A vector carries many numbers. （ひとつのベクトルは、いくつもの数値を持つ）
⑧ AIの土台は、中学生の数学
AIの土台は数学です。そして、その入口は、中学で習う関数です。
AIには、いくつもの分野が重なっています。線形代数は、ことばや画像や音を、ベクトルや行列という数の形で表し、変換するための数学です。確率・統計は、「次に何が来そうか」「どの答えがどれくらいありそうか」を扱うための数学です。機械学習は、データを使って内部の重みを調整する方法。コンピュータサイエンスは、その膨大な計算を高速に動かすための技術。そして、何のためにAIを使うのかを決めるのは、人間の目的や社会の文脈です。
でも、入口は関数です。
関数とは、ある入力に対して、ひとつの出力を対応させるしくみです。x を入れると、y が出る。一次関数 y = ax + b では、入力 x が変わると、出力 y がどう変わるかを量として表します。x が入力、y が出力、a が変化のしかた、b が調整分です。
AIも、中学で習う、この関数の延長にあります。入力を受け取り、内部で変換し、出力を返します。ただし、AIに入る x は、ひとつの数ではありません。ことば、画像、音、文脈などです。。「dog」という単語ひとつをとっても、意味、使われ方、文脈、近いことば、感情の響きなど、たくさんの特徴を持っています。ひとつの数字では、とても表せません。
そこで必要となるのがベクトルです。
学校でベクトルというと、図形の矢印として登場しますね。向きと大きさを持つ矢印です。でも、ベクトルは矢印ではありません。矢印は、ベクトルを見えるようにした表し方のひとつです。ベクトルの本質は、多次元の量を扱うことです。ひとつの数では表せないものを、複数の数のまとまりとして表す。それがベクトルです。
AIは、ことばや画像や音を、このベクトルとして扱います。つまり、特徴のリストとして表します。たとえば、あることばを、意味、文脈、使われ方、近いことばとの関係などを含む、多次元の数のまとまりとして表します。これが、AIにおけるベクトルです。
そして、そのベクトルを別の形に変えるしくみが「行列」です。行列というと、日常では「人が列に並ぶこと」を思い浮かべるかもしれません。数学でいう行列 (matrix) は、数字を縦横表の形をした「変換機」です。ベクトルを入れると、別のベクトルに変換されて出てくる。
中学の一次関数では：
x → a をかける → y
でした。これが、AIでは：
特徴のリスト → 変換表で変える → 新しい特徴のリスト
になります。
この変換を一回ではなく、何層にも重ねます。これがニューラルネットワークです。すると、最初はただの文字の並びだったものが、文脈の手がかりになり、意味の関係になり、次に来ることばの予測につながっていきます。
中学の一次関数なら、ひとつの x に、ひとつの a をかけて y を出します。AIでは、x はひとつの数ではありません。ことばや画像や音を表す、数千、数万次元のベクトルです。そして、a もひとつの数ではありません。行列や重みと呼ばれる、大量の変換のしくみです。
AIに「AIって何？」と短く聞いた時でも、内部では大量の計算が走っています。入力文はトークンに分けられ、ベクトルに変えられ、何層もの変換を通ります。そして、次に来ることばの候補が確率で並べられ、その中からひとつが選ばれます。ひとつ選ばれるたびに、また次のことばを計算します。
現在のAIでは、重みづけ、つまり調整の数字が、数百億、数千億という規模になるものもあります。中学の一次関数とは、規模が違います。しかし、基本は同じです。入力があり、変換があり、出力がある。
AIは、中学で習う関数の考え方を、とてつもなく大きくしたものです。ベクトルで多次元の特徴を扱い、行列で変換し、確率と統計で次を予測し、機械学習で調整する。規模は違うけれど、原理は同じ線の上にあります。
Connect the dots. It becomes a system. （点をつなぐと、しくみに見える）
⑨ なぜ、AIは魔法の箱に見えるのか
AIは、入力→変換→出力のしくみです。中学で習う関数の考え方からつながっています。それでも、AIは魔法の箱のように見えてしまいます。
理由は、AIの知識がないからではありません。学んだことを、つなげて考える機会が少ないからです。
⚫︎ 関数は、x と y の話
⚫︎ ベクトルは、図形の矢印の話
⚫︎ 行列は、縦横の話
⚫︎ 確率は、サイコロやくじの話
⚫︎ 統計は、平均や偏差値の話
⚫︎ 学習は、テストや成績の話
それぞれは習っている。でも、バラバラのまま。一本の線でつながっていない。
⚪︎ 関数は、入力と出力
⚪︎ ベクトルは、多次元の量
⚪︎ 行列は、量の変換
⚪︎ 確率は、可能性と予測
⚪︎ 統計は、傾向とばらつき
⚪︎ 学習は、ズレの自己修正
これらを一本につなげたら、AIにたどり着きます。
入力を受け取り、多次元の量にし、行列で変換し、確率で次を予測し、統計で傾向とばらつきを見ながら、ズレを小さくするように自己修正していく。
AIは、学校で学んだ知識の断片が、ひとつのしくみとして組み合わさったものです。
そして、それは、あなたがふだんやっている練習やプラクティスとも似ています。入力し、変換し、出力し、ズレを小さくするように調整する。この基本の流れは、人間もAIも同じです。
じぶんのプラクティスとつなげて考えると、AIは外にある魔法の箱ではなくなります。入力、変換、出力、修正という流れを持ったしくみとして見えてきます。
「こうやって見たら、AIも違って見える！④ 原理がわかると、見え方が変わる」 へつづく
「こうやって見たら、AIも違って見える！② ことばの多次元空間」へもどる
出典・参照：共創 AI 英語 サイエンス＆アートラボ 2026、以下のエンパレットなど
共創AI と未知のじぶん：こうやって見たら、AIも違って見える
「入力→変換→出力」の原理 エンパレットシリーズ目次
こうやって見たら、AIも違って見える！❶ ことばの変換機
① 「書きことば」を出し入れする機械
② AIは、関数
③ ことばを、ベクトルに変える
こうやって見たら、AIも違って見える！❷ ことばの多次元空間
④ ことばの関係を計算する
⑤ 何を生成しているのか
⑥ 機械学習：自分で修正して、答えに近づく
⑦ 一般には強いが、個別は知らない
こうやって見たら、AIも違って見える！❸ 中学数学ですでに開いているAIの扉
⑧ AIの土台は、中学生の数学
⑨ なぜ、AIは魔法の箱に見えるのか
こうやって見たら、AIも違って見える！❹ 原理がわかると、見え方が変わる
⑩ 原理はある。でも、全過程は追いきれない
⑪ まとめ：AIは代わりに生きてはくれない
こうやって見たら、AIも違って見える！❺ じぶんとつなげる共創AI
補足A：共創AIは、あなたのデータから始まる
補足B：偶然出会ったことばが、あなたのふるまいになるまで
補足C： AIの先人