付録D：AI時代形成の統合図（Compute×Data×Algorithm×Productization×Governance）

本書は人物史として章が独立している一方で、読者が「AI時代が“突然”成立したのではなく、複数の基盤が収束して成立した」ことを因果で理解するには、横串の地図が必要になる。

この付録では、AI時代形成を Compute / Data / Algorithm / Productization（+Distribution） / Governance の収束として捉え、年表（付録A）と各章を対応付ける。

1. 5要素モデル（最小定義）

要素	最小定義（本書での意味）	典型的な論点
Compute	学習・推論を成立させる計算資源（GPU、クラウド、分散処理）	コスト、スケール、可観測性、運用
Data	学習・評価・運用に必要なデータ基盤（DB、Web、検索、ログ）	品質、偏り、権利、データガバナンス
Algorithm	モデルと学習法（深層学習、Transformer、最適化）	性能、汎化、推論、解釈可能性
Productization (+Distribution)	プロダクトに落とす仕組み（API、UX、統合、SLO、監視）	提供形態、導入障壁、失敗モード
Governance	安全・法令・倫理・監査（規制、セキュリティ、説明責任）	誤用、漏えい、責任分界、規制対応

2. 収束の因果（Mermaid 図）

以下は「どの基盤が揃うと社会実装が加速するか」を示す最小の因果図である（年号の詳細は付録A、一次情報は付録Cを参照）。

flowchart LR
  subgraph Base["基盤（2010s〜）"]
    C["Compute\nGPU/クラウド/分散"]
    D["Data\nWeb/DB/検索/ログ"]
    A["Algorithm\n深層学習/Transformer"]
    P["Productization\nAPI/UX/運用"]
    G["Governance\n安全/法令/監査"]
  end

  C --> FM["Foundation Models（基盤モデル）"]
  D --> FM
  A --> FM

  FM --> App["生成AIの社会実装（2022〜）\n生成/検索/支援/自動化"]
  P --> App
  G --> App

注記:

Foundation Models（基盤モデル）は、巨大モデルを指す“モデルサイズ”の話ではなく、多用途に転用される学習済みモデルという性質を指す（モデルの詳細が非公開の場合は、出典に基づき「非公開」と明記する）。
Mermaid は環境によってレンダリングされないことがある。必要に応じて GitHub の Markdown 表示や Mermaid Live Editor 等で確認する。

3. マイルストーン（要素別の最小セット）

付録Aの年表を、5要素モデルで読めるように“要素別”に圧縮した（ここでは代表例のみ）。

要素	マイルストーン（例）	対応する章（例）
Compute	クラウド普及、GPU計算の一般化、分散処理の成熟	第13章（Linux）、第14章（分散）
Data	Web/検索の普及、関係DB、ログ/観測の標準化	第6章（Web）、第7章（DB）、第9章（HCI/道具化）
Algorithm	深層学習の実用化、Transformerの普及、生成AIの社会実装	第16章（深層学習）、第10章（生成AIの社会実装）
Productization	API提供、統合（ツール呼び出し等）、評価（Evals）とガードレール	第10章（生成AIの社会実装）、第5章（PC/UX）
Governance	セキュリティ/暗号、規制（AI Act等）、監査・責任分界	第8章（暗号）、付録A（年表）、付録C（出典）

4. 章→AIスタック対応（本書内マッピング）

本書の人物史を「AI時代形成のどの層に効いたか」で読むための対応表である。各章を“AIの前提条件”として位置付けて読むと、点が線になる。

章	主題	AI時代形成の要素	接続の要点（1行）
第6章	Web	Data / Distribution	Webはデータと流通の標準化を進め、学習・運用の土台を作った
第7章	データベース	Data	DBは“整理されたデータ”と“問い合わせ”を可能にし、再現性を上げた
第8章	暗号	Governance	暗号と認証は、AIサービスの安全な流通と責任分界の前提になる
第9章	HCI（道具化）	Productization	人間の作業を拡張するUI/ワークフロー設計は、AI導入の成否を左右する
第13章	Linux	Compute / Productization	標準OSはクラウド/運用の共通基盤となり、スケールの前提を作った
第14章	分散システム	Compute / Productization	分散合意・信頼性は大規模運用の前提であり、AI提供形態に直結する
第16章	深層学習	Algorithm	深層学習の学習法と表現学習が、生成AIのアルゴリズム基盤を作った
第10章	生成AIの社会実装	Productization / Governance	ツール統合・評価・規制対応が揃って初めて業務へ定着する

5. 読み方（AI時代形成を最短で掴む）

「AI時代の形成」を因果で押さえたい場合は、次の順が最短である。

付録D（本付録）で地図を掴む
付録A（年表）で主要イベントの位置関係を確認する
第16章（アルゴリズム基盤）→第10章（社会実装）を読む
データ/運用/ガバナンスの章（第6/7/8/13/14章）を必要に応じて補完する