今のAIの中心は、ディープラーニング（深層学習）という方法です。人間の脳の神経細胞のつながりをまねた計算のしくみを何層にも重ねたもので、画像や音声、文章を扱うのが得意です。文章や画像を新しく作り出すAIは生成AIと呼ばれ、チャットAIや画像生成AIがその代表です。生成AIの登場で、AIの仕事は一気に広がりました。

一般的なプログラマー（ソフトウェアエンジニア）は、決まった動きをするプログラムを正確に作るのが仕事です。AIエンジニアは、それに加えて「データからどれだけ正しく学べたか」を数学と統計で評価し、改善します。そのため、数学、特に線形代数と確率・統計の知識がよく求められます。逆に、AIエンジニアにもふつうのプログラミングの力は欠かせません。

国の職業情報サイトでは、AIエンジニアに必要な資格はないとしつつ、大学院で情報科学や工学、理学を学んだ人が多いと説明しています。新卒の採用では、大学での研究の実績、国際学会での発表、AIのコンペでの入賞が評価されるとも書かれています。資格よりも、何を作り、何を研究してきたかが見られる仕事です。

学部卒でもAIを使う仕事に就くことはできます。ただ、企業の研究所や、AIの研究開発を本業とする会社では、修士以上を応募の条件にしているところが多いです。研究者の求人では博士号を求めるものが中心です。将来どちらに進みたいかで、大学院に行くかどうかを考えるとよいです。

高等専門学校（高専）の情報系や電気電子系の学科で学び、そのまま就職したり、大学の3年生に編入したりする道もあります。高専では早くからプログラミングに触れられ、ロボコンやプログラミングコンテストで経験を積めます。編入後に大学院まで進む人もいます。

「このモデルを選んだ理由は何ですか」「データが足りないときはどうしますか」「精度が上がらないとき、どこから原因を調べますか」といった質問がよく出ます。正しい答えを暗記しているかより、自分の頭で筋道を立てて考えられるかを見られます。ホワイトボードやオンラインの画面でその場でプログラムを書く試験もあります。

研究職では、国際学会で発表した論文が大きな評価材料になります。エンジニア職では、自分で作ったアプリや、GitHub（プログラムを公開・共有するサイト）に載せたプログラム、データ分析コンペの成績が「作品集（ポートフォリオ）」として見られます。

AIの会社の中には、学生を数か月間のインターンとして受け入れ、実際の開発に参加させるところがあります。インターンでの働きぶりが評価されて、そのまま採用につながることもあります。大学院生の参加が多いです。

これまでの日本の会社では、年齢や勤続年数で給与が上がるしくみが一般的でした。AIの分野では、優秀な人を集めるために、新卒でも能力に応じて高い給与を出す会社が出てきています。そのため、同じ年齢でも給与の差が大きいのが特徴です。

大学の教員は、国立大学なら国の給与のしくみに近く、企業の研究者より低めになることが多いです。そのかわり、研究テーマを自分で決められる自由があります。大学と企業の両方に所属して働く研究者もいます。

AIの開発では、教科書に答えが載っていない問題ばかりです。なぜ精度が上がらないのかを仮説を立てて調べ、試し、ようやく改善できたときの喜びは大きいです。数学の問題を自分で作って解くような面白さがあります。

AIは医療、農業、金融、ゲーム、自動車など、あらゆる分野で使われています。一つの技術を身につけると、興味のある分野に応用できます。転職して分野を変えても、AIの力はそのまま生かせます。

AIの開発の時間の多くは、実はデータを集めて整える作業に使われます。ラベルの間違いを直したり、足りないデータを集めたりする作業は地味ですが、ここを手抜きするとAIの性能が上がりません。華やかなイメージとのギャップを感じる人もいます。

AIが間違った判断をしたり、学習データのかたよりのせいで特定の人に不利な結果を出したりすると、大きな問題になります。個人情報や著作権への配慮も必要です。便利さだけでなく、社会への影響を考え続ける責任があります。

研究者を目指すなら、数学はかなり深く学ぶ必要があります。エンジニアやデータサイエンティストなら、高校数学をしっかり理解し、大学の線形代数と確率・統計を使いこなせれば仕事を始められます。苦手意識より、必要なところを学び直す姿勢のほうが大切です。

一人で集中する時間は長いですが、チームで開発し、企画担当や現場の人に結果を説明する場面もたくさんあります。話すのが得意である必要はありませんが、自分の考えを図や文章でわかりやすく伝える力は求められます。

高校生向けのプログラミングコンテストや情報オリンピック、データ分析のコンペには、学生でも参加できるものがあります。順位よりも、問題を解く過程で学べることが大きいです。

チャットAIや画像生成AIを使ってみて、「なぜこう答えたのか」「どんなデータで学んだのか」を調べてみましょう。仕組みに興味を持つことが、作る側への第一歩です。

AIの分野には、創業から数年の若い会社（スタートアップ）がたくさんあります。一人が担当する範囲が広く、早くから大きな仕事を任されやすいのが特徴です。そのかわり、会社の経営が安定しているとは限りません。

理化学研究所の革新知能統合研究センター（AIP）や、産業技術総合研究所の人工知能研究センターなど、国の研究所でもAIの研究者が働いています。基礎的な研究に長く取り組めるのが特徴です。

数学科や物理学科では、AIの理論の土台になる数学や、大量の計算を扱う方法を深く学びます。研究者の中には、物理学で博士号を取ってからAIの研究に移った人もいます。数学の力が強いと、新しい手法を理解したり考えたりするときに有利に働きます。

経済学部や心理学部でも、統計学を使ってデータを分析する授業があります。そこからデータサイエンティストを目指す人もいます。ただし、AIの研究開発の中心は理系の情報系・工学系なので、文系から目指すなら大学のうちにプログラミングと数学を自分で補う必要があります。

同じ情報系の学科でも、機械学習を研究する研究室もあれば、ネットワークやハードウェアを研究する研究室もあります。大学のホームページで研究室の一覧や論文を見ると、どんなAIの研究をしているかがわかります。オープンキャンパスで研究室を見学するのもおすすめです。

企業でAIの開発をしたい人の多くは、修士課程の2年間で研究の経験を積んでから就職します。修士の研究は、企業の選考で「どんな課題をどう解いたか」を話す材料になります。

博士課程では3年ほどかけて、世界で誰もやっていない研究を自分の力で進め、論文として認められることを目指します。博士号は「一人前の研究者」の証明とされ、企業や海外の研究所の研究職で求められます。大学院では、研究室によっては授業料の支援や給与のような手当が出る制度もあります。