動機や因果関係を理解することもできない。

しかし、データの量とニューロンの数が十分に多く、モデルが十分に複雑であれば、量的な変化が質的な変化につながり、システムが何らかの不思議な機能を持つようになるかもしれない[70]。

これまでのAIよりも桁違いに多くの学習データを持つChatGPTが、あたかも人間であるかのように反応することは、その十分な証拠である。

したがって、現在のAIだけを見てその可能性を軽視するのではなく、「新たな戦いの形態（new forms of warfare）」をもたらすAIについて考える必要がある[71]。

将来の戦争では、AIが無人兵器を制御して自律的に闘い、人間が気づかないような敵の弱点を見つけて攻撃するようになるだろう[72]。

このような戦争では、斬新な戦術が用いられ、複雑で、テンポが速く、人間の常識を覆すものとなるだろう[73]。そして、AIは自らを高速でアップグレードしていく。これにより、常識や既存の戦いの理論（theories of warfare）では説明が難しい状況が生まれるだろう[74]。

「新たな戦いの形態（new forms of warfare）」に関する多くの言及の背後には、一流の軍隊は戦争をデザインし、二流の軍隊は戦争に対応するという考えがある[75]。この観点からすれば、戦争の形態をデザインすることが、世界一流の軍隊であるための条件である。

「戦いの形態（forms of warfare）」をデザインするには、敵の弱点を見極め、自国の強みを生かすという先見性と非対称性が必要だ[76]。

どんなシステムも、そのシステムの中ですべての問題を解決することはできない。

システムの外に飛び出し、より高い、より大きな出口を求めることでしか、根本的な解決策は見つからない[77]。

20世紀初頭のロンドンでは、馬車が人々の主な移動手段だった。30万頭の馬が路上を走り、その結果、道路の両側に馬糞の山ができ、大きな社会問題となった。

自動車が登場し、馬車が歴史から姿を消したとき、この解決不可能と思われた問題は意味を失った。

従来型の戦い（conventional warfare）が抱える問題の多くも、AIを活用した「新たな戦いの形態（new forms of warfare）」の出現によって、その意味を失うかもしれない[78]。

結論

人民解放軍（PLA）はAIの危険性と限界を深く認識している。

無人兵器の制御不能、偏った学習データによる誤作動、意図しない先制攻撃やエスカレーション、戦争倫理に反する危険性について幅広く論じている。

これらの指摘は、AIの危険性や限界について論じた米国の記事と同じである[79]。人民解放軍（PLA）はAIの問題点を認識している。また、AIを中心とした軍事改革が新技術の過大評価に基づいている可能性があることも認識している。

新技術の可能性を過大評価した軍事理論は、しばしば失敗してきた。

たとえば1920年代には、航空機の可能性を過大評価する過激な理論が登場した。

イタリアのジュリオ・ドゥーエ（Giulio Douhet）を筆頭とする戦略家たちは、戦略爆撃は敵の民間人を恐怖に陥れ、航空機だけで敵の意思を制圧することで戦略的効果を達成できると主張した。しかし、第二次世界大戦では、戦略爆撃だけで降伏した国はなかった。
さらに、対空砲やレーダーなど、敵機を迎撃する手段も開発された。この新兵器の可能性に目を奪われ、それだけで戦争に勝てるという極論は破綻した。

このような理論の失敗は、新技術の可能性を過大評価し、新技術だけが戦争の勝敗を左右する戦略的影響を持ち得ると主張していることに起因する。

戦いは無数の要素の複雑な相互作用に基づいており、単一の新技術が戦争に無制限の影響を与えることはあり得ない。こうした複雑性を軽視し、単一の新技術に過度の信頼を置く理論は失敗する。

AIの軍事利用に関する人民解放軍（PLA）のビジョンは、「一流の軍隊（first-class armies）は戦争をデザインし、二流の軍隊（second-class armies）は戦争に対応する」という言葉に集約される。

彼らは、AIが従来の常識やルールに支配されない「新たな戦いの形態（new forms of warfare）」をもたらすと指摘している。

人民解放軍（PLA）自身、この新しい戦いをデザインすることで、自らが設定したルールに基づいて米軍に勝つつもりらしい。

新しいルールを設定した軍隊は圧倒的な勝利を収める。

第二次世界大戦の開戦時、ドイツがフランスに素早く勝利したのは、この論理の一例である。

勝利の理由は、ドイツの革新的な電撃戦の軍事理論（innovative military theory of blitzkrieg warfare）であり、その中核技術のひとつが戦車だった[80]。

フランスはドイツよりも優れた性能を持つ戦車を多く保有していた[81]。

しかし、第一次世界大戦以来変わっていなかったフランスの軍事理論は、戦車を歩兵の支援兵器として扱っていた。アルデンヌの森から戦車で編成されたドイツ機甲師団の電撃攻撃に対応できなかった。

2016年11月1日、広東省珠海市で開催された第11回中国国際航空宇宙博覧会で展示された中国製CH-5（彩虹5）偵察・戦闘ドローンと対応ミサイル（Imaginechina/Alamy）。

同様に、AIを搭載した人民解放軍（PLA）は、新たにデザインされたルールに基づいて、米国とその同盟国の将来のアルデンヌを突破するかもしれない。その可能性は未知数だ。
しかし、ドイツが電撃戦の理論（theory of blitzkrieg warfare）を開発したのは、戦車技術がまだ未熟だった1920年代であることを忘れてはならない。

米国とその同盟国は、AIの可能性を精査し、その利点を幅広く取り入れた軍事理論を構築しなければならない。同時に、AIの軍事利用に関する中国の議論も注視しなければならない。

ノート

[1] NIDS China Security Report 2021: China’s Military Strategy in the New Era (Tokyo: National Institute for Defense Studies, 2020), 2, https://www.nids.mod.go.jp/publication/chinareport/pdf/china_report_EN_web_2021_A01.pdf.

[2] “Xi Jinping: Hold High the Great Banner of Socialism With Chinese Characteristics and Strive to Build a Modern Socialist Country in All Respects—Report to the 20th National Congress of the Communist Party of China” [习近平高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗—在中国共产党第二十次全国代表大会上的报告], Xinhua News Agency, October 25, 2022, https://interpret.csis.org/translations/hold-high-the-great-banner-of-socialism-with-chinese-characteristics-and-strive-in-unity-to-build-a-modern-socialist-country-in-all-respects-report-to-the-20th-national-congress-of-the-communi/.

[3] NIDS China Security Report 2021, 2.

[4] Sydney J. Freedberg, Jr., “War Without Fear: DepSecDef Work on How AI Changes Conflict,” Breaking Defense, May 31, 2017, https://breakingdefense.com/2017/05/killer-robots-arent-the-problem-its-unpredictable-ai/.

[5] Ben Noon and Chris Bassler, “Schrodinger’s Military? Challenges for China’s Military Modernization Ambitions,” War on the Rocks, October 4, 2021, https://warontherocks.com/2021/10/schrodingers-military-challenges-for-the-chinas-military-modernization-ambitions/.

[6] Liu Haijiang [刘海江], “Systematically Promoting the Construction of New Combat Forces With New Capabilities in New Domains” [体系化推进新域新质作战力量建设], PLA Daily [解放军报], February 22, 2023; Wu Xia [吴瑕], Ma Jianchao [马建朝], and Xia Kan [夏侃], “Building an Operational System That Responds to Changes in the Times” [构建因应时代发展的作战体系], PLA Daily, January 17, 2023; Ji Zili [季自力] and Chen Hong [陈虹], “Prospects for a New Picture of Intelligent Operations” [展望智能化作战新图景], PLA Daily, January 3, 2023.

[7] Chen Long [陈龙], Wang Fengchun [王凤春], and Ye Peisi [叶培思], “Prospective for the Intelligent Battlefield Situation Awareness” [前瞻智能化战场态势认知], PLA Daily, March 28, 2023.

[8] Jialin Chen [陈佳琳], Jun Xu [徐珺], and Shan Li [李山], “Empowering Cognitive Confrontation Through Artificial Intelligence” [让人工智能为认知对抗赋能], PLA Daily, April 20, 2023.

[9] Shen Bilong [沈弼龙], “Military Application of Large-Scale Modeling Technology” [大模型技术的军事应用], PLA Daily, April 11, 2023.

[10] Gao Kai [高凯] and Shi Xueqiang [史学强], “Finding the Right Priority for Command and Control” [找准指挥控制’优先级], PLA Daily, May 18, 2023.

[11] Gao Feng [高峰] and Qiao Lin [乔林], “Perspectives on the New Essentials of Military Expeditiousness” [透视’兵贵神速’新要义], PLA Daily, July 20, 2023.

[12] Dai Xuejiao [戴雪娇] and Zhang Yongyong [张永勇], “How to Achieve Dynamic Agglomeration of Excellence” [如何实现动态聚优], PLA Daily, December 21, 2023; Gao Kai [高凯] and Zhang Jiahao [张佳豪], “Focus on Striking Sensitive Targets” [注重打击时敏目标], PLA Daily, June 6, 2023; Gao Kai [高凯] and Zhang Wanghong [张旺红], “Focus on Improving the Effectiveness of Firepower” [着力提升火力战效能], PLA Daily, February 28, 2023.

[13] Hu Xiaofeng [胡晓峰], “ChatGPT: What Should We Think” [ChatGPT: 我们该怎么看], PLA Daily, March 21, 2023; Hu Yushan [胡玉山], “Operation + ChatGPT: What Kind of Sparks Will It Create?” [作战 + ChatGPT: 会撞出什么样火花], PLA Daily, March 21, 2023.

[14] Xu Shiyong [许世勇] and Li Tao [李涛], “Effectively Enhancing Battlefield Forecasting Capabilities” [切实增强战场预判能力], PLA Daily, May 30, 2023.

[15] Xu and Li.

[16] Liu Kui [刘奎] and Yao Chi [姚池], “Prospects for the Intelligentization of Command, Control, and Information Systems” [前瞻指挥信息系统智能化趋势], PLA Daily, December 21, 2023.

[17] Liu and Yao.

[18] Mao Weihao [毛炜豪], “Looking at War in the Era of AI” [眺望 AI 时代的战争], PLA Daily, May 25, 2023.

[19] Mao.

[20] Mao.

[21] Mao.

[22] Mao.

[23] Mao.

[24] Mao.

[25] Mao.

[26] Wang Yonghua [王永华], “Concerned About the Military Use of Humanoid Robots” [关注人形机器人军事运用], PLA Daily, June 13, 2023.

[27] Zhao Xiangang [赵先刚] and Su Yanqin [苏艳琴], “What Are the Advantages of Unmanned Intelligent Operations” [无人智能作战有哪些优势], PLA Daily, January 12, 2023.

[28] Zhao and Su.

[29] Ma.

[30] Yue Guiyun [岳贵云], Xu Kun [徐坤], and Yue Qianxin [岳乾鑫], “Building a Strong and Solid Modern Border, Sea, and Air Defense” [建设强大稳固的现代边海空防], PLA Daily, July 6, 2023.

[31] Wang Yutang [王昱棠], “A Dialectical View of Precision Strikes” [辩证看待精确打击], PLA Daily, June 20, 2023; Dong Wenjing [董文静] and Du Bingjie [杜冰杰], “Where Is the Wisdom in the Intelligent Missile?” [智能化导弹’智’在哪里], PLA Daily, August 17, 2023.

[32] Chang Shujie [常书杰], “How to Break Through the Bottlenecks of Unmanned Intelligent Operations” [如何打通无人智能作战堵点], PLA Daily, February 21, 2023.

[33] Chang.

[34] Sun Jianjun [孙建军], Chen Xiaopeng [陈小鹏], and Yu Fei [余非], “Assessing New Trends in Operation on the Future Battlefield” [盘点未来战场作战新趋势], PLA Daily, June 20, 2023.

[35] Chen Jianping [陈建平], “What Is the Advantage of Manned/Unmanned Vehicle Cooperative Operations?” [有人/无人机协同作战优势何在?], PLA Daily, April 11, 2023.

[36] Liu Haijiang [刘海江], “The Key to Accurately Deepening the Study of Cognitive Domain Operations” [把准深化认知域作战研究的关键], PLA Daily, April 25, 2023.

[37] Liu.

[38] Duan Wenling [段文灵] and Liu Jiali [刘甲立], “Cognitive Confrontation on the Social Media Battlefield” [社交媒体战场上的认知对抗], PLA Daily, February 2, 2023.

[39] Li Xiaoyang [李晓阳], “Intelligent Communication: An Important Field for Cognitive Domain Operations” [智能传播:认知域作战的重要场域], PLA Daily, April 18, 2023; Chen Dongheng [陈东恒] and Xu Yan [许炎], “Generative AI: A New Weapon for Cognitive Confrontation” [生成式 AI: 认知对抗的新兵器], PLA Daily, April 4, 2023; Huang Yanlong [黄彦龙], Wu Qiong [吴穹], and Jiang Rile [蒋日烈], “Intelligent Algorithms: A Decisive Weapon in Cognitive Domain Operations” [智能算法: 认知域作战的制胜利器], PLA Daily, March 21, 2023; Liu, “The Key to Accurately Deepening the Study of Cognitive Domain Operations.”

[40] Liu, “The Key to Accurately Deepening the Study of Cognitive Domain Operations.”

[41] Liu; Huang, Wu, and Jiang, “Intelligent Algorithms.”

