--- title: "学習 とは？AIにデータを読ませて賢くする工程。 | AI用語集 - ai-garage" description: "学習（Training）を初心者向けにやさしく解説。AIにデータを読ませて賢くする工程。 学習とは、大量のデータを読ませてモデル内部のパラメータ（重み）を調整し、正しい答えを出せるようAIを育てる工程" source: https://ai-garage.jp/glossary/training/ --- 基本 # 学習とは？ 最終更新 2026年7月6日 別名: Training / 訓練 AIにデータを読ませて賢くする工程。 ⚡ 30秒でわかる ## 学習 の主なポイント - 1 学習とは、大量のデータを読ませてモデル内部のパラメータ（重み）を調整し、正しい答えを出せるようAIを育てる工程 - 2 AIが知識や判断のクセを身につけるのは学習の段階だけで、ここで賢さの土台が決まる - 3 大量のGPUと電力を使う最もコストの高い工程で、完成後に実際に使う工程は「推論」と呼ばれ別物 - 4 ゼロからの最初の学習を「事前学習」、追加で用途に合わせる学習を「ファインチューニング」と呼ぶ - 5 パラメータを書き換える点で、モデルを変えずに工夫するプロンプトやRAGとは性質が異なる 📖 詳しく ## 学習 とは 学習（トレーニング）とは、AIに大量のデータを読み込ませて、モデル内部の無数の数値（[パラメータ](https://ai-garage.jp/glossary/parameter/)＝重み）を少しずつ調整し、正しい答えを出せるように育てていく工程のことです。 AIが知識や判断のクセを身につけるのはこの段階だけで、ここで賢さの土台が決まるため、AI開発のなかでも最も時間とコスト（大量の[GPU](https://ai-garage.jp/glossary/gpu/)と電力）がかかる中心的な工程です。 仕組みとしては、AIに問題を解かせて「正解とのズレ（誤差）」を測り、そのズレが小さくなる方向へパラメータをほんの少し動かす――これを何十億回も繰り返します。漢字ドリルを何度も解いて少しずつ正答率を上げる作業に近いイメージです。 学習が終わって完成したAIに、実際に質問して答えさせる工程は「推論」と呼ばれ、ふだん私たちがChatGPTを使う行為はほぼすべて推論にあたります。学習は“勉強する側”、推論は“勉強した知識を使う側”と覚えると分かりやすいです。 ゼロから大量データで行う最初の学習は特に「事前学習」と呼び、そこに自社データで追加の学習を重ねて用途を合わせ込むのが「[ファインチューニング](https://ai-garage.jp/glossary/fine-tuning/)」です。どちらもパラメータを書き換える点で、モデル本体は変えずに指示や外部データで工夫する[プロンプト](https://ai-garage.jp/glossary/prompt/)やRAGとは性質が異なります。 ❓ FAQ ## よくある質問 Q. 学習（トレーニング）とは何ですか？ A. AIに大量のデータを読み込ませて、モデル内部の無数の数値（パラメータ＝重み）を少しずつ調整し、正しい答えを出せるように育てていく工程のことです。AIに問題を解かせて正解とのズレを測り、そのズレが小さくなる方向へパラメータを動かす作業を何十億回も繰り返します。AIが知識や判断力を身につけるのはこの段階で、ここで賢さの土台が決まります。 Q. 学習と推論は何が違うの？ A. 学習はデータを読んでモデルを賢く「育てる」工程で、推論は育て終わったモデルに質問して答えを「出させる」工程です。学習は時間もコストも非常に大きい一方、推論は1回ごとの計算で済みます。勉強する側が学習、勉強した知識を使う側が推論、とイメージすると分かりやすいです。 Q. 事前学習とファインチューニングはどちらも学習ですか？ A. はい、どちらもパラメータを書き換える「学習」の一種です。ゼロから大量データで行う最初の大規模な学習を「事前学習」と呼び、そこに自社データなどで追加の学習を重ねて用途や口調に合わせ込むのが「ファインチューニング」です。まず汎用的な土台を作り、その上に目的別の味付けをする二段構えになっています。 Q. 初心者が学習について知っておくべき注意点は？ A. 大規模モデルをゼロから学習するには莫大なGPUと費用がかかるため、個人や一般企業が自前で行うことはまずなく、公開済みの学習済みモデルを使うのが基本です。また、学習結果はデータの質と量に大きく左右され、データが偏っていると回答にも偏り（バイアス）が出ます。用途に合わせたいだけならファインチューニングやRAG、プロンプトの工夫から検討すると無駄がありません。 🔗 関連 ## あわせて読みたい 関連用語 [推論](https://ai-garage.jp/glossary/inference/)[ファインチューニング](https://ai-garage.jp/glossary/fine-tuning/)[パラメータ](https://ai-garage.jp/glossary/parameter/)[機械学習（ML）](https://ai-garage.jp/glossary/ml/) 関連 AI モデル [Llama — Meta オープンウェイト LLM の代名詞——ただし Meta の開発は Muse 系へ移り、オープン版も2026年8月公開の Muse Glimmer が担う。Llama 4 が事実上の最終世代。](https://ai-garage.jp/models/llama/)[Gemini — Google Google 製。Gmail / Docs との連携と、100万トークンの長文＋画像・動画・音声の読み取りが持ち味。一般に使える最新は 3.8 Flash（次世代の Gemini 4 Argon は 2026-09-30 に発表されたが、いまはサイバー防御の組織だけに限定提供）。](https://ai-garage.jp/models/gemini/)[DeepSeek — DeepSeek 中国発、コスパとオープン性の象徴。