AI初心者ガイド｜ゼロから始めるAI入門

テキストを打つだけで声つきの動画が数十秒で生まれる——少し前ならSFだった体験が2026年には現実に。しかも状況は恐ろしく速く変化し、話題を独占していたOpenAI Soraはアプリ/Webが2026年4月に終了（APIも2026年9月24日に終了）、代わりにGoogle Veo・Kling・Runwayが主役へ。本記事は特定ツールに偏らないAI動画生成の始め方の最新版（2026年6月時点）として、何ができるか（言葉や画像から数秒〜数十秒の動画を生成、音声同期・1080p〜4K・image-to-videoが当たり前に）、2026年の勢力図（Sora終了の経緯＝計算資源やコスト圧迫・利用者減と報道、現在の主役Google Veo 3.1/Kling 3.0/Runway Gen-4.5の強みとアクセス、秒課金が主流）、仕組み（拡散モデルを時間方向に拡張、text-to-videoとimage-to-video）、どのツールでも共通の始め方5ステップ（ツール選び→プロンプト/画像→尺・比率・音→生成して選ぶ→編集でつなぐ）、核心となる動画プロンプトのコツ（被写体＋動き＋カメラワーク＋画風＋尺/比率＋音声、動詞とカメラが鍵、1カット1アクション・image-to-video活用・数を回す）、できること/まだ苦手なこと（長尺一発や完全な一貫性は不得手、秒課金でコスト嵩む）、そして権利・ウォーターマーク・倫理（SynthIDなどの電子透かしが標準化し多くのプランで除去不可、来歴規格C2PAも普及、純AI生成は著作権弱く国差あり、商用は規約次第、実在人物のディープフェイクは厳禁）までを初心者向けに整理する。長尺を一発で狙わずカットを作って編集でつなぐのが王道。変化が速い分野ゆえ最新は必ず公式で確認を。

「絵心がないから無理」——AI画像生成へのその先入観は逆だ。言葉で指示するだけで、数十秒後にはプロ級のビジュアルが手に入る。本記事は特定ツールに偏らない横断ガイドとして、AI画像生成とは何か（言葉でゼロから画像を作る、描く技術でなく伝える技術＝プロンプトの画像版）、仕組み（拡散モデル＝ランダムなノイズからプロンプトを手がかりに絵を彫り出す。毎回ゼロから描くので結果がゆらぐ）、どのツールでも共通の始め方4ステップ（ツールを選ぶ→プロンプトを書く→生成して選ぶ→改善・仕上げ、反復が前提）、核心となる画像プロンプトの6部品（被写体・情景/背景・画風・光や色・構図/視点・技術指定）＋ネガティブプロンプトとアスペクト比、ただし除外・縦横比・画像内の文字の書き方はツールごとに違う（Midjourneyは--no、Googleは肯定形の描写、Stability AIのAPIはnegative_promptなど各社の公式ドキュメントで確認）こと、使いこなしのコツ7選（数を回す・少しずつ足す・参照画像・インペイント・シード固定・高解像度化・良い呪文を保存）、AIが苦手なこと（手指・文字・一貫性・細かい正確さ）と回避策、そして仕事で使うなら必須の権利・商用・倫理（米国著作権局の見解や、2026年に連邦最高裁が上告を受理せず確定したThaler事件のとおり純AI生成物は著作権で保護されにくく国差あり／商用可否はツール規約次第／ディープフェイクや作風の無断模倣は厳禁、OpenAIが画像にC2PAの来歴情報とSynthIDの透かしを両方付けるなど明示の流れ）までを初心者向けに整理。どのツールを選ぶか・個別の使い方は比較記事とMidjourney・Stable Diffusionの記事へ案内する。型を知り数を回し少しずつ言葉を足す——この3つで誰でも狙った一枚に近づける。