[42] Bu Jiang [卜江] and Jiang Rili [蒋日烈], “How to Achieve Precision Strikes in Cognitive Domain Operations” [如何实现认知域作战精准打击], PLA Daily, March 16, 2023.

[43] Bu and Jiang; Xia Xiao [夏晓], “Computational Propaganda: A New Weapon in Cognitive Domain Operations” [计算宣传: 认知域作战的新兵器], PLA Daily, February 28, 2023.

[44] Li, “Intelligent Communication.”

[45] Mao Weihao [毛炜豪], “Military Applications of Artificial Intelligence in the Light of ChatGPT” [从 ChatGPT 看人工智能的军事应用], PLA Daily, April 13, 2023.

[46] Li Fangwen [李方文], “Raising the Level of Intelligentization of Training” [提升训练数智化水平], PLA Daily, August 8, 2023.

[47] Zhou Jian [周健], “Let Intelligent Training Management Assist” [让智能化助力训练管理], PLA Daily, June 15, 2023.

[48] Zhou.

[49] Shen, “Military Application of Large-Scale Modeling Technology.”

[50] Zhou Minghao [周铭浩], Fan Peng [范鹏], and Jiao Yuheng [焦玉恒], “Prospects for Logistics Support Methods in the Intelligentized Warfare” [前瞻智能化战争后勤保障方式], PLA Daily, February 7, 2023.

[51] Zhang Guangsheng [张广胜] and Tian Ling [田玲], “How Generative AI Will Affect Future Warfare” [生成式AI如何影响未来战争], PLA Daily, April 18, 2023.

[52] Jiang Xiangzheng [姜相争] and Guo Bin [郭彬], “Enhancing Intelligent Maintenance Support Capabilities” [提升智能化维修保障能力], PLA Daily, December 19, 2023.

[53] Zhong Fei [钟飞], “A Preliminary Discussion on Active Logistics” [主动后勤刍议], PLA Daily, August 15, 2023.

[54] Shen, “Military Application of Large-Scale Modeling Technology.”

[55] Luo Zhaocheng [罗兆成], “Pay Attention to the Risks of Using Intelligent Weapons and Equipment” [关注智能化兵器装备运用风险], PLA Daily, January 5, 2023.

[56] Zeng Zilin [曾子林], “A Calm Look at the Military Application of Generative AI” [冷静看待生成式 AI 军事应用], PLA Daily, May 23, 2023.

[57] Zeng.

[58] Gu Jingchao [顾静超], Zhang Yongliang [张永亮], and Wang Guanglei [王光雷], “Vulnerability: The Achilles’ Heel of the Intelligent Combat System” [脆弱性: 智能化作战体系’阿喀琉斯之踵], PLA Daily, May 16, 2023.

[59] Wang Hai [王海] and Li Rougang [李柔刚], “Recognizing the Individual Characteristics of Military Big Data” [认清军事大数据个性化特征], PLA Daily, May 16, 2023.

[60] Wang and Li.

[61] Wang and Li.

[62] Gu, Zhang, and Wang, “Vulnerability.”

[63] Wang and Li, “Recognizing the Individual Characteristics of Military Big Data.”

[64] Wang and Li.

[65] Wang and Li

[66] Li Yuyan [李玉焱] and Yang Feilong [杨飞龙], “A Dialectical View of Machine　Intelligence” [辩证看待机器智能], PLA Daily, September 28, 2023.

[67] Li and Yang.

[68] Mao, “Military Applications of Artificial Intelligence in the Light of ChatGPT.”

[69] Hu Jianxin [胡建新], “The Algorithmic Defect Must Not Be Overlooked” [‘算法缺陷’不可不察], PLA Daily, August 17, 2023.

[70] Mao, “Looking at War in the Era of AI.”

[71] Mao.

[72] Mao Weihao [毛炜豪], “AI War: A New Operational Model to Pay Attention To” [AI战: 值得关注的新作战模式], PLA Daily, June 20, 2023.

[73] Mao, “AI War.”

[74] Mao.

[75] Liu Xianfeng [刘显峰] and Wang Yonghua [王永华], “Designing Future Warfare From a Technological Perspective” [从科技视角设计未来战争], PLA Daily, September 21, 2023.

[76] Liu and Wang.

[77] Zhang Xicheng [张西成], “From the Natural Solution to the ‘London Dilemma’” [从‘伦敦难题’自然破解说起], PLA Daily, July 20, 2023.

[78] Zhang.

[79] James Johnson, “AI, Autonomy, and the Risk of Nuclear War,” War on the Rocks, July 29, 2022, https://warontherocks.com/2022/07/ai-autonomy-and-the-risk-of-nuclear-war/; James Johnson, “Delegating Strategic Decision-Making to Machines: Dr. Strangelove Redux?” Journal of Strategic Studies 45, no. 3 (April 2020), https://doi.org/10.1080/01402390.2020.1759038; Michael C. Horowitz, Lauren Kahn, and Laura Resnick Samotin, “A Force for the Future: A High-Reward Low-Risk Approach to AI Military Innovation,” Foreign Affairs, May/June 2022.

[80] MacGregor Knox and Williamson Murray, The Dynamics of Military Revolution, 1300–2050 (New York: Cambridge University Press, 2001).

[81] John Baylis, James J. Wirtz, and Colin S. Gray, eds., Strategy in the Contemporary World: An Introduction to Strategic Studies, 3rd ed. (Oxford: Oxford University Press, 2010).

カテゴリー
UxS(無人機)、人工知能［AI］(Autonomy)、技術動向、用兵思想、認知戦（cognitive warfare）』
米中AI戦争に新たな火種　中国発「DeepSeek」が脅威に

1月 27, 2025

米中摩擦, ＡＩ、関連, ＩＴ関連, 中国の戦略

米中AI戦争に新たな火種　中国発「DeepSeek」が脅威に
https://www.nikkei.com/article/DGXZQOFL273C40X20C25A1000000/

『2025年1月27日 14:16 [会員限定記事]

【NQN香港=福井環】中国発の人工知能（AI）企業「ディープシーク（DeepSeek、深度求索）」が開発した高性能AIが市場で脚光を浴びている。ディープシークのアプリはアップルの無料ダウンロードランキングで27日、米国や中国で首位となった。米オープンAIの生成AI「ChatGPT（チャットGPT）」の中国版ともいえる同サービスが本家を抜き、思わぬ「ダークホース」の登場に株式市場がざわつき始めてい…

この記事は会員限定です。登録すると続きをお読みいただけます。』
統計データを駆使したナイチンゲール！

1月 27, 2025

データサイエンス、関連, ＩＴ関連

統計データを駆使したナイチンゲール！
https://www.stat.go.jp/library/pdf/minigougai02.pdf

『奥積雅彦（総務省統計研究研修所教官）

１ナイチンゲールと統計１

ナイチンゲール（1820～1910）は、「近代統計学の父」といわれるアドルフ・ケトレー（1796
～1874）を信奉し、数学や統計に強い興味を持ち、優秀な家庭教師について勉強したといわれています。
ナイチンゲールは、イギリスの看護師で、クリミア戦争（1853〜1856）に従軍して傷病兵
を献身的に看護し、イギリスに帰国後、近代看護の確立や看護師の社会的地位の向上に貢献
しました。ナイチンゲールは、クリミア戦争に従軍したとき、戦傷病者の多くは医療制度が
不十分なために死亡していく実態を体験し、戦争が終結してロンドンに戻った後、この戦争
での経験を基にして、陸軍の医療衛生制度の改革、さらにはイギリス市民の医療衛生制度の
改革に取り組みました。統計データによって社会現象が予測し得ると考えたナイチンゲー
ルは、医療衛生について多くの統計データを示しながら改革を求めていったのです。２
具体的には、野戦病院における患者の入院時の症状と推移、病床の配置、病室の環境など
の詳細データを統計学的な手法を用いて整理し、野戦病院での死者の数は、戦死よりも、衛
生状態の悪い病院での伝染病による死亡が多いことが一目で分かるグラフを作成し、衛生
状態の改善を上層部に訴求しました。これが奏功し、野戦病院の衛生状態の改善が図られ、
その結果、死亡率の劇的な低減につながりました。３

１【写真】、【ダイヤグラム】、【参考資料】：国立国会図書館インターネット資料収集保存事業（WARP）によ
り保存された 2020 年 5 月 16 日現在の「統計学習の指導のために（先生向け）」（ナイチンゲールと統計）
及び 2018 年 6 月 1 日現在の統計学習サイト「なるほど統計学園高等部」（統計年表＞ナイチンゲール）
２【参考資料】：国立国会図書館インターネット資料収集保存事業（WARP）により保存された 2018 年６
月１日現在の統計学習サイト「なるほど統計学園高等部」（統計年表）
３【参考資料】：木下親郎「ナイチンゲールの円グラフ」
http://wattandedison.com/CK26_2010_06-15.pdf
○死亡原因のダイヤグラム（鶏のトサカ）
左：1855 年４月～翌年３月、右：1854 年４月～翌年３月

２－１日清・日露戦争の頃、日本にナイチンゲールのような人がいたら･･･

日清・日露戦争の頃は、まだ脚気の原因（ビタミンＢ1 欠乏）が解明されておらず、深刻
な問題でした。海軍と陸軍の脚気対策４は明暗を分けることとなりました。島村史郎元総理
府統計局長は、その著書「欧米統計史群像」において「日本でもし、１人のナイチンゲール
がいたならば、おそらく数十万人に達する兵士たちの生命が救われたであろう。」としてお
り、確かに、当時の日本にナイチンゲールのような人がいたら、統計データを駆使して、必
要な対策が講じられ、脚気に負けることはなかったかもしれません。

○明暗を分けた海軍と陸軍の脚気対策
脚気の原因対策備考
海軍（海軍軍医）
高木兼寛栄養欠陥説
（脚気が欧米では見られないこと
から食事が関係しているのではと
考え、海軍の練習艦「筑波」の兵士
の食事を変えるなどの比較実験の
結果、脚気は兵食改良により効果
があると考えた）
兵食改良
（米麦混食など）
２－２参照
（兵食改良により、脚
気の発生に予防効果）
陸軍（陸軍軍医総監）
石黒忠悳
（軍医部長）
森鴎外ほか
細菌説（細菌感染による伝染病説）、ドイツ学派
（栄養欠陥説は、非科学的で信ず
るに足らないと主張）
特に対策を講じ
なかった
（白米食を維持）
２－３参照
なお、高木兼寛と森鴎外の「脚気論争」については、永井良三「統計思想と日本の文化」
（講演録）５によれば、「統計はメカニズムを実証するのではなく、仮説を創出する学術であ
り、その仮説によって因果も説明できることがある。鴎外は「統計から因果は論じることは
できない」という統計学の限界に厳密だったゆえに、説明仮説まで否定したことが悲劇を生
んだ。」、「鴎外は･･･、「説明仮説」の効用にまで思い至らなかったと考えるのが適切と思わ
れる。」としています。
２－２日清・日露戦争における海軍の脚気の患者数、死亡者数
内田正夫「日清・日露戦争と脚気」に日清・日露戦争における海軍の脚気の患者数などの
データがコンパクトに紹介されていますので、以下に引用します
海軍はもともと兵員数が陸軍より１ケタ少ない。そのことを考慮に入れても、日清戦争
における海軍の脚気患者は 34 名、死亡者ゼロであったことは注目に値する。日露戦争で
も、脚気患者 87 名、死亡者３名にすぎなかった。海軍省医務局発表のこの数値には他病
に分類されたもののある疑いもあるが、それにしても、いずれの戦争においても陸軍とは
対照的に、ほぼ完璧な予防成果を収めていたのである。

４【参考資料】：
・慈恵大学ＨＰ（建学の精神）http://www.jikei.ac.jp/jikei/history_2.html
・内田正夫「日清・日露戦争と脚気」
https://www.wako.ac.jp/_static/page/university/images/_tz0716.b5706d4ad276df8bb8ffc5ce8c311f69.
pdf#search=%27%E6%97%A5%E9%9C%B2%E6%88%A6%E4%BA%89+%E8%84%9A%E6%B0%97
%27
・川田志明「銃弾よりも多くの命を奪った脚気心」https://www.jhf.or.jp/publish/bunko/21.html
５ https://www.jst.go.jp/ristex/public/pdf/55_nagai2017.4.pdf

２－３日清・日露戦争における陸軍の脚気の患者数、死亡者数

前掲の「日清・日露戦争と脚気」に日清・日露戦争における陸軍の脚気の患者数などのデ
ータがコンパクトに紹介されていますので、以下に引用します。
（日清戦争）
日清戦争･･･における脚気被害は、陸軍省医務局の公式記録『明治二十七八年役陸軍衛生事
蹟』（1907）でさえ、「我軍ノ脚気患数ハ総計４万 1431 名…全入院患者ノ約４分ノ１」を占
め、「銃砲創１ニ付キ実ニ 11.23」、戦死者 977 人に対して脚気による死亡者は 4064 人、「古今
東西ノ戦役記録中殆ト其ノ類例ヲ見サル」と書かざるをえない惨状であった（数字は算用数字
に改めた）。もちろんコレラや赤痢など致死率の高い感染症の患者も少なくはなかった。しか
しそれにも増して脚気の患者数は群を抜いて高く、そのうえ約 10％という高い致死率から見
て、上の患者数には軽症者が除外されていると推定される。動員総数約 20 万の日清戦争にお
いて、（公式に認定された者だけで）兵員の約２割が脚気患者だったのである。
（日露戦争）
陸軍省医務局の公式記録である『明治三十七八年戦役陸軍衛生史』（1924）では、脚気の統
計すべてが、「軍事上ノ関係ニ因リ」という理由によって比例値で表され、実数が分からない
からである）。そうではあるが、多くの論著が依拠する史料（『医海時報』1908 年 10 月）によ
るならば、全傷病者 35 万 2700 余人中、脚気患者は内輪にみて 21 万 1600 余人、他病に算入
されているとみられるものを含めて推定すれば少なくとも 25 万人に達する。戦病死者３万
7200 余人中脚気による死亡者 2 万 7800 余人（約 75％）であった。死亡者が２万 7800 人とい
うことは、通常の致死率から逆算すれば患者数は 30 万人を超えていたとみてよいだろう。

