技術テーマ / Theme
生成AI
入力を理解し、新しいかたちにする。
生成AIは、テキスト・画像・音声・状況理解などをもとに、新しい内容や仮想的な出力を生成するAI技術群です。
AIエージェントが目標に向けて計画・実行する仕組みに焦点を当てるのに対し、生成AIでは新しい文章、画像、音声、会話、仮想環境を作る能力に焦点を当てます。
情報基準日
- 入力理解意図や状況を読む / テキスト・画像・音声
- 生成新しい内容を作る / 会話・画像・世界モデル
- 評価・出力確かめて届ける / 来歴・安全性
01 なぜ今
なぜ、いま生成AIを見るのか
生成AIは、文章だけでなく画像、音声、会話、仮想環境へ広がっています。入力を複数の形式で理解し、出力を評価しながら届ける設計が、創作、説明、試作、対話の入口になります。
- マルチモーダルAIにより、テキスト、画像、音声、文脈を横断した生成が扱いやすくなっている
- 世界モデルや生成エージェントが、仮想的な状況や行動の候補を作る入口になる
- 生成物の来歴や真正性を示す仕組みが、安心して使うための前提として重要になっている
02 外部シグナルと見方
外部シグナルと、みらいといまの見方
MIRAIMA VIEW
みらいといまでは、生成AIを「入力を読む」「新しい内容を作る」「評価して出す」ための技術束として扱います。
マルチモーダル生成AIの研究公開
画像、音声、対話などの生成AI研究が継続的に公開され、入力理解から生成出力までの応用領域が広がっている。
OpenAI Research対話的な世界モデルGenie 3
Google DeepMindが、テキスト指示からリアルタイムで操作できる環境を生成する世界モデルGenie 3を発表した。
Google DeepMind生成AIの組織導入と利用拡大
AI Index 2026は、生成AIが企業導入と一般利用の拡大を牽引していると整理している。
Stanford HAI03 技術マップ
生成AIを構成する技術
生成AIは、入力理解、内容生成、対話、出力の信頼性がつながって成立します。
入力を理解する
テキスト、画像、音声、会話の文脈をまとめて読み取り、生成の条件を作ります。
新しい内容を作る
仮想環境、行動の候補、音声出力などを生成し、人の想像や試作を助けます。
出力を確かめる
生成物の来歴や真正性を示し、誤解やなりすましを減らす補助になります。
04 現在地
関連技術の現在地
マルチモーダルAI
マルチモーダルAIとは、文章、画像、音声、動画など異なる形式の情報を対応付けながら共同で理解・生成するAI技術です。文章だけの生成AIや単純なセンサーデータ結合とは別で、入力間の関係を保った解釈と出力が中心になります。
- TRL
- 9
- 社会実装
- 商用利用
世界モデル
世界モデルとは、観測と行動から環境の状態変化や将来を内部表現として学び、次の状態や映像、センサー出力などを予測・生成するモデル群です。デジタルツインのように実在対象と継続同期する概念とは異なり、学習した遷移を使ってシミュレーションや訓練に活用する点が中心です。
- TRL
- 6
- 社会実装
- 限定導入
生成AIエージェント
生成AIエージェントとは、言語モデルを基盤に記憶、計画、内省、対話、外部ツール利用を組み合わせ、継続的に行動するソフトウェア技術です。単発の文章生成とは異なり、状況を引き継ぎながら判断や実行を続ける構成が中心ですが、権限管理や評価可能性が重要です。
- TRL
- 未設定
- 社会実装
- 限定導入
対話AI
対話AIとは、人の発話や文章を複数ターンで受け取り、対話履歴や外部情報を踏まえて応答を返す技術です。音声認識や音声合成を含むことはありますが、中核は発話理解、対話状態管理、応答生成にあります。
- TRL
- 9
- 社会実装
- 商用利用
音声合成
音声合成とは、文章や音素列などを入力に、人が聞き取れる音声波形を生成する技術です。読み上げや対話インターフェースで広く使われますが、話者の同意やなりすまし対策など運用面の管理も欠かせません。
- TRL
- 未設定
- 社会実装
- 広く実用化
コンテンツ真正性証明
コンテンツ真正性証明とは、画像や動画、音声、文書に作成者、使用機器、編集履歴、署名などの来歴情報を結び付け、出所と変更履歴を検証可能にする技術です。来歴の有無は確認できますが、内容そのものが真実かどうかを保証する技術ではありません。
- TRL
- 未設定
- 社会実装
- 限定導入
05 現場での進展
現実世界では、どこで進んでいる？
シナリオ生成
目的や条件を入力し、物語、説明、試作案、会話のたたき台を作ります。
マルチモーダル制作
テキスト、画像、音声を組み合わせ、表現や説明を別の形式へ変換します。
仮想状況の生成
世界モデルを使い、まだ起きていない状況や選択肢を試す入口を作ります。
会話型出力
質問や文脈に応じて、説明、要約、提案を会話として返します。
生成物の来歴
生成された画像や音声について、作成元や編集履歴を確認しやすくします。
06 未来道具との接続
この技術で近づく未来道具
シナリオライター
総合実現スコア 41
書いたシナリオに沿って周囲の人々が行動するライター。
もしもボックス
総合実現スコア 42
電話で「もしも〜なら」と条件を伝えると、その仮定が現実になった世界を体験できる箱型装置。
ユクスエカメラ
総合実現スコア 41
撮影した対象の「その後」を予測し、未来の一場面として写真にして出すカメラ。
ソノウソホント
総合実現スコア 38
口につけてうそを言うと、その発言内容が現実になる道具。
トリセツ・メーカー
総合実現スコア 71
物や人をスキャンすると、その対象の取扱説明書を生成する機械。
モノモース
総合実現スコア 58
物に吹きかけると、その物が会話できるようになるスプレー型のひみつ道具。
関連組織
関連課題
07 次に越える壁
次に越える壁
08 よくある疑問
よくある疑問
生成AIとは何ですか？
生成AIは、テキスト、画像、音声などの入力をもとに、新しい内容や表現を生成するAI技術の総称です。このThemeでは、マルチモーダルAI、世界モデル、会話AI、音声生成などを横断して扱います。
生成AIとAIエージェントは何が違いますか？
生成AIは新しい文章、画像、音声、仮想状況などを作る技術に焦点を当てます。AIエージェントは、目標に向けて計画し、道具を使い、行動する仕組みに焦点を当てます。
生成AIではどの技術が重要ですか？
マルチモーダルAI、世界モデル、生成エージェント、会話AI、音声合成、生成物の来歴を示す技術が重要です。
みらいといまではどの情報を根拠に表示していますか？
技術、未来道具、組織、課題の既存データをIDで参照し、Theme側には生成AIとしての意味づけだけを保持します。