2025年6月、OpenAIのサム・アルトマン氏は「私たちはすでに事象の地平線を越えた、離陸は始まっている」とブログに記した（「The Gentle Singularity」）。一方で「来ない」と切り捨てる研究者もいる。本記事は初心者向けに、シンギュラリティ（技術的特異点）とは「AIが人間の知能を超え、自分で自分を改良し始めた結果、技術の進歩が爆発的に速くなり、その先が予測も制御もできなくなる転換点」であること（2026年時点では未実現の仮説）を起点に、心臓部である知能爆発＝再帰的自己改善のループ（賢いAIがもっと賢いAIを作り、改良する主体が人間からAIに変わるのがカギ）、AGI・ASIとの違い（AGI/ASIは"賢さの状態"、シンギュラリティは"予測不能になる出来事"。AGI→自己改善→ASIへの急変＝特異点）、言葉の歴史（1965年I.J.グッドの「知能爆発」→1993年ヴィンジが命名を普及→カーツワイルが2045年で大衆化）、実現時期の予測のばらつき（カーツワイル2045年、アルトマン「もう始まった」、ヴィンジ、懐疑派マーカスや故ポール・アレンの「複雑性のブレーキ」）、急激なハード・テイクオフ対緩やかなソフト・テイクオフ、起きたときの期待（難病・科学の飛躍）とリスク（制御不能・アラインメント問題）、根強い懐疑論（複雑性のブレーキ・物理的限界・そもそも別物）、そして「ロボットの支配」「AGIが来たら即」「2045年に確定」などよくある誤解までをやさしく整理する。過剰に怖がらず夢も見すぎず、今あるAIを使いこなしながら次を冷静に見据えるのが賢い構えだ。

「AGI」は会社によって意味が違う。OpenAIの憲章は「経済的に価値のある仕事の大半で人間を上回る、高度に自律したシステム」、Google DeepMindの研究者は熟練者と比べた段階で測る「Levels of AGI」、Anthropicのダリオ・アモデイCEOはAGIを不正確な言葉として避けて「powerful AI」と呼ぶ。本記事は初心者向けに、AGIとは人間のように分野を問わず自分で学んで解決できる万能型AIであること（2026年時点で到達したと広く認められたシステムはない）を起点に、いまの特化型AIとの違い、各社の定義の原文、DeepMindがChatGPTを最初の段階「Emerging AGI」に数えていること、特化型AI→AGI→ASIの関係、実現時期の発言（アモデイ氏「早ければ2026年」、ハサビス氏「今後5〜10年」、研究者調査では50%が2047年、懐疑派マーカス氏の賭け）を日付と出典つきで並べ、予測の差の多くが定義の差であることを示す。期待とリスク、よくある誤解まで整理する。

「AIエージェントとは」は分かった、では自分で作るには？2026年のいま、ノーコードならドラッグ&ドロップで午後のうちに1体動かせ、コードでも最近のSDKなら100行未満で実用的なものが組める。本記事は「AIエージェントとは」の記事の実践編として、まずエージェントの中身（頭脳LLM＋指示＋ツール＋記憶＋自律ループの5部品）を押さえ、ノーコード vs コードの2つの道、ツールが何であれ共通の作り方5ステップ（①課題を絞る→②基盤を選ぶ→③指示を書く→④ツールを繋ぐ→⑤小さくテスト）、ノーコードツール比較（総合のDify、業務連携のn8n、試作のFlowise、最も手軽なCustom GPT/Gemini Gems/Claude Projects）、コードフレームワーク比較（堅実のClaude Agent SDK/OpenAI Agents SDK、複雑制御のLangGraph、役割協調のCrewAI）、問い合わせ要約→Slack通知の具体的な作例、コスト（基盤月$20〜$60＋モデル利用料）と期間の目安、スコープを欲張らない・権限と暴走対策・PoC止まり注意などのつまずきどころまでを実践的に解説。大半の人はまずノーコードで1体作るのが正解。

「ChatGPT・Claude・Gemini、結局どれを契約すればいい？」——2026年のいま、3つとも月20ドル前後でどれも一流だから「これが一番」という単一の答えはない。問いは「どれが最強か」ではなく「あなたの用途でどれが最適か」だ。本記事は各所で一致した評価をもとに、3社の基本（提供元・主要モデル系統・無料/標準/上位プランの料金）、キャラの違い（Claude=文章/分析/コードの職人肌、ChatGPT=万能・エコシステム・画像/音声、Gemini=マルチモーダル・超長文・Google連携）、用途別おすすめ詳細表（文章/コード/汎用/画像生成/音声/画像PDF動画理解/超長文/Google連携/リサーチ/日本語）、使う量で決める料金プランの選び方、そして「1つに絞れないときの賢い併用（主軸1社＋苦手を補う1社）」までを整理。順位は数か月で入れ替わるので固定の最強を探すより用途で使い分け、無料枠で自分のタスクに当てて実測するのが正解、と締める。

AEO（Answer Engine Optimization）は、強調スニペット・AI Overviews・ChatGPTの検索・Perplexityなど、答えを直接返す検索で答えの出どころに選ばれるための最適化です。Googleは2026年のガイドで「AEO・GEOもSEO」と書き、FAQの構造化データの終了や、文章の細切れ・llms.txtが不要なことを示しました。答えを返す5つの場所の決まりと、よく勧められる施策の判定表、公式に取れる測り方をまとめます。