日
露戦争の参戦総兵員約 108 万 8000 人、屍の山を築いたといわれる旅順戦などを含めて戦闘に
よる死者総数約４万 6400 人という数字と比較するとき、脚気の犠牲がいかに大きなものであ
ったかがわかる。
【参考】明治二十七八年役陸軍衛生事蹟. 第３伝染病及脚気下
資料：国立国会図書館デジタルコレクション

３おわりに

ナイチンゲールは、陸軍の衛生状態等に関する調査委員会の報告書（1858）において、前
掲の死亡原因のダイヤグラム（鶏のトサカ）ではなく、中心からの距離を半径としてプロッ
トすることにより作成した死亡原因のダイヤグラム（レーダーチャート）６を掲載していま
すが、その構造上、内側（負傷によるもの）よりも外側（伝染病によるもの）の面積が誇張
される面はあるものの、上層部への説得のため見せ方を工夫したことも奏功したのかも知
れません。
いずれにしても、客観的な統計データをベースに現実を直視した上での対策を講じるこ
との重要性を改めて認識しました。
【あとがき】
今、ナイチンゲールは、新型コロナウイルス（COVID ｰ 19）によるパンデミックに立ち向
かっている世界各国の医療関係者を国境に関係なく見守っているように思います。そして、
統計データを駆使して病院の衛生面の改革等を実行したナイチンゲールのＤＮＡを引き継
いだ世界中の医療関係者が、最前線で全力を尽くしていることに感謝したいと思います。

６ https://wellcomecollection.org/works/xa6cwpmx/items （レーダーチャート:651 コマ）
（651 コマの JPG 画像）
https://iiif.wellcomecollection.org/image/b2130869x_0651.jp』
統計学の歴史

1月 27, 2025

データサイエンス、関連, ＩＴ関連, 世界の歴史、関連

統計学の歴史
https://ja.wikipedia.org/wiki/%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%81%AE%E6%AD%B4%E5%8F%B2

『出典: フリー百科事典『ウィキペディア（Wikipedia）』

科学史
背景
時代
文明 · 地域
分野
カテゴリ
表話編歴

統計学は、歴史的には、現代の観点では、18世紀に、主権国家が工業化し新たなニーズに応える上で進歩し始めた。

統計学の進歩の特に大きな要因として、ヴェストファーレン条約（1648年）後のヨーロッパ諸国の発展と、統計学を強固な理論とした確率論の発展が挙げられる。

初期の頃は、統計学が対象とするデータは、人口統計などの、国家についての情報に限られていた。

後に、対象となるデータはあらゆる情報に広がり、データの分析や解釈が発展していった。

現代の言葉では、「統計」とは、国民経済計算や過去の気温変化といった集積されたデータと、統計学的推測による分析作業の両方を指す。

統計学の手段として、確率論における確率空間が用いられることが多い。

特に求められるのはコンピュータのアプリケーションソフトウェアによるデータ処理である。

統計学の概念の多くは科学の世界に幅広く重要な影響を与えている。実験計画法や、ベイズ推定といった統計学的推測へのアプローチはこれらに含まれる。これらはそれぞれ現代統計学の基礎となるアイディアの系譜と見なされている。

概要

18世紀までは、「統計」という語は、国家による人口や経済のデータの公的集計を指していた。

少なくとも二千年の間、こういったデータは、主に課税や徴兵のための人的、物的資源の集計であった。

19世紀初頭、集計が強化され、「統計」の意味は広がり、データの集計、要約、分析に関連する分野を含むようになった。

今日、データが集計され、統計量が計算され、広く、政府、企業、大半の科学やスポーツ、さらには多くの娯楽で使用されている。

電子計算機はより精巧な統計計算をもたらし、データが大きかったり多くても処理を十分に可能にした。

1人のデータ分析者が、大きさが数十～数百のデータセットで、数百万の測定値を分析したい場合がある。

これらは年月とともにコンピュータのはたらき（例えば証券取引所）や電算化されたセンサ、POSレジなどから登場するようになる。コンピュータは、統計量を正確で短時間に出力し、巨大な正方行列の逆行列を求めたり、数百の段階を反復して実行するなど、手作業ではけっしてできない、面倒な分析を可能にする。

より高速のコンピューティングにより、統計家はコンピュータを集約して母集団内の全てを検索する方法を開発したり、大きさが1万個もの母集団の推測が理論だけでは難しいのを、ランダム化により推測可能にした。

数理統計学とは、数学において統計学で実際に使用される確率論と推計統計学を指す。

しかし、統計学と確率論の連携は少し遅れて発展した。

19世紀になると、統計学では確率論がますます使われるようになり、その初期の結果は、17世紀と18世紀の特に運が左右するゲーム（賭博）の分析で見出された。

1800年まで、天文学では確率モデルと統計学理論、特に最小二乗法が使われていた。

初等的な確率論と統計学は19世紀に体系化され、統計的推論、確率モデルが、実験心理学、社会学といった新しい科学を志向する社会科学者、熱力学、統計力学の物理学者に使われた。

推計統計学の発展には帰納法、科学的方法の発展と密接な関係があった。

このことは、統計家の対象が狭義の数理統計学から遠ざかってしまうことが懸念される。
コンピュータが台頭するまでは、統計学の理論的業績の多くが有用であった。

1970年代までに、サミュエル・コッツ（英語版）とノーマン・ロイド・ジョンソン（英語版）は4巻からなる統計分布の大著を著したが（第1巻は1969年–1972年）、これは依然として貴重な資料となっている。

応用統計学は数学の一分野でなく、計算機科学やオペレーションズ・リサーチといった数理科学の独立した一分野と見なすことができる。

数学とは異なり、統計学は行政に端を発している。

初期の頃から人口統計学、経済学に応用されている。

今日のミクロ経済学、マクロ経済学の主な対象領域は、時系列の分析を中心とした「統計学」である。

データから学び、最善の予測をすることに重きを置いた統計学は、心理検査、医学、疫学の学術研究によっても形作られてきた。

仮説検定の考え方は意志決定科学とかなり重なり合っている。

データの調査や効果的な提示に関わっている統計学は、情報学や計算機科学と重なる部分がある。

語源

ウィクショナリーに関連の辞書項目があります。

統計学

英語のstatisticsという語は、最終的には、ラテン語のstatisticum collegium（「国会」）とイタリア語のstatista（「政治家」）に由来している。

1749年にゴットフリート・アッヘンヴァルによって初めて紹介されたドイツ語のStatistikは、元々は国家についてのデータの分析のことを指しており、「国家の科学」（当時は英語でpolitical arithmeticと呼ばれていた）を意味していた。

19世紀初頭には、それは一般的にはデータの集計と分類を意味するようになった。

この単語は1791年、ジョン・シンクレア（英語版）が21巻からなる “Statistical Accounts of Scotland”（『スコットランド統計研究（英語版）』）の第1巻を出版したときに英語で紹介された[1]。

したがって、Statistikの本来の主な目的は、データが政府の（中枢）行政機関に使用されることであった。

国や地方についてのデータの集計は主に国家や国際的な公共事業を通じて定期的に行われる。特に、人口統計についての情報は国勢調査を通じて頻繁に更新される。

“Statistics” を題名に最初に冠した本は、Francis G. P. Neison（Medical Invalid and General Life Officeの保険数理士[要出典]）による “Contributions to Vital Statistics”（1845年）である。

日本における用語の取り扱い

日本で初めて紹介された統計書は、1854年（江戸時代末期）の、オランダのP. A. de Jongによる “Statistische tafel van alle landen der aarde”（『地球上の全ての国の統計表』）と言われている[2]。

当時はstatisticsという語に対する日本語が存在せず、一時期は片仮名で「スタチスチク」と使われていた[3]。

この本は1860年（万延元年）、福澤諭吉とその弟子古川正雄（岡本博卿）の訳により、『万国政表』（萬國政表）として刊行された。そこでは “statistische tafel” を「政表」と訳している。

現在で一般的に使われている「統計」と初めて訳したのは、洋学者の柳川春三と推定されている[4]。

1870年（明治3年）8月4日に、外務省が諸省に廻達した文書（外国貿易品輸出入の物品高表を編集、貿易年表を出版する旨を通知した文書）の中で、「統計年鑑」という用語がある。

日本の公文書に「統計」という語が初めて登場したのはこの時とみられる。

1871年（明治4年）7月27日、大蔵省に「統計司」という機関が設置され、日本の官署で初めて「統計」という名称が附された（翌8月10日に「統計寮」と改められた）[2]。

これは、米国視察から帰国した伊藤博文の建議による[4]。

「統計学」という訳語が日本の社会に普及し始めるのは、（明治7年）6月に文部省出版の『統計学』（モロー・ド・ジョンネ著 “Elementde Staisique” 箕作麟祥訳）によるとされる[4]。

現在の中国、韓国でも、statistics の訳語として「統計」が用いられている。その起源は日本であり、中国語の造語である「統紀」に触発されて日本で造語された「統計」が中国に導入された[2]。

起源
→「確率の歴史」および「en:Timeline of probability and statistics」も参照

文明の開始以来、統計には基本的な方式が用いられてきた。

初期の帝国では、しばしば人口国勢調査を照合したり、様々な商品の取引を記録したりしていた。

漢王朝とローマ帝国は、帝国の人口、国土面積、富の規模についてのデータを広範囲に集計した、最初の国家たちである。

統計的手法が使用されるようになるのは、少なくとも紀元前5世紀にまでさかのぼる。

歴史家のトゥキュディデスは『戦史』[5]で、アテネ人がプラタイア（都市国家）の壁の高さを測定する方法を説明している。

周囲の、壁で漆喰の塗られていない区間のレンガの数を十分な回数数えた。そのカウントは何人かの兵士によって数回繰り返された。そこでの最頻値はレンガの数の最もありうる値と見なされた。この値に、壁に使われているレンガの高さを掛けることで、アテネ人は壁に架けるのに必要なはしごの高さを決めることができた[要出典]。

貨幣検査函審査（英語版）（トライアル・オブ・ザ・ピクス）は、12世紀から定期的に実施されている、王立造幣局（イギリス）の硬貨の純度の検査である。

その検査方法は、統計学の標本調査による方法に基づいている。

一連の硬貨を（元々は10ポンドの銀から）鋳造した後、1枚の硬貨をウェストミンスター寺院にあるピクス（英語版）に入れる。一定期間後（現在は1年に1度）硬貨を取り出して計量する。次に、箱から取り出された標本硬貨の純度を検査する。

14世紀のフィレンツェの歴史を記した『新年代記（英語版）』（ジョヴァンニ・ヴィッラーニ、フィレンツェの銀行家であり公務員）には、人口、法令、通商貿易、教育、宗教施設についての多くの統計情報が記載され、歴史上統計データを明確に著した最初のものである[6]。

だが、そこにはまだ、特定の分野としての統計学の用語も概念もまだ存在していなかった。

算術平均はギリシャ人には知られていた概念であるが、16世紀まで3個以上の値に対して一般化されていなかった。

1585年にシモン・ステヴィンが十進法を発明したことで、これらの計算が容易になったと思われる。

この方法はティコ・ブラーエにより天文学で採用された。様々な天体の位置を推定したときの誤差を減らそうとしていた。

中央値の発想は、1599年のエドワード・ライト（英語版）の航法についての著書 (“Certaine Errors in Navigation”) を起源とし、コンパスによる位置の特定についての節に書かれている。ライトは、一連の観測値の中でこの値が最も正しそうな値だと感じた。

ウィリアム・ペティは17世紀の経済学者で、人口統計データを分析するために早くから統計学的手法を駆使した。

統計学の誕生は、1662年にまでさかのぼる。

ジョン・グラント（英語版）がウィリアム・ペティと共に、国勢調査のための統計的方法を開発し、人口統計学の現代的な枠組みを構築した。

彼は生命表を初めて作成し、年齢ごとの生存率を与えた。

彼の著書 “Natural and Political Observations Made upon the Bills of Mortality” では死亡率の分析を行い、初等統計学的に基づいてロンドンの人口を推定した。

彼は、ロンドンでは年間で約13,000の葬儀があり、11家族中3名の割合で亡くなっていることを知っていた。

彼は小教区の記録から、世帯平均人数は8名と推定し、そこからロンドンの人口はおよそ384,000名と割り出した。

これは比推定量（英語版）が初めて使用された例として知られる。

1802年にラプラスは、同様の方法でフランスの人口を推定した。

統計学の適用範囲は元々は統治に有用なデータに限られていたが、その守備範囲は19世紀の間に、科学や商学の多くの分野に広がって行った。

この分野の数学的基礎は、16世紀になって新たに拓かれた確率論によって促された。

その初期の確率論を拓いたのは、ジェロラモ・カルダーノ、ピエール・ド・フェルマー、ブレーズ・パスカルである。

クリスティアーン・ホイヘンス（1657年）は、この分野を科学的にとらえた最も初期の科学者として知られる。

ヤコブ・ベルヌーイは『推測術（英語版）』（死後の1713年に出版）で、アブラーム・ド・モアブルは『偶然の理論（英語版）』（1718年）で、この分野を数学の一分野として扱った。