2026年9月10日に出た V4.1-Flash が旗艦 V4-Pro を性能でも価格でも上回った。予告された Pro の引退は撤回され、2本立てで提供中。](https://ai-garage.jp/models/deepseek/) 関連トピック [オープンソースAI vs クローズドAI Qwen・DeepSeek・Kimi がトップ走者に迫る。性能だけでなく『所有権』が論点に。](https://ai-garage.jp/topics/open-vs-closed/) 📰 この用語が登場する記事 ## 「学習」が出てくるニュース [![OpenAI の最上位モデルが研究者に12カ月無料——東大・京大など日本15大学が対象、条件は arXiv 論文1本](https://ai-garage.jp/images/news-heroes/openai-academic-researchers-free-japan-card.webp) 2026/8/1 OpenAI の最上位モデルが研究者に12カ月無料——東大・京大など日本15大学が対象、条件は arXiv 論文1本](https://ai-garage.jp/news/openai-academic-researchers-free-japan/)[![「Grok 5」はまだ出てない【2026年10月時点】最新は Grok 4.7・いつ出る？を整理](https://ai-garage.jp/images/news-heroes/grok-5-release-status-card.webp) 2026/7/6 「Grok 5」はまだ出てない【2026年10月時点】最新は Grok 4.7・いつ出る？を整理](https://ai-garage.jp/news/grok-5-release-status/)[![AIブームの裏方は電気の職人！Googleが2,741人を育てる](https://ai-garage.jp/images/news-heroes/google-virginia-ai-energy-jobs-investment-card.webp) 2026/6/12 AIブームの裏方は電気の職人！Googleが2,741人を育てる](https://ai-garage.jp/news/google-virginia-ai-energy-jobs-investment/)[![GoogleがI/O 2026をGeminiで制作、AIフル活用の舞台裏を解説【2026】](https://ai-garage.jp/images/news-heroes/google-gemini-io-2026-built-with-ai-card.webp) 2026/6/2 GoogleがI/O 2026をGeminiで制作、AIフル活用の舞台裏を解説【2026】](https://ai-garage.jp/news/google-gemini-io-2026-built-with-ai/) 📎 SOURCES ## 一次ソース - [→ Deep Learning (Goodfellow, Bengio & Courville, MIT Press 2016) — 学習の数理を網羅した定番教科書（全文無料公開）](https://www.deeplearningbook.org/) - [→ Google：Machine Learning Crash Course — 損失・勾配降下法などモデル学習の基礎を学べる公式講座](https://developers.google.com/machine-learning/crash-course) 基本 カテゴリの用語 [AGI（汎用人工知能）](https://ai-garage.jp/glossary/agi/)[AI（人工知能）](https://ai-garage.jp/glossary/ai/)[ASI（超知能）](https://ai-garage.jp/glossary/asi/)[GPU](https://ai-garage.jp/glossary/gpu/)[TPU](https://ai-garage.jp/glossary/tpu/)[シンギュラリティ](https://ai-garage.jp/glossary/singularity/)[ニューラルネットワーク](https://ai-garage.jp/glossary/neural-network/)[パラメータ](https://ai-garage.jp/glossary/parameter/)[モデル](https://ai-garage.jp/glossary/model/)[機械学習（ML）](https://ai-garage.jp/glossary/ml/)[深層学習（ディープラーニング）](https://ai-garage.jp/glossary/dl/)[推論](https://ai-garage.jp/glossary/inference/)[生成AI](https://ai-garage.jp/glossary/generative-ai/) [← 前の用語 モデル](https://ai-garage.jp/glossary/model/) [次の用語 → 機械学習（ML）](https://ai-garage.jp/glossary/ml/) NEXT [FOR BEGINNERS AI初心者ガイド 用語が多くて混乱したら、まず全体像から。AI初心者が「何から始める？」を5分で。](https://ai-garage.jp/beginners/) [GLOSSARY AI用語集 一覧へ 96語をカテゴリ・検索で引ける。気になる用語をまとめてチェック。](https://ai-garage.jp/glossary/)