この年表の読み方
生成AIは、2022年のChatGPT公開によって突然現れた技術ではない。
その背景には、情報理論、言語学、統計学、ニューラルネットワーク、Webの発展、GPUの普及、クラウド計算、そして巨大IT企業による長年の研究開発が存在する。
しかし生成AIの歴史は、OpenAIやGoogleの新モデル発売日を並べるだけでは理解しにくい。この年表では、生成AIを「学問史」「技術史」「計算資源史」「企業／モデル史」「社会／市場史」の5層が重なって進んだ歴史として整理する。
このページは概要である。個別イベントを省略せずに読む場合は、完全版年表へ進んでください。
5つの転換点
情報理論（1948）
情報を意味ではなく、確率・通信・予測可能性として扱えるようになった。
統計的言語処理（1990年代）
言語を人間が書いた規則ではなく、大量データから学ぶ対象として扱うようになった。
Transformer（2017）
大規模学習と並列計算に適したアーキテクチャが成立し、現在のLLMの直接的な基盤になった。
ChatGPT（2022）
研究技術だったLLMが、自然言語で誰でも使える社会的インターフェースを得た。
推論モデル（2024〜）
生成から推論へ、単発回答から計画・検証・作業実行へと競争軸が移り始めた。
5層の分類
5期は歴史全体の時代区分、5層は各イベントを読むための横断的な分類である。
学問史
言語観、知能観、統計、情報理論、認知科学。
技術史
ニューラルネット、表現学習、Attention、Transformer、RLHF、マルチモーダル。
計算資源史
GPU、TPU、クラウド、Webコーパス、データセンター。
企業／モデル史
Google、OpenAI、Anthropic、Meta、Stability AI、Midjourneyなど。
社会／市場史
検索、SNS、SaaS、教育、開発支援、著作権、規制、ホワイトカラー生産性。
完全版年表
概要ページでは、全体像を見やすくするためにイベントを圧縮している。完全版では、5期の各時代区分ごとに主要イベントをカード型で掲載している。
なぜこの時期に爆発したのか
生成AIの普及には、モデル性能だけでなく、複数の外部要因が大きく関わっている。
- Web上に膨大なテキストが蓄積された。
- GPU/TPUとクラウドが大規模学習を可能にした。
- 検索・広告・SaaS・Office・開発支援市場が受け皿になった。
- 企業がホワイトカラー生産性の向上を求めていた。
- 情報過多社会において、要約・検索・文章生成の需要が高まった。
- 対話型インターフェースが、専門知識なしで使える入口になった。
生成AIは、技術的に可能になっただけでなく、社会的に欲望されていた。この視点を入れることで、生成AI史は単なるモデル性能競争ではなく、言語化された世界、計算資源、企業市場、知的労働の需要が重なった歴史として読める。