ベルヌーイは著書で、確実に起こることを1で表し、確率を0から1の間の数で表すという考えを紹介した。

統計学的検定の登場

統計学の適用で18世紀に早く行われた重要なものは、出生時の人間の性比であった[7]。

ジョン・アーバスノット（英語版）は1710年にこの疑問を研究した[8][9][10][11]。

アーバスノットは、1629年から1710年までの82年間のロンドンでの出生記録を調べた。どの年でも、ロンドンでの男子の出生数が女子のそれより多かった。

男子と女子の出生が同様に確からしいと仮定すると、その結果から観察される、男女の出生が異なる確率は0.582、つまり約4.836 × 1024分の1であることを導いた。これは現在の言葉ではP値である。

これはほとんどないに等しく、アーバスノットは、これは偶然ではなく神が与えた摂理と説いた：「それが示すのは、偶然でなく作為が決定している」これと他を含むアーバスノットの業績は「有意性検定の最初の使用」[12]として評価されている。

その最初の例は、有意性と道徳的な誠実さについての推定であり[13]、「おそらく、ノンパラメトリック検定の最初の発表された報告」（具体的には符号検定（英語版））[9]であった。

確率分布の登場

誤差の理論の定式的な研究は、1722年のロジャー・コーツの “Opera Miscellanea”（死後に出版）にまでさかのぼる。

しかし、1755年（出版されたのは1756年）にトーマス・シンプソンにより作られた回想録では、観測による誤差についての議論に理論が初めて適用されている。

この回想録の再版 (1757) では、正と負の誤差が同じ割合で含まれ、通例想定される全ての誤差の集合の極限が、確かにあるという公理を示した。

連続した誤差たちについて論じ、確率曲線を与えた。シンプソンは誤差のありうる分布をいくつか示した。

彼は初めに離散一様分布について考察し、次に連続対称三角分布から離散対称三角分布を考察した。

トビアス・マイヤーは月の秤動についての研究で（”Kosmographische Nachrichten” ニュルンベルク、1750年）、未知の量を推定する定式化した方法を初めて考案した。同じ状況での観測結果の平均を、類似の方程式のグループの平均に一般化している。

1755年、ルジェル・ヨシプ・ボスコヴィッチは、地球の形についての研究を、著書 “De Litteraria expeditione per pontificiam ditionem ad dimetiendos duos meridiani gradus a PP” で著した。

Maire et Boscovicli は、一連の観測値の中で真の値は絶対偏差の総和を最小にするだろうと述べた。

現代の用語・観点では、この値は中央値である。

後に正規分布曲線と呼ばれる分布曲線を最初に研究したのはアブラーム・ド・モアブルで、彼はこの曲線を1733年11月12日に見出した[14]。ド・モアブルは公正なコインを投げたときに表が出る回数について研究していた。

トーマス・ベイズは1761年にベイズの定理を証明し、ジョゼフ・プリーストリーは1765年に最初にタイムラインチャートを発明した。

ヨハン・ハインリヒ・ランベルトは1765年の著書 “Anlage zur Architectonic” で誤差の分布曲線が半円になることを発表した：

f
(
x

)

1
2
1
−
x
2
(
−
1
<
x
<
1
)
{\displaystyle f(x)={\frac {1}{2}}{\sqrt {1-x^{2}}}\quad (-1<x<1)}

正規分布の登場

ラプラス分布の確率密度関数のグラフ

ピエール＝シモン・ラプラス (1774) は、観測値の集まりを、確率論の原理から導出する試みを初めて行った。彼は誤差の確率の法則を曲線で表し、3個の観測値の平均の公式を導出した。

ラプラスは1774年に、誤差の頻度は、いったん符号を無視すると、それの大きさの指数関数で表せると述べた[15][16]。

この分布は現在ラプラス分布として知られている。ジョゼフ＝ルイ・ラグランジュは1776年に、誤差の放物線状フラクタル分布（英語版）を発表した。

ラプラスは1778年に、誤差についての2番目の法則を著した。

彼は、誤差の頻度はそれの大きさの2乗のべきに比例するということを述べた。

このことはその後ガウスによっても（おそらく1795年に）発見され、統計学で中心的な役割を果たす正規分布として最もよく知られている[17]。

この分布は、1873年にチャールズ・サンダース・パースによって、最初に「正規」分布と呼ばれた。彼は物体を木製の台座に落としたときの測定の誤差について研究していた[18]。彼が用語に「正規」を採用したのは、自然な発生回数で頻繁に起こるからである。

また、ジョゼフ＝ルイ・ラグランジュは1781年に、誤差についての2つの分布、余弦分布（英語版）と対数分布（英語版）を発表している。

1781年に、ラプラスは「誤差の容易さの法則」についての式（ラグランジュによる用語〈1774年〉）を与えた[19][20]。だがそれは扱いにくい方程式を導いた。

ダニエル・ベルヌーイは1778年に、同時誤差の系の確率の最大積の原理を導入した。

統計図表の登場

1786年に、ウィリアム・プレイフェア（1759年 – 1823年）は統計グラフを導入した。

彼は折れ線グラフ、棒グラフ、ヒストグラムを考案し、彼の経済学 (“Commercial and Political Atlas”) の業務に組み込んだ。

このことは、1795年に彼が円グラフを考案することにつながった。彼は英国の輸出入の進展を円グラフで表した。後者のチャートは、1801年に彼が著した “Statistical Breviary” の例で広く注目を集めた。

ラプラスは1787年の土星と木星の運動の研究において、1つの方程式のグループの異なる線型結合を使うことによってマイヤーの方法を一般化した。

1791年にジョン・シンクレアは、自身の『スコットランド統計研究』で、英語の ‘statistics’ という語を導入した。

1802年に、ラプラスはフランスの人口を2832万8612人と推定した[21]。彼はこの数値を、前年の出生数と3つの値域の国勢調査のデータから計算した。これらの地域の国勢調査のデータからは、居住者が2,037,615人であり、出生数が71,866人であることが分かった。ラプラスは、これらの標本がフランスを代表していると仮定して、全人口を見積った。

最小二乗法の登場

カール・フリードリヒ・ガウスは1809年に最小二乗法を考案した。

データの測定値の誤差を最小にするために使われる最小二乗法は、アドリアン＝マリ・ルジャンドル（1805年）、ロバート・アドレイン（英語版）（1808年）、カール・フリードリヒ・ガウス（1809年）によって独立に発表された。

ガウスは、1801年の彼の名高い、準惑星ケレスの位置の予測で、この方法を用いた。

ガウスの計算の基となる観測は、イタリアの僧侶ピアッツィによって行われた。

最小二乗法より先に中央値回帰直線の傾きが用いられた。

これは中央絶対偏差の総和を最小にする。この傾きを推定する方法は、1760年にルジェル・ヨシプ・ボスコヴィッチによって考案された。彼は天文学に応用した。

「確率誤差」（der wahrscheinliche Fehler、平均からの中央値のずれ）という用語は、1815年にドイツの天文学者であるフリードリヒ・ヴィルヘルム・ベッセルによって導入された。

1843年にアントワーヌ・オーギュスタン・クールノーは、確率分布における、面積を2等分する値に valeur mediane（「中央値」）という語を初めて用いた。

誤差の理論についての他の貢献者には、Ellis (1844), オーガスタス・ド・モルガン (1864)、ジェームズ・ウィットブレッド・リー・グレイシャー (1872)、ジョヴァンニ・スキアパレッリ (1875) がいる[要出典]。ピーター（1856年）の
r{\displaystyle r}（単一の観測値の「確率誤差」）についての式は広く用いられ、初期の頑健統計学（英語版）に影響を与えた（外れ値に左右されにくい。パース基準（英語版）を参照）。

19世紀の理論統計学者には、ラプラス、シルヴェストル・フランソワ・ラクロワ（英語版） (1816)、Littrow (1833)、リヒャルト・デーデキント (1860、Helmert (1872)、ポール・マチュー・エルマン・ローラン（英語版） (1873)、Liagre、Didion、オーガスタス・ド・モルガン、ジョージ・ブールがいる。

グスタフ・フェヒナーは社会学的および心理学的現象で中央値 (Centralwerth) を用いた[22]。それ以前では天文学とその関連分野でしか使われていなかった。フランシス・ゴルトンは1881年に、初めて英語での用語として median を用いた。それより以前では、1869年に middle-most value が、1880年には medium が使用されていた[23]。

もう1人の重要な統計学の創始者であるアドルフ・ケトレー（1796年 – 1874年）は、犯罪率、結婚率、自殺率といった複雑な社会現象を理解するために、「平均人」(l’homme moyen) という概念を導入した[24]。

正規分布の最初の検査は、1870年代にドイツの統計家であるヴィルヘルム・レキシスによって考案された。彼が示すことのできたデータセットは、正規分布である出生率のみであった。

現代統計学の開発

統計理論の起源は18世紀の確率の進歩にあるが、現代統計学が19世紀後半から20世紀前半にかけて、3つの段階により形作られる。

最初の波は、世紀の変わり目に起こり、フランシス・ゴルトン、カール・ピアソンの業績により導かれた。

彼らは統計学を科学だけでなく、産業や政治に対しても同様に分析することのできる厳密な数学の体系に打ち立てた。

2番目の波は1910年代から20年代にかけて起こり、ウィリアム・ゴセットに始まり、ロナルド・フィッシャーの洞察により最高潮に達した。

この流れで、実験計画法のモデルのさらなる発展や、小さな標本から仮説検定する技術が起こった。

最後の波は、1930年代にエゴン・ピアソンとイェジ・ネイマンの共同研究により誕生し[25]、主に初期の開発で洗練と拡大を見た。

今日、統計学の手法は、意思決定を含むすべての分野で適用されている。データを照合することで正確な推論を行い、不確実性に直面した場面での意思決定を、統計学の手法に基づいて行う。

潮流への兆し

1834年に創設されたイギリス王立統計学会のロゴ

最初の統計機関は19世紀初頭に設立された。

王立統計学会が1834年に創始され、フローレンス・ナイチンゲールはそれの最初の女性所員であった。

彼女は疫学を理解し公衆衛生を実践するために、健康問題の統計的分析を促進することを切り拓いた。ただし、当時行われていた方法は、今日の近代的な統計学とは見なされてはいない。

オックスフォード大学の学者であるフランシス・イシドロ・エッジワースは著書 “Metretike: or The Method of Measuring Probability and Utility” (1887) で、帰納的推論の基礎として確率を扱っており、彼の後の作品では「偶然の哲学」に焦点が当てられていた[26]。

彼の統計学に関する最初の論文 (1883) は誤差の法則（正規分布）を調べたものであった。

そして彼の “Methods of Statistics” (1885) では、t分布の初期のバージョン、エッジワース展開、エッジワース級数（英語版）、変数変換する方法、最尤推定の漸近理論が導入された。

1895年に、ノルウェーの統計家であるアンネシュ・ニコライ・ヒエルは層化抽出法の概念を導入した[27]。

1906年に、アーサー・リオン・ボウリー（英語版）は、社会統計学に従事しているときに、標本調査の新しい方法を導入した。

社会情勢の統計調査は、チャールス・ブースの “Life and Labour of the People in London” (1889-1903)、シーボーム・ラウントリーの “Poverty, A Study of Town Life” (1901) に端を発したが、中でも革新的なのは、ボウリーの無作為抽出による手法である。彼の功績は “New Survey of London Life and Labour” で最高潮に達した[28]。

第一の波

フランシス・ゴルトンは統計理論の創始の第一人者の一人として評価されている。

彼のこの分野の功績に、標準偏差、相関、回帰の概念の導入と、これらの手法を、人間の特徴（中でも、身長、体重、まつげの長さ）の多様性についての研究へ適用したことがある。彼は、これらの多くが正規分布曲線に従うことを発見した[29]。

1907年にゴルトンは、中央値の有用性についての論文をネイチャーに投稿した[30]。

彼は、農産物品評会での雄牛1頭の重さの推測値が 787ポンドとなっていることについての確度を検証した。実際の重さは 1208ポンドであり、中央値による推測は 1198 であった。その推測は正規分布から著しくかけ離れていた。

カール・ピアソンは数理統計学を創設した。

ゴルトンが1889年に出版した “Natural Inheritance” は、卓越した数学者であるカール・ピアソンの興味を引きつけた[31]。

当時ピアソンはユニヴァーシティ・カレッジ・ロンドンに勤めており、数理統計学の萌芽を見出していた[32]。

ピアソンは科学の法則に基づいた統計学の土台の必要性を強調し、それの研究を促進した。

新しい分析方法を行う彼の研究室は、ウィドニ・ユール（英語版）といった、世界中の学生を引き付けることとなった。彼の業績は生物学、疫学、人体測定学、医学、社会史といった分野を取り巻くまでに成長した。