2026年7月24日、Midjourneyの既定モデルがV8.2に切り替わった。V8.1で標準生成が約4〜5倍速になり、--hdで2Kを直接生成できるようになったうえ、8月にはOmni Referenceを置き換えるEdit Model（参照画像は最大4枚）も登場。Web（midjourney.com）とDiscordのどちらでも使える。本記事ではプラン選び（Basic $10/Standard $30/Pro $60/Mega $120、初心者はStandard推奨）、Fast/Relax使い分け、5層プロンプト構造（Subject→Environment→Style→Lighting→Technical）、必須パラメータ7選（--ar/--stylize/--chaos/--hd/--raw/--seed/--no）、参照画像4機能（--sref雰囲気/Edit Modelキャラ/Moodboards/Personalization）、3つの落とし穴（文字描画/公開が既定・年商100万ドル超はPro以上/APIなし）まで網羅。「綺麗な絵を最小手順で」需要への最適解はいまもMJ。

2022年8月、Stability AIが画像生成モデルの重みファイルを公開した瞬間、画像AIは「クラウドの向こうの何か」から「自分のPCで動くソフトウェア」に変わった。本記事ではStable Diffusionの仕組み（拡散モデル）、バージョン系譜（SD1.5/SDXL/SD3.5+FLUX）、ローカル実行のリアル（VRAM別現実）、ライセンス（SD3騒動からCommunity License $1M条件まで）、Civitai/LoRA/ComfyUI/A1111/ControlNetのエコシステム、Midjourneyとの使い分けを徹底解説。最後に著作権・NSFW・モデル互換性の3つの落とし穴も整理。「Midjourneyでいい人」と「SDが必要な人」の見分け方が分かる。

AIに聞いたら、その場でGoogle検索の最新情報を踏まえて答えてくれて、しかもGmail・ドキュメント・YouTubeとも地続き——これがGoogle Geminiの世界だ。Google Geminiとは、Googleが開発した対話型AI（および背後のAIモデル群）。スマホアプリ・Web・Google Workspace・Androidに広く組み込まれ、テキスト・画像・音声・動画を扱うマルチモーダル。モデルは「速くて安いFlash系」と「賢いPro系」の2系統で考えればよく、具体的な版は世代ごとに入れ替わる。料金は無料からPlus $4.99/Pro $19.99/Ultra $99.99〜$199.99（2026年9月時点・米国）。本記事ではモデルの全体像、Deep Research/Gems/Canvas/Live等の機能、3つの強み(Google連携・長い文脈・マルチモーダル)、ChatGPT・Claudeとの違い、向く人と始め方までを2026年9月時点の情報で整理する。

CSVをチャット欄にドラッグして「売上の傾向を分析してグラフにして」と打つだけで、AIが裏でPythonを書いて実行し、グラフと分析コメントまで返す——2026年のデータ分析はここまで来た。AIでデータ分析とは、自然言語で指示するだけでAIが集計・可視化・統計・要因分析を代行してくれる手法。やり方は3つ——①チャットにファイル投入(ChatGPT・Claude)、②Excel/Sheets統合(Copilot・Claude for Excel)、③専用ツール(Julius)。本記事では3アプローチ、主要ツール比較、目的→データ説明→小さく聞く→検証→文脈で解釈の5ステップ、そして最重要の落とし穴(数字の捏造・欠損の黙殺・相関と因果の混同・機密データ流出・生データ上書き)、向く分析・向かない分析までを整理する。AIは「ツールの壁」を取り払ったが「解釈の壁」は人間に残した——便利さと検証をセットにできる人だけが使いこなせる。

2021年に「賢いコード補完」として登場したGitHub Copilotは、2026年には別物になった。GitHubのIssueを1つ割り当てて放っておくと、AIが裏でコードを書きテストを通しプルリクエスト(PR)を作って戻ってくる——Copilot cloud agent(旧称coding agent)だ。GitHub Copilotとは、GitHub(Microsoft傘下)が提供するAIコーディング支援サービスで、補完・チャット・エージェントの3つの使い方がある。最大の特徴はVS Code・JetBrains等の既存エディタに拡張機能として入ること——普段のエディタを変えずにAIを足せる。本記事ではCopilotで何ができるか、2026年の主役であるエージェントモードとcloud agent、無料/Pro $10/Pro+ $39/Max $100の料金と2026年6月からの従量課金(AIクレジット)化、Cursor・Claude Codeとの違い、向く人・向かない人、始め方までを最新情報で整理する。