1901年にゴルトンは、生物測定学を創始したウォルター・ウェルドンと共に、世界初の数理統計学と生物測定学の学術雑誌であるBiometrikaを創刊した。

ピアソンとゴルトンの業績は、今日よく使われている「古典的な」統計学の手法の多くを支えている。

それには積率として定義される（ピアソンの）相関係数が含まれている[33]。

分布を標本に適合させるためにモーメント法がある。

ピアソンの連続曲線系は、現在でいう、従来の連続確率分布の基礎を形作るものである。
カイ距離はマハラノビス距離の前身かつ特別な場合である[34]。

P値は、仮定した値を中心、chi distance を半径とする球体の補集合の確率測度として定義される[34]。

彼は ‘standard deviation’（標準偏差）という語も導入した。

彼はまた仮説検定の理論[34]、ピアソンのカイ二乗検定、主成分分析を確立した[35][36]。

1911年に彼は、ユニヴァーシティ・カレッジ・ロンドンに世界初の統計学科を創設した。
第二の波

数理統計学の第2の波は、ロナルド・フィッシャーによって切り拓かれた。

彼は2冊の教本を著した。

1つは1925年の『研究者のための統計的方法（英語版）』、もう1つは1935年の『実験計画法（英語版）』である。

それは世界中の大学の学問を定義した。

彼はまた、それまでの成果を体系化し、それらをきちんとした数学的基礎の上に置いた。
1918年、彼の影響力の大きな論文『メンデル遺伝の仮定における親族間の相関関係（英語版）』で、統計学用語としての “variance”（分散）を初めて用いた。

1919年に、彼はロザムステッド農業試験場（英語版）で、彼は長年広範囲にわたって記録されたデータ集の主要な研究を開始した。

これにより、包括した題である (“Studies in Crop Variation.”) 一連のレポートが作成された。1930年に彼は『自然淘汰の遺伝学説（英語版）』を著し、そこで進化生物学に統計学を適用した。

次の7年間で、彼は実験計画法（#実験計画法を参照）の原理を開発し、分散分析の研究を入念に進めた。

彼は小さい標本から推測する統計学を進めた。

さらに重要と考えられることは、彼は新しい統計手法を開発し始め、実際のデータ分析に体系的なアプローチを施したことである。

彼は釣り合い型の標本から分析するための計算アルゴリズムを開発した。

1925年、この業績により、彼の最初の著書である『研究者のための統計的方法』[37]が出版されることとなった。

この本は後年多くの版と翻訳を重ね、多くの分野の科学者にとっての標準的な参考書となった。この本は1935年の『実験計画法』に続くこととなり、広く用いられることとなった。

フィッシャーは分散分析に加えて、最尤推定法を名づけ促進した。

フィッシャーは十分統計量、補助統計量（英語版）、線形判別分析（英語版） (LDA)、フィッシャー情報量の概念も生み出した。

フィッシャーの論文 “On a distribution yielding the error functions of several well known statistics”（よく知られた統計集団の誤差関数を与える分布について、1924年）には、ピアソンのカイ二乗検定、正規分布と同じ構成での、ウィリアム・ゴセットのt分布、分散分析における、フィッシャーのz分布（英語版）（数十年後に、より一般化したF分布の形で用いられるようになる）の変数が示されている[38]。

5%有意水準は、1925年にフィッシャーによって導入されたようである[39]。

フィッシャーは、標準偏差の2倍を超える偏差は有意と見なせると述べた。以前は、標準誤差の3倍を超える確率偏差が有意であると考えられていた。対称分布の場合、確率誤差は四分位偏差に等しい。正規分布の場合、確率誤差は標準偏差の約
2/3である。フィッシャーの5%水準は以前の慣習に根ざしているようである。

この時点での他の重要な貢献には、ピアソンの積率相関係数を有用に拡張した、スピアマンの順位相関係数がある。

イギリスの統計家ウィリアム・ゴセットは、本名よりもペンネーム “Student”（スチューデント）としての方が知られている。彼は、標本が小さく、母標準偏差が未知の場合に有用な連続確率分布である、t分布を導入した。

第三の波

エゴン・ピアソンとイェジ・ネイマンは、第二種過誤、検出力（検定力）、信頼区間の概念を導入した。1934年にネイマンは、無作為層化抽出法は一般に、有意抽出法よりも良い推定方法であることを示した[40]。

実験計画法

この節の出典や参考文献は、一次資料や記事主題の関係者による情報源に頼っています。信頼できる第三者情報源とされる出典の追加が求められています。
出典検索?: “統計学の歴史” – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2012年2月）

ジェームズ・リンドは壊血病の治療法を見つけるために、1747年に初めて治験を実施した。

1747年に、HM Bark Salisbury（船）で外科医として勤務していたジェームズ・リンドは、壊血病の治療法を開発するために、よく管理された実験を行った[41]。

この研究では、彼の被験者の症例は「自分の症状と同じ位のを持っていた」つまり、彼は無関係な変動を減らすために入場要件を厳格にした。男性は組になり、系統誤差を減らすようにした（「ブロッキング」）。

現代の観点から大きく欠けているのは、治療する被験者をランダムに割り当てることである。

リンドは今日「一時一事」(“one-factor-at-a-time” (OFAT)) を実行した実験者としてしばしば説明される[42]。

one-factor-at-a-time (OFAT) の実験が同様に実施された例として、1840年代にロザムステッド農業試験場でのジョン・ローズ（英語版）による、小麦に最適な無機肥料の決定がある[42]。

統計的推測の理論は、チャールズ・サンダース・パースの『科学の論理の図解』（Illustrations of the Logic of Science、1877-1878）と『確率的推論の理論』（A Theory of Probable Inference、1883）によって開発された。

2つの著書では、無作為性に基づいた統計的推測重要性を強調している。

別の研究では、パースは盲検・反復測定デザイン（英語版）を適用して、ボランティアを無作為に割り当て、体重を識別する能力を評価した[43][44][45][46]。

パースの実験は心理学と教育学の他の研究者に大きく影響を与え、1800年代に、研究室や専門書で行われる無作為に行う実験での調査法を発展させた[43][44][45][46]。

パースはまた、1876年に回帰モデルの最適計画（英語版）についての最初の英語の本を出版した[47]。

多項式回帰の最適計画で先駆的なものは、1815年にジョゼフ・ディエズ・ジョルゴンヌ（英語版）が提示したものである[要出典]。

1918年にキアスティーネ・スミス（英語版）は、6次（以下の）多項式についての最適計画を発表した[48]。

計画における実験の繰り返しは、前の実験結果に依存しうり、実験を中止する可能性がある。

このことは、エイブラハム・ウォールドの論文 “sequential tests of statistical hypotheses”[49]の文脈で見出された[50]。

逐次計画（英語版）[51]や適応的デザイン（英語版）[52]は最適化が可能である。

逐次計画の具体的な型は「二腕バンディット問題」である（これは多腕バンディット問題に一般化される）。これの初期の功績は、1952年のハーバート・ロビンズ（英語版）によるものである[53]。

“Design of experiments”（DOE、実験計画法）という語は、ロナルド・フィッシャーの初期の統計学の研究に由来する。

アネシュ・ハル（英語版）はフィッシャーを「現代の統計科学の基礎をほぼ独力で創った天才」と評した[54]。

フィッシャーは実験計画法の原理を開始し、「分散分析」の研究に腐心した。

さらに重要と考えられることは、フィッシャーは新しい統計手法を開発し始め、実際のデータ分析に体系的なアプローチを施したことである。

彼は手作業で行われる必要な計算に伴う労力に特別の注意を払い、数学的厳密性に基づき実用的である手法を開発した。

1925年に、この業績は、彼の最初の著書『研究者のための統計的方法』で最高潮に達した[55]。

この本は後年多くの版と翻訳を重ね、多くの分野の科学者にとっての標準的な参考書となった[56]。

実験を設計するための方法論は、フィッシャーの著書『実験計画法』(1935) で提示され、これも標準的なものとなった[57][58][59][60]。

例として、彼は次の仮説を確かめる方法を述べた：

[ある女性が最初にカップに入れたのがミルクであるか紅茶であるかを、味だけで判断することができるか] これは取るに足らない適用のように聞こえるが、これは実験計画法の最も重要な考え方をよく説明することができる例となっている。詳細は紅茶の違いのわかる婦人を参照。

農学の進歩は、大都市の人口増加と農場の少なさの両立を可能にした。

しかし、成育するための地理や気候、ニーズが大きく異なることを作物学者が十分に考慮するためには、地域の生育条件を識別することが重要であった。

地域の作物実験を全国規模に外挿するために、作物の標本調査を経済的に母集団全体に拡張する必要があった。

統計的手法が進歩（主に、「一時一事」の実験に代わる、実験計画法の有効性）するに連れて、要因計画で代表的なものは、標本による結果から母集団全体の有意義な推測をすることを可能とした[要出典]。

しかし作物の標本をどのように抽出したかを知るのは困難である[要出典]。

要因計画法は、無作為な標本の変動とデータを収集する手順の中から推定し修正する方法を示した。

ベイズ統計学

ピエール＝シモン・ラプラスは、ベイズ統計学を初期に開発した主要人物である。

ベイズ統計学の「ベイズ」とは、トーマス・ベイズ (1702-1761) を指し示す。

ベイズは、事象列が確率収束しうることを示した。

しかし、現在ベイズの定理と呼ばれているものを（”principle VI” として）導入し、それを天体力学、医療統計学、信頼性、法学に適用したのはピエール＝シモン・ラプラス (1749-1827) である[61]。

彼の “principle of insufficient reason”（等確率の原理）によると、事前分布の知識について不十分であるときは、ラプラスは一様な事前分布を用いた[61][62]。

ラプラスは哲学的な理由でなく単純な数学として事前分布に一様性を仮定した[61]。

ラプラスはまた、原始的な共役事前分布（英語版）とベルンシュテイン-フォン・ミーゼスの定理を導入した[要出典]。

これによると、観測回数が増加するにつれて、事後分布は最初は事前分布と最初は異なっていても、最終的には一致する[63]。

このラプラスの等確率の原理による、事前分布を採用した初期のベイズ推定は「逆確率（英語版）」と呼ばれた（なぜなら、これは観測から確率変数値へ、結果から原因へと、逆向きに推測するからである[64]）。

1920年代以降、逆確率は、ロナルド・フィッシャー、イェジ・ネイマン、エゴン・ピアソンによって開発された一連の手法に大きく取って代わられた[要出典]。

彼らの手法は頻度主義統計学と呼ばれるようになった[64]。

フィッシャーはベイズの見解を否定し、「逆確率の理論は誤りに基づいており、完全に否定されるべきである」と記している[65]。

しかしながら、フィッシャーの事実に基づく確率へのアプローチがベイズの随筆に記されており、彼は晩年いたく敬意を表していた。

フィッシャーは依然、ラプラスの確率に対する見解は “fallacious rubbish”（誤ったごみ）であると主張した[65]。

ネイマンは「準ベイズ統計学」の研究を始め、その後信頼区間（頻度主義統計学での重要な手法）を開発した彼は次を述べている:

「ベイズ主義、事前分布を考慮に入れずに理論全体を構築した方が、より明解になる」[66]Bayesian という語は1950年頃に登場し、1960年代までに、頻度主義統計学に限界と不満を感じている者に好まれるようになった[64][67]。

20世紀にラプラスの発想はさらに2つの方向に発展し、ベイズ統計学の実践に「客観性」と「主観性」の流れをもたらした。

客観主義の流れでは、統計分析は想定されたモデルと分析されたデータのみを依りどころとする[68]。

そこでは主観的な判断をする必要はない。対照的に、「主観主義者」の統計家は、一般の場合における分析は完全に客観的であることの可能性を否定している。

ラプラスの発想のさらなる発展の中で、主観的な発想は客観主義者の立場より前からある。

「確率」は「命題における主観的な信念の度合い」として解釈されるべきである、という発想は、例えば、1920年代初期にジョン・メイナード・ケインズによって提唱されている[要出典]。

この発想はさらに、ブルーノ・デ・フィネッティ（イタリア、Fondamenti Logici del Ragionamento Probabilistico, 1930）、フランク・ラムゼイ（ケンブリッジ、The Foundations of Mathematics, 1931）に取り入れられた[69]。

このアプローチは、統計的確率についての問題点を解決するために考案された。

これはラプラスの客観的なアプローチより前のことであった[68]。主観的なベイズ統計学の手法は、1950年代に Leonard Jimmie Savage によってさらに発展し普及した[要出典]。

客観的なベイズ推定はさらにハロルド・ジェフリーズ（ケンブリッジ大学）によって発展した。

彼の独創的な著書『確率論』（Theory of probability）が1939年に最初に登場し、ベイズ確率の再興に重要な役割を果たした[70][71]。

1957年に、エドウィン・トンプソン・ジェインズ（英語版）は、事前分布を構成するために、最大エントロピーの概念を創始した。

これは、主に離散的な問題を客観的な手法で定式化するための重要な原理である。

1965年の、デニス・リンドリー（英語版）の全2巻の作品 “Introduction to Probability and Statistics from a Bayesian Viewpoint” はベイズ統計学の手法を大衆に広くもたらした。

1979年にホセ＝ミゲル・ベルナルド（英語版）は、客観的分析が一般の場合に適用することのできる[72]、参照事前分布分析（reference analysis）を導入した[68]。

他によく知られているベイズ確率の理論の支持者として、I・J・グッド（英語版）、バーナード・クープマン（英語版）、ハワード・ライファ（英語版）、ロバード・シュライファー（英語版）、アラン・チューリングがいる。

1980年代になって、ベイズ統計学の手法の研究と応用は劇的な成長を遂げた。

これは主として、計算問題（英語版）の多くを解決するマルコフ連鎖モンテカルロ法の発見と、複雑で規格外に対する応用への関心の高まりが挙げられる[73]。

ベイズ統計学の伸長にもかかわらず、ほとんどの学部教育では依然頻度主義統計学に準拠している[74]。

それにもかかわらず、ベイズ統計学の手法は広く受け入れられ、用いられている。

その例として、機械学習の分野がある[75]。

日本で実施された統計調査
→「統計 § 日本の統計史」も参照

日本においては、3世紀から4世紀（崇神天皇の時代）にかけて人口調査が行われたことが、『日本書紀』に記されている[3]。

大化の改新（645年）の頃になり班田収授法が発令、6年に一度全国的な戸籍調査が行われるようになった。

この人口調査は体系的であり、約360年間続いた[76]。

その後は、豊臣秀吉が1592年（天正20年）に人掃令を発令し、全国的な戸籍調査を行った。

これは、朝鮮出兵のための兵力把握のために、村ごとの家族構成などをまとめて提出させるための法令であった。

さらにその後、江戸幕府第8代将軍徳川吉宗の時代では、キリシタンを取り締まるために全国人口調査が行われた。

しかしこの調査では、武士など対象外の身分の人が多数存在したり、調査方法が統一されていなかったりと、正確なものではなかった。

明治時代になり、「国勢調査ニ関スル法律」が制定された。

第1回目の国勢調査が行われたのは、日露戦争や第一次世界大戦の影響もありかなり遅れ、1920年（大正9年）に実施された。

この後日本では、原則として5年に1度国勢調査が行われ、現在に至る。

重要な統計学者

キンディー
ブレーズ・パスカル
アブラーム・ド・モアブル
トーマス・ベイズ
ピエール＝シモン・ラプラス
カール・フリードリヒ・ガウス
アドルフ・ケトレー
フローレンス・ナイチンゲール
パフヌティ・チェビシェフ
フランシス・ゴルトン
トルバルド・ティエレ
チャールズ・サンダース・パース

フランシス・イシドロ・エッジワース
カール・ピアソン
アレクサンドル・リャプノフ
チャールズ・スピアマン
ウィリアム・ゴセット（ペンネーム “Student”）
ロナルド・フィッシャー
ウォルター・A・シューハート
プラサンタ・チャンドラ・マハラノビス
ハラルド・クラメール
イェジ・ネイマン
ガートルード・メアリー・コックス（英語版）
エイブラハム・ウォールド

アンドレイ・コルモゴロフ
ブルーノ・デ・フィネッティ
ジョン・テューキー
エーリヒ・レオ・リーマン（英語版）
アニル・クマール・ガイン（英語版）
ジョージ・E・P・ボックス（英語版）
チャールズ・スタイン（英語版）
カリャンプディ・ラダクリシュナ・ラオ
デイヴィッド・コックス
ブラッドリー・エフロン（英語版）

脚注および参照
[脚注の使い方]

^ Ball, Philip (2004). Critical Mass. Farrar, Straus and Giroux. p. 53. ISBN 978-0-374-53041-9
^ a b c 酒井弘憲「数式なしの統計のお話第2回　統計のルーツを探る」『ファルマシア』第50巻第4号、2014年、334–335頁、doi:10.14894/faruawpsj.50.4_334。
^ a b “意外に面白い！統計学を歴史から眺めてみよう！”. 数学・統計教室の和から株式会社 (2021年9月8日). 2022年11月29日閲覧。
^ a b c 奥積雅彦. “公文書で初めて統計の用語が登場したのはいつか？” (PDF). 国立国会図書館支部総務省統計図書館. 2022年11月29日閲覧。
^ Thucydides (1985). History of the Peloponnesian War. New York: Penguin Books, Ltd.. p. 204
^ Giovanni Villani. Encyclopædia Britannica. Encyclopædia Britannica 2006 Ultimate Referece Suite DVD. Retrieved on 2008-03-04.
^ Brian, Éric; Jaisson, Marie (2007). “Physico-Theology and Mathematics (1710-1794)”. The Descent of Human Sex Ratio at Birth. Springer Science & Business Media. pp. 1-25. ISBN 978-1-4020-6036-6
^ John Arbuthnot (1710). “An argument for Divine Providence, taken from the constant regularity observed in the births of both sexes”. Philosophical Transactions of the Royal Society of London 27 (325-336): 186-190. doi:10.1098/rstl.1710.0011.
^ a b Conover, W.J. (1999), “Chapter 3.4: The Sign Test”, Practical Nonparametric Statistics (Third ed.), Wiley, pp. 157-176, ISBN 978-0-471-16068-7
^ Sprent, P. (1989), Applied Nonparametric Statistical Methods (Second ed.), Chapman & Hall, ISBN 978-0-412-44980-2
^ Stephen Mack Stigler (1986). The History of Statistics: The Measurement of Uncertainty Before 1900. Harvard University Press. pp. 225-226. ISBN 978-0-67440341-3
^ Bellhouse, P. (2001), “John Arbuthnot”, in Statisticians of the Centuries by C.C. Heyde and E. Seneta, Springer, pp. 39-42, ISBN 978-0-387-95329-8
^ Hald, Anders (1998), “Chapter 4. Chance or Design: Tests of Significance”, A History of Mathematical Statistics from 1750 to 1930, Wiley, p. 65
^ Abraham de Moivre (1738) The doctrine of chances. Woodfall
^ P=S Laplace (1774). “Mémoire sur la probabilité des causes par les évènements”. Mémoires de l’Académie Royale des Sciences Présentés par Divers Savants 6: 621-656.
^ Wilson, Edwin Bidwell (1923) “First and second laws of error”, Journal of the American Statistical Association, 18 (143), 841-851 JSTOR 2965467
^ Havil J (2003) Gamma: Exploring Euler’s Constant. Princeton, NJ: Princeton University Press, p.157
^ Charles Sanders Peirce (1873) Theory of errors of observations. Report of the Superintendent US Coast Survey, Washington, Government Printing Office. Appendix no. 21: 200-224
^ P. S. Laplace (1781). “MEMOIRE SUR LES PROBABILITÉS”. Oeuvres completes 9: 227-332. 英語訳PDF
^ ウィキソースのロゴフランス語版ウィキソースに本記事に関連した原文があります：Page:Laplace_-_Œuvres_complètes,_Gauthier-Villars,_1878,_tome_9.djvu/395
^ William Gemmell Cochran (1978) “Laplace’s ratio estimators”. pp.3-10. In David H.A., (ed). Contributions to Survey Sampling and Applied Statistics: papers in honor of H. O. Hartley. Academic Press, New York ISBN 978-1483237930
^ John Maynard Keynes (1921) A treatise on probability. Pt II Ch XVII §5 (p 201)
^ Francis Galton (1881) Report of the Anthropometric Committee pp.245-260. Report of the 51st Meeting of the British Association for the Advancement of Science
^ Stigler (1986, Chapter 5: Quetelet’s Two Attempts)
^ Helen Mary Walker (1975). Studies in the history of statistical method. Arno Press. ISBN 9780405066283
^ (Stigler 1986, Chapter 9: The Next Generation: Edgeworth)
^ Bellhouse DR (1988) A brief history of random sampling methods. Handbook of statistics. Vol 6 pp.1-14 Elsevier
^ Bowley, AL (1906). “Address to the Economic Science and Statistics Section of the British Association for the Advancement of Science”. J R Stat Soc 69: 548-557. doi:10.2307/2339344. JSTOR 2339344.
^ Francis Galton (1877). “Typical laws of heredity”. Nature 15 (388): 492-553. doi:10.1038/015492a0.
^ Francis Galton (1907). “One Vote, One Value”. Nature 75 (1948): 414. doi:10.1038/075414a0.
^ Stigler (1986, Chapter 10: Pearson and Yule)
^ Varberg, Dale E. (1963). “The development of modern statistics”. The Mathematics Teacher 56 (4): 252-257. JSTOR 27956805.
^ Stephen Mack Stigler (1989). “Francis Galton’s Account of the Invention of Correlation”. Statistical Science 4 (2): 73-79. doi:10.1214/ss/1177012580.
^ a b c Karl Pearson (1900). “On the Criterion that a given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it can be reasonably supposed to have arisen from Random Sampling”. Philosophical Magazine. Series 5 50 (302): 157-175. doi:10.1080/14786440009463897.
^ Karl Pearson (1901). “On Lines and Planes of Closest Fit to Systems of Points is Space”. Philosophical Magazine. Series 6 2 (11): 559-572. doi:10.1080/14786440109462720.
^ I.T. Jolliffe (2002) Principal Component Analysis, 2nd ed. New York: Springer-Verlag.
^ Box, R.A. Fisher, pp.93-166
^ Agresti, Alan; David B. Hichcock (2005). “Bayesian Inference for Categorical Data Analysis”. Statistical Methods & Applications 14 (3): 298. doi:10.1007/s10260-005-0121-y.
^ R.A. Fisher (1925) Statistical methods for research workers, Edinburgh: Oliver & Boyd
^ Jerzy Neyman (1934) On the two different aspects of the representative method: The method of stratified sampling and the method of purposive selection. Journal of the Royal Statistical Society 97 (4) 557-625 JSTOR 2342192
^ Dunn, Peter (1997-01). “James Lind (1716-94) of Edinburgh and the treatment of scurvy”. Archives of Disease in Childhood: Fetal and Neonatal Edition 76 (1): 64-65. doi:10.1136/fn.76.1.F64. PMC 1720613. PMID 9059193.
^ a b Klaus Hinkelmann (2012). Design and Analysis of Experiments, Special Designs and Applications. John Wiley & Sons. p. xvii. ISBN 9780470530689
^ a b Charles Sanders Peirce, Joseph Jastrow (1885). “On Small Differences in Sensation”. Memoirs of the National Academy of Sciences 3: 73-83.
^ a b Ian Hacking (1988-09). “Telepathy: Origins of Randomization in Experimental Design”. Isis 79 (A Special Issue on Artifact and Experiment, number 3): 427-451. doi:10.1086/354775. JSTOR 234674. MR1013489.
^ a b Stephen Mack Stigler (1992-11). “A Historical View of Statistical Concepts in Psychology and Educational Research”. American Journal of Education 101 (1): 60-70. doi:10.1086/444032.
^ a b Trudy Dehue (1997-12). “Deception, Efficiency, and Random Groups: Psychology and the Gradual Origination of the Random Group Design”. Isis 88 (4): 653-673. doi:10.1086/383850. PMID 9519574.
^ C.S. Peirce (1876). “Note on the Theory of the Economy of Research”. Coast Survey Report: 197-201., actually published 1879, NOAA PDF Eprint.
Reprinted in Collected Papers 7, paragraphs 139-157, also in Writings 4, pp.72-78, and in Charles Sanders Peirce (1967年7-8月). “Note on the Theory of the Economy of Research”. Operations Research 15 (4): 643-648. doi:10.1287/opre.15.4.643. JSTOR 168276.
^ Smith, Kirstine (1918). “On the Standard Deviations of Adjusted and Interpolated Values of an Observed Polynomial Function and its Constants and the Guidance they give Towards a Proper Choice of the Distribution of Observations”. Biometrika 12 (1/2): 1-85. doi:10.2307/2331929. JSTOR 2331929.
^ Abraham Wald (1945) “Sequential Tests of Statistical Hypotheses”, Annals of Mathematical Statistics, 16 (2), 117-186.
^ Johnson, N.L. (1961). “Sequential analysis: a survey.” Journal of the Royal Statistical Society, Series A. Vol. 124 (3), 372-411. (pages 375-376)
^ Herman Chernoff (1972) Sequential Analysis and Optimal Design, SIAM Monograph. ISBN 978-0898710069
^ Zacks, S. (1996) “Adaptive Designs for Parametric Models”. In: Ghosh, S. and Rao, C. R., (Eds) (1996). “Design and Analysis of Experiments,” Handbook of Statistics, Volume 13. North-Holland. ISBN 0-444-82061-2. (pp.151-180)
^ Robbins, H. (1952). “Some Aspects of the Sequential Design of Experiments”. Bulletin of the American Mathematical Society 58 (5): 527-535. doi:10.1090/S0002-9904-1952-09620-8.
^ Hald, Anders (1998) A History of Mathematical Statistics. New York: Wiley. [要ページ番号]
^ Box, Joan Fisher (1978) R. A. Fisher: The Life of a Scientist, Wiley. ISBN 0-471-09300-9 (pp.93-166)
^ Edwards, A.W.F. (2005). “R. A. Fisher, Statistical Methods for Research Workers, 1925”. In Grattan-Guinness, Ivor. Landmark writings in Western mathematics 1640-1940. Amsterdam Boston: Elsevier. ISBN 9780444508713
^ Stanley, J. C. (1966). “The Influence of Fisher’s “The Design of Experiments” on Educational Research Thirty Years Later”. American Educational Research Journal 3 (3): 223-229. doi:10.3102/00028312003003223.
^ Box, JF (1980-02). “R. A. Fisher and the Design of Experiments, 1922-1926”. The American Statistician 34 (1): 1-7. doi:10.2307/2682986. JSTOR 2682986.
^ Frank Yates (1964-06). “Sir Ronald Fisher and the Design of Experiments”. Biometrics 20 (2): 307-321. doi:10.2307/2528399. JSTOR 2528399.
^ Stanley, Julian C. (1966). “The Influence of Fisher’s “The Design of Experiments” on Educational Research Thirty Years Later”. American Educational Research Journal 3 (3): 223-229. doi:10.3102/00028312003003223. JSTOR 1161806.
^ a b c Stigler (1986, Chapter 3: Inverse Probability)
^ Hald (1998)[要ページ番号]
^ Lucien Le Cam (1986) Asymptotic Methods in Statistical Decision Theory: pp.336, 618-621（von Mises と Bernstein）.
^ a b c Stephen. E. Fienberg, (2006) When did Bayesian Inference become “Bayesian”? Archived 2014-09-10 at the Wayback Machine. Bayesian Analysis, 1 (1), 1-40. See page 5.
^ a b Aldrich, A (2008). “R. A. Fisher on Bayes and Bayes’ Theorem”. Bayesian Analysis 3 (1): 161-170. doi:10.1214/08-ba306.
^ Jerzy Neyman (1977). “Frequentist probability and frequentist statistics”. Synthese 36 (1): 97-131. doi:10.1007/BF00485695.
^ Jeff Miller, “Earliest Known Uses of Some of the Words of Mathematics (B)” “The term Bayesian entered circulation around 1950. R. A. Fisher used it in the notes he wrote to accompany the papers in his Contributions to Mathematical Statistics (1950). Fisher thought Bayes’s argument was all but extinct for the only recent work to take it seriously was Harold Jeffreys’s Theory of Probability (1939). In 1951 L. J. Savage, reviewing Wald’s Statistical Decisions Functions, referred to “modern, or unBayesian, statistical theory” (“The Theory of Statistical Decision,” Journal of the American Statistical Association, 46, p.58.). Soon after, however, Savage changed from being an unBayesian to being a Bayesian.”
^ a b c José-Miguel Bernardo (2005). “Reference analysis”. Bayesian Thinking – Modeling and Computation. Handbook of Statistics. 25. pp. 17-90. doi:10.1016/S0169-7161(05)25002-2. ISBN 9780444515391
^ Donald A. Gillies (2000), Philosophical Theories of Probability. Routledge. ISBN 0-415-18276-X pp.50-1
^ E.T. Jaynes Probability Theory: The Logic of Science Cambridge University Press, (2003). ISBN 0-521-59271-2
^ O’Connor, John J.; Robertson, Edmund F., “統計学の歴史”, MacTutor History of Mathematics archive, University of St Andrews.
^ J.M. Bernardo, A.F.M. Smith (1994). “Bayesian Theory”. Chichester: Wiley.
^ Wolpert, RL (2004). “A conversation with James O. Berger”. Statistical Science 9: 205-218. doi:10.1214/088342304000000053. MR2082155.
^ Bernardo, J.M. (2006). “A Bayesian Mathematical Statistics Primer” (PDF). Proceedings of the Seventh International Conference on Teaching Statistics [CDROM]. Salvador (Bahia), Brazil: International Association for Statistical Education.
^ C.M. Bishop (2007) Pattern Recognition and Machine Learning. Springer ISBN 978-0387310732
^ 統計学の歴史〜古代ローマから現代まで〜 | AVILEN AI Trend 2020年4月14日、2022年6月26日閲覧。
参考文献
Freedman, D. (1999). “From association to causation: Some remarks on the history of statistics”. Statistical Science 14 (3): 243-258. doi:10.1214/ss/1009212409. (Revised version, 2002)
Anders Hald (2003). A History of Probability and Statistics and Their Applications before 1750. Hoboken, NJ: Wiley. ISBN 978-0-471-47129-5
Anders Hald (1998). A History of Mathematical Statistics from 1750 to 1930. New York: Wiley. ISBN 978-0-471-17912-2
Kotz, S., Johnson, N.L. (1992,1992,1997). Breakthroughs in Statistics, Vols I, II, III. Springer ISBN 0-387-94037-5, 0-387-94039-1, 0-387-94989-5
エゴン・ピアソン (1978). The History of Statistics in the 17th and 18th Centuries against the changing background of intellectual, scientific and religious thought（カール・ピアソンによる、ユニヴァーシティ・カレッジ・ロンドンの 1921-1933 の academic session での講義）. New York: MacMillan Publishing Co., Inc.. p. 744. ISBN 978-0-02-850120-8
David Salsburg (2001). The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century. ISBN 0-7167-4106-7
スティーブン・スティグラー (1986). The History of Statistics: The Measurement of Uncertainty before 1900. Belknap Press/Harvard University Press. ISBN 978-0-674-40341-3
スティーブン・スティグラー (1999) Statistics on the Table: The History of Statistical Concepts and Methods. ハーバード大学出版局。ISBN 0-674-83601-4
David, H.A. (1995). “First (?) Occurrence of Common Terms in Mathematical Statistics”. The American Statistician 49 (2): 121-133. doi:10.2307/2684625. JSTOR 2684625.
外部リンク

ウィキメディア・コモンズには、統計学の歴史に関連するカテゴリがあります。
JEHPS: Recent publications in the history of probability and statistics
Electronic Journ@l for History of Probability and Statistics/Journ@l Electronique d’Histoire des Probabilités et de la Statistique
Figures from the History of Probability and Statistics – サウサンプトン大学（イギリスの旗イギリス）
Materials for the History of Statistics – ヨーク大学（イギリスの旗イギリス）
Probability and Statistics on the Earliest Uses Pages – サウサンプトン大学（イギリスの旗イギリス）
Earliest Uses of Symbols in Probability and Statistics – Earliest Uses of Various Mathematical Symbols
表話編歴
統計学
カテゴリ: 科学史確率と統計分野別の科学史
最終更新 2024年10月19日 (土) 16:11 （日時は個人設定で未設定ならばUTC）。
テキストはクリエイティブ・コモンズ表示-継承ライセンスのもとで利用できます。追加の条件が適用される場合があります。詳細については利用規約を参照してください。』
生成AIとは？仕組みと種類、実現できること・活用事例を解説

1月 24, 2025

ＡＩ、関連, ＩＴ関連
生成AIとは？仕組みと種類、実現できること・活用事例を解説
https://aisuite.jp/column/generative-ai/#:~:text=%E3%80%8C%E7%94%9F%E6%88%90AI%E3%80%8D%E3%81%A8%E3%81%AF%E3%80%8CGenerative%20AI%EF%BC%88%E3%82%B8%E3%82%A7%E3%83%8D%E3%83%AC%E3%83%BC%E3%83%86%E3%82%A3%E3%83%96AI%EF%BC%89%E3%80%8D%E3%81%A8%E3%82%82%E5%91%BC%E3%81%B0%E3%82%8C%E3%80%81%E3%82%AA%E3%83%AA%E3%82%B8%E3%83%8A%E3%83%AB%E3%81%AE%E7%94%BB%E5%83%8F%E3%83%BB%E5%8B%95%E7%94%BB%E3%83%BB%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%83%BB%E6%98%A0%E5%83%8F%E3%81%AA%E3%81%A9%E5%A4%9A%E6%A7%98%E3%81%AA%E5%BD%A2%E5%BC%8F%E3%81%AE%E3%83%87%E3%83%BC%E3%82%BF%E3%82%92%E8%87%AA%E5%8B%95%E7%9A%84%E3%81%AB%E7%94%9F%E6%88%90%E3%81%99%E3%82%8B%E6%8A%80%E8%A1%93%E3%81%A7%E3%81%99%E3%80%82,%E4%BA%8B%E5%89%8D%E3%81%AB%E5%8F%8E%E9%9B%86%E3%83%BB%E5%88%86%E6%9E%90%E3%81%97%E3%81%9F%E8%86%A8%E5%A4%A7%E3%81%AA%E3%83%87%E3%83%BC%E3%82%BF%E3%82%92%E5%AD%A6%E7%BF%92%E3%81%97%E3%80%81%E6%96%B0%E3%81%9F%E3%81%AA%E3%82%B3%E3%83%B3%E3%83%86%E3%83%B3%E3%83%84%E3%82%92%E7%94%9F%E6%88%90%E3%81%A7%E3%81%8D%E3%82%8B%E3%81%93%E3%81%A8%E3%81%8C%E7%89%B9%E5%BE%B4%E3%81%A7%E3%81%99%E3%80%82%20%E8%BF%91%E5%B9%B4%E3%81%A7%E3%81%AF%E3%80%81%E3%81%93%E3%81%AE%E7%94%9F%E6%88%90AI%E3%81%8C%E4%B8%96%E7%95%8C%E4%B8%AD%E3%81%A7%E6%B3%A8%E7%9B%AE%E3%81%95%E3%82%8C%E3%81%A6%E3%81%8A%E3%82%8A%E3%80%81%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E7%94%9F%E6%88%90%E3%82%84%E7%94%BB%E5%83%8F%E7%94%9F%E6%88%90%E3%81%AA%E3%81%A9%E3%82%AF%E3%83%AA%E3%82%A8%E3%82%A4%E3%83%86%E3%82%A3%E3%83%96%E3%81%AA%E5%88%86%E9%87%8E%E3%81%A7%E6%B4%BB%E7%94%A8%E3%81%95%E3%82%8C%E5%A7%8B%E3%82%81%E3%81%A6%E3%81%84%E3%81%BE%E3%81%99%E3%80%82

『目次
生成AIとは？概要と仕組みを解説
生成AIの基本的な仕組み
従来のAIと生成AIの違い
識別系AIと生成AIの違い
生成AIの種類・実現できること
画像生成AI
動画生成AI
テキスト生成AI
音声生成AI
生成AIの活用事例
新たなアイデアの創出
画像や動画などの素材作成
ソースコードの生成やデバッグ
データ抽出や文字起こし
生成AIに活用されている生成モデル
VAE
GAN
GPT
生成AIをビジネスに活用しよう

近年では「生成AI」が大きな注目を集めています。生成AIとは、テキスト・画像・音声などを自動的に生成できる技術のことです。生成AIをビジネスに活用することで、業務効率化やアイデアの創出など、さまざまなメリットが得られることが期待されています。

しかし、生成AIが具体的にどのようなもので、どんな仕組みで動くかについてイメージしづらいという方もいらっしゃるのではないでしょうか。そこで本記事では、生成AIの概要や活用事例について具体例を交えながら解説します。
生成AIとは？概要と仕組みを解説

「生成AI」とは「Generative AI（ジェネレーティブAI）」とも呼ばれ、オリジナルの画像・動画・テキスト・映像など多様な形式のデータを自動的に生成する技術です。事前に収集・分析した膨大なデータを学習し、新たなコンテンツを生成できることが特徴です。
近年では、この生成AIが世界中で注目されており、テキスト生成や画像生成などクリエイティブな分野で活用され始めています。まずは生成AIの概要について、次の3つのポイントから解説します。
```
生成AIの基本的な仕組み
従来のAIと生成AIの違い
識別系AIと生成AIの違い
```
生成AIの基本的な仕組み

生成AIは、事前に蓄積した膨大なデータをもとに、ユーザーが求める新たなコンテンツを生成します。その背景には「ディープラーニング（深層学習）」という技術があります。ディープラーニングとは、膨大なデータから特有の傾向を抽出し、パターンや解決策などを蓄積していくためのものです。

私たち人間が新しいことを学ぶとき、書籍や動画などから情報を得て全体の傾向を認識します。それを繰り返すことで、知識をもとに新たなアイデアが生み出せるようになります。ディープラーニングも基本的には同じです。例えばテキスト生成AIの場合は、さまざまな文章をAIにインプットし、単語の意味やほかの単語とのつながりを認識させます。

こうしたディープラーニングを繰り返すことで、AIは自身で新たなテキストや画像を生成できるようになります。さらに、AIは学習を続けるため、AIの精度は使えば使うほど向上していくのです。

従来のAIと生成AIの違い

従来のAIと生成AIの違いは「クリエイティビティ（創造性）」です。つまり、従来のAIには新たなコンテンツを生成することはできませんが、生成AIにはそれが可能です。

従来のAIは、あくまで事前に学習したデータから可能性が高い結果を予測し、ユーザーに解決策を提示するだけでした。しかし生成AIはそこから発展し、ディープラーニングで学習したデータをもとに新たなコンテンツが生み出せます。例えばテキスト生成AIでは、ユーザーが指定した条件に合うようなキャッチコピーを作成することが可能です。

これまで創造は人間にしかできないものでした。しかし生成AIは人間の創造過程を模倣し、事前に学習させた範囲のことであれば、人間に近いクリエイティビティを発揮できるようになりました。

識別系AIと生成AIの違い

「識別系AI（Discriminative AI）」は、さまざまな問題に対する「答え」となる教師データをAIに学習させておき、ユーザーがインプットしたデータが正しいかどうかチェックする技術です。例えば、事前に顔写真を登録した人だけ認識してゲートを開くセキュリティシステムや、工場で製品の規格をチェックするカメラなどです。言い換えれば、識別系AIは「答え合わせ」の能力しか持たないということです。

一方で生成AIには、前述したような「新たなコンテンツを生み出す」能力があります。ユーザーの指示に応じて、テキストや画像などを生成できるのが生成AIです。
生成AIの種類・実現できること

生成AIには、大きく分けて次のような種類があります。それぞれ特化している分野が異なり、生成AIによって生成できるコンテンツの種類も変わります。
```
画像生成AI
動画生成AI
テキスト生成AI
音声生成AI
```
画像生成AI

「画像生成AI」は、ユーザーの指示に応じた画像を生成できます。例えば、「北欧の森のような風景画像」「昼寝している子猫の画像」などテキスト形式で指示することで、画像AIがイメージに合う画像を自動的に生成してくれるのです。

新たなデザインを自動生成できるため、デザイン業界などクリエイティブな分野での活用が期待されています。画像生成AIの代表的なサービスとして、「Stable Diffusion」や「Midjourney」などが挙げられます。
動画生成AI

画像生成AIの発展形が「動画生成AI」で、画像生成AI同様にテキストで指示することで、イメージに近い動画が生成できます。例えば「京都の街並み」と指定すれば、AIに蓄積されている京都の情報をもとに、京都の雰囲気に近い動画が生成されます。近年では、写真などの静止画を動画化してくれる生成AIもあります。

ただし動画生成AIはまだ発展途上であり、思いどおりの映像出力が難しいことが難点です。とはいえ2023年には「Gen-2」という動画生成AIが登場し、より高精度な動画の生成が可能となるなど着実に進化が続いています。長尺の動画を生成できるようになれば、映像業界での活用も広がるでしょう。
テキスト生成AI

「テキスト生成AI」は、ユーザーが入力した質問や指示に対して回答したり、テキストコンテンツを生成したりします。代表的なテキスト生成AIが、OpenAIの「ChatGPT」やGoogleの「Gemini（旧Bard）」です。ディープラーニングの活用により、回答の精度は向上し続けています。

例えば、ユーザーが分からないことをChatGPTに質問すれば、その答えが表示されます。さらに、キャッチコピーの作成やプログラミングのコード生成など、より高度な用途での活用範囲も広がっています。
音声生成AI

「音声生成AI」は、音声やテキストによる指示で新たな音声を生成します。例えば、特定の人物の音声データをAIに学習させると、その特徴を抽出して同じ声でまったく別の音声データを生成できます。ナレーション作成やアバターへの音声追加などに便利です。

実際に近年では、YouTube動画などで音声生成AIを活用したものが増えています。聞き取りやすいナレーションを短時間で挿入できるため、動画制作者の負担軽減などに役立ちます。音声生成AIの代表例が、Microsoftの「VALL-E」です。
生成AIの活用事例

生成AIには、画像生成AI・動画生成AI・テキスト生成AI・音声生成AIなどの種類があります。これらの生成AIには、次のような用途での活用事例があり、ビジネス現場での業務効率化などに役立っています。
```
新たなアイデアの創出
画像や動画などの素材作成
ソースコードの生成やデバッグ
データ抽出や文字起こし
```
新たなアイデアの創出

生成AIの活用により、新たなアイデアの創出をサポートできます。例えば、商品やサービスのキャッチコピーについて、ChatGPTにアイデアを求めるなどです。もちろん最初から完璧なものではありませんが、大まかなアイデア出しを生成AIに任せれば、あとは細かな修正を担当者が行うだけで良いので、業務効率を大幅に効率化できるでしょう。
画像や動画などの素材作成

画像生成AIや動画生成AIを活用すると、Webサイトなどに使用するコンテンツや素材を、ゼロコストでスムーズに作成できます。例えば、自社のマーケティング施策でLPを作成する場合、イラストレーターではなく画像生成AIにイラスト作成を任せれば、大幅なコストダウンが可能です。なお2023年12月末時点では、著作権を侵害しない範囲であれば、画像生成AIが生成したコンテンツは自由に使用できると考えられています。
ソースコードの生成やデバッグ

ChatGPTなどのテキスト生成AIには、プログラムのソースコードの生成や、簡易的なデバッグが行えるものもあります。さらに、ソースコードを張り付けて「間違っている部分」について質問すると、誤りを指摘してくれる場合もあります。プログラミングは「調査」に時間がかかることがあるので、ChatGPTで必要な情報を引き出せれば、コーディングやデバッグの効率化に役立つでしょう。

データ抽出や文字起こし

文章の要約や会議の文字起こしなどは、テキスト生成AIが特に得意とする分野です。膨大な文章の要約や長時間のミーティングの文字起こしには、多大な手間がかかるため業務効率低下の原因になります。AIに任せることで、担当者はよりクリエイティブな分野に集中し、生産性の向上に役立ちます。

また生成AIをチューニングすることで、自社に特化した生成AIも作れます。例えば社内の膨大なデータから必要なものにアクセスしたいとき、テキスト生成AIに質問して情報を抽出してもらうことが可能です。
生成AIに活用されている生成モデル

生成AIを形作っているのが、コンテンツを生み出すためのプログラムである「生成モデル」です。生成モデルの種類によって、対応できる分野や種類が変わります。代表的な生成モデルには、次のような種類があります。
```
VAE
GAN
GPT
```
VAE

「VAE（Variational Auto-Encoder）」は、主に画像生成AIに活用されています。「変分オートエンコーダー」というディープラーニング技術により、学習データから特徴を抽出し、類似するコンテンツを自動生成できるようになります。

例えば、あるイラストレーターの作品を学習させることで、あたかもその人が描いたようなイラストを生成できるようになります。ただし、著作権等の問題には注意が必要です。
GAN

「GAN（Generative Adversarial Networks）」もVAE同様に画像生成AIの一種ですが、より高度な画像を生成できます。GANは「Generator（生成器）」でランダムな画像を生成したうえで、「Discriminator（識別器）」により学習用の画像に近づけるための修正を繰り返します。

GPT

「GPT（Generative Pretrained Transformer）」はOpenAIが開発した自然言語処理モデルで、同社の「ChatGPT」に採用されています。2023年12月末時点で「GPT-4Turbo」が公開されており、違和感のない高精度なテキストが生成できるようになりました。文章の要約や新たなアイデアの創出など、幅広い分野で活用されています。

生成AIをビジネスに活用しよう

生成AIには、画像生成AI・動画生成AI・テキスト生成AI・音声生成AIなどの種類があり、ビジネスへの活用で業務効率化やコスト削減などが図れます。生成AIの利用時は、著作権や情報の真偽性、セキュリティリスクなどに注意しましょう。一方で生成AIを上手く活用することで、新たなアイデアの創出や業務効率化など、計り知れないメリットを得ることができます。

生成AIの台頭は、AI技術の新たなステージを引き上げています。従来のAIが持つ限定的な枠を超え、膨大なデータから学習し進化する生成AIは、未知の領域での活躍が期待されているのです。
』
NEC社長「業務へのAI導入始まる」　独自技術に期待

1月 24, 2025

ＡＩ、関連, ＩＴ関連, 国内、経済、関連, 国内、個別企業、関連, 国内情勢

NEC社長「業務へのAI導入始まる」　独自技術に期待
https://www.nikkei.com/article/DGXZQOGR22E9X0S5A120C2000000/

『2025年1月23日 3:38 [会員限定記事]

【ダボス（スイス東部）=湯前宗太郎】NECの森田隆之社長兼最高経営責任者（CEO）は日本経済新聞の取材に応じ、「2025年は業務への人工知能（AI）の導入が始まる年になる」との見解を述べた。自社開発した生成AIも展開する中、用途の広がりへの期待を強調した。

ダボスで開催中の世界経済フォーラム（WEF）の年次総会（ダボス会議）で22日、取材に応じた。

AIは今年もダボス会議の主要テーマのひとつだ。…

この記事は会員限定です。登録すると続きをお読みいただけます。』
クレカ情報7千件不正入手か、自作プログラムで違法収集疑い高校生逮捕

1月 22, 2025

ハッキング、関連, プログラミング、関連, マルウェア、関連, ＩＴ関連, 国内、犯罪、関連, 国内情勢

クレカ情報7千件不正入手か、自作プログラムで違法収集疑い高校生逮捕
https://www.sankei.com/article/20250121-23DX7HRF5RNVPJOQ5YFM5E3N4I/?utm_source=newsletter&utm_medium=morning&utm_campaign=20250122&utm_content=news

『2025/1/21 18:16
社会
事件・疑惑
Xでポストする
反応
Facebookでシェアする

リンクをコピーする
記事を保存
記事を保存

京都府警本部＝京都市上京区
京都府警本部＝京都市上京区

自作のプログラムを使って他人のクレジットカード情報を不正に入手したとして、京都府警などは21日、不正アクセス禁止法と割賦販売法違反容疑で、神奈川県伊勢原市の高校生の男子生徒（17）を逮捕した。「僕がやったことに間違いありません」と供述し、容疑を認めている。

府警は、男子生徒が同様の手段で約7千件のクレジットカード情報を収集していたとみて捜査を進める。

逮捕容疑は昨年7月～8月、クレジットカードの有効性を確認する自作のプログラムを使い、秘匿性の高い通信アプリ「テレグラム」上で、6人分のクレジットカード情報を不正に入手したなどとしている。

府警によると、男子生徒はテレグラム上で他人のクレジットカード情報を不正に取得する技術を競うチャットグループに所属していたという。』
消費者惑わすダークパターン　ウェブ上で認知の隙を突く

1月 20, 2025

精神・心理の操作、関連, 精神活動, ＩＴ関連

消費者惑わすダークパターン　ウェブ上で認知の隙を突く
3Graphics
https://www.nikkei.com/article/DGXZQOCD165HF0W4A211C2000000/

『2025年1月20日 5:00 [会員限定記事]
ウェブサイト上に散見される巧妙なデザイン「ダークパターン」が我々の判断を惑わせている。人間の直感的な思考システムを逆手に、不要な商品の購入やサブスクリプション（定額課金）サービスへの加入など、本来望まない選択を強いる。実態を知ることが自衛の近道となる。

英著名ウェブデザイナー、ハリー・ブリヌル氏が紹介する分類法によると、ダークパターンには7種類の典型的な型がある。例えば、商品の購入ページを開くと…

この記事は会員限定です。登録すると続きをお読みいただけます。』
JAXAサイバー攻撃、未知の欠陥突く　中国系が関与

1月 20, 2025

サイバー攻撃、関連, ＩＴ関連, 国内、ネットワーク、関連, 国内、犯罪、関連, 国内、文化活動、関連, 国内情勢, 日本の宇宙開発、関連, 日本の安全保障, 中国の戦略

JAXAサイバー攻撃、未知の欠陥突く　中国系が関与
https://www.nikkei.com/article/DGXZQOUE09CJD0Z00C25A1000000/

『2025年1月20日 11:00 [会員限定記事]

宇宙航空研究開発機構（JAXA）が2023年6月以降に受けたサイバー攻撃のうち、2回は通信機器に潜む未知の欠陥を悪用されたことが分かった。「ゼロデイ攻撃」と呼ばれ、防ぐことは実質不可能だ。警察庁は中国系ハッカー集団「MirrorFace（ミラーフェイス）」の関与を断定している。国家を背景とする攻撃の脅威が増している。

警察庁によるとミラーフェイスの狙いは、日本の先端技術や安全保障に関わる企業や団…

この記事は会員限定です。登録すると続きをお読みいただけます。』

『警察庁によるとミラーフェイスの狙いは、日本の先端技術や安全保障に関わる企業や団体が保有する機密情報を盗み取るサイバースパイ活動とみられる。19年以降に210件の攻撃が確認された。関係者によると、JAXAもその中に含まれる。』

『JAXAへの攻撃は4回、うち2回が「ゼロデイ」

JAXAは24年7月、複数回のサイバー攻撃を受け内部情報が流出したと公表した。関係者によると、攻撃は23年6月〜24年5月に計4回あった。いずれも外部のインターネットから内部に接続する通信機器の欠陥が悪用されたことが原因とみられる。

機器に欠陥が判明した場合、一般的にはメーカーや開発元が公表し修正プログラムを配布する。JAXAへの1回目の攻撃は欠陥の公表から2週間後で、修正プログラム適用の作業中に起きた。24年1月の2回目は公表からわずか数時間後だったとみられる。

脅威なのは3回目と4回目の攻撃だ。いずれも機器の欠陥が公表される約2週間前に侵入された痕跡が見つかった。』

『攻撃を受けたJAXAの通信機器はそれぞれ異なるメーカーの製品で、事業所ごとに分かれたネットワークに分散していた。欠陥がある機器を狙い撃ちし悪用する手法に対し、「ハッカーが事前にJAXAを調査していたとしか思えない」と関係者はいう。

JAXAは取材に対し、「24年7月に一連の状況や対応、見解を公表しており、その内容以上のことは申し上げられない」とコメントした。』

『技術力と資金力が不可欠

ゼロデイ攻撃について、NTTデータグループの新井悠氏は「未知の欠陥を見つけ出し、攻撃に悪用するためには高度な技術力と資金力、人的リソースが必要だ」という。

ゼロデイに関する情報は、ネットの闇市場で億単位の価格で取引される場合がある。新井氏は機器の現物を入手したハッカーが自前で解析し、ゼロデイ攻撃の仕組みを研究していることも考えられると指摘する。

カネ目当てで活動するハッカー集団であれば、膨大な手間と資金を必要とするこのような攻撃手法は採らないのが通例。ゼロデイを仕掛けていること自体が、ミラーフェイスが国家の支援を背景としている攻撃者グループと判断される根拠の一つになっている。

米グーグル傘下のセキュリティー部門マンディアントはサイバー攻撃に悪用された機器の欠陥について、23年に公表された138件を分析した。このうち7割にあたる97件は、修正策が公表される前に攻撃されていた。』