線形代数（せんけいだいすう）は、一言で言えば「たくさんの数字を『ベクトル』や『行列』という塊にして、まとめて一気に計算する数学」です。
数学や物理の基礎であると同時に、現在の生成AIを動かすための「心臓」や「骨組み」そのものでもあります。
まずは線形代数の基本（ベクトルと行列）を直感的にわかりやすく解説し、後半でそれが生成AIの研究にどう直結しているのかを具体的に解説します。
1. 線形代数の基本：具体的に何をするの？
線形代数の主役は「ベクトル」と「行列（マトリクス）」です。
① ベクトル（Vector）：数字を縦や横に並べたもの
日常のデータは、複数の数字がセットになって初めて意味を持つものが多いです。それを1つの塊にしたのがベクトルです。
具体例： ある人が管理している、ある日の「歩数、消費カロリー、睡眠時間」という3つのデータをベクトルで表してみます。
$$\vec{x} = \begin{pmatrix} 8000 \\ 350 \\ 7 \end{pmatrix} \begin{array}{l} \leftarrow \text{歩数} \\ \leftarrow \text{消費カロリー（kcal）} \\ \leftarrow \text{睡眠時間（時間）} \end{array}$$
このように、複数の情報をひとまとめにして「空間の中の1つの点（または矢印）」として扱うのがベクトルの考え方です。
② 行列（Matrix）：数字を格子状（縦横）に並べたもの
行列は、ベクトル（データの塊）を何人分も集めて表にしたり、データを一斉に変形・変換したりするための「装置」です。
具体例： 3人分のデータを並べると、以下のような「3行×3列の行列」になります。
$$A = \begin{pmatrix} 8000 & 12000 & 5000 \\ 350 & 500 & 220 \\ 7 & 6 & 8 \end{pmatrix}$$
線形代数では、この巨大な数字の表（行列）に対して、「足し算」をしたり「掛け算（行列の積）」をしたりするルールを学びます。
2. 生成AIの研究にどう関係しているのか？
生成AI（LLMや画像生成AI）の中身を顕微鏡でのぞくと、そこは「100% 線形代数の世界」です。AI研究において線形代数が必須な理由を3つに絞って解説します。
① 言葉を「超高次元のベクトル」に変換して意味を計算する
コンピュータは「リンゴ」や「みかん」といった言葉をそのまま理解できません。そこで、言葉を数百〜数千個の数字が並んだ巨大なベクトル（単語埋め込み / Word Embedding）に変換します。
意味の近さを計算する（内積）：
2つのベクトルが同じような方向を向いているかを計算する「内積（ドット積）」という線形代数の計算を使います。
「犬」と「猫」のベクトルを内積計算すると数値が大きくなり（意味が近い）、「犬」と「半導体」だと数値が小さくなります。AIが言葉の意味を理解して文章を作れるのは、このベクトルの引き算や掛け算のおかげです。
② AIの「脳のネットワーク」は巨大な行列の掛け算
生成AIの正体は、何千億個もの「重み（パラメータ）」と呼ばれる数字の詰まった巨大な行列です。
ユーザーが「こんにちは」と入力すると、その入力ベクトルに対して、AIが持つ巨大な行列を何百回も掛け算（行列の積）していきます。
$$\vec{y} = A\vec{x} + \vec{b}$$
$\vec{x}$ ：ユーザーの入力（ベクトル）
$A$ ：AIが学習して得た知識（巨大な行列）
$\vec{y}$ ：AIが次に出力する言葉（ベクトル）
このシンプルな行列の掛け算を、スーパーコンピュータを使って超高速・大量に繰り返すことで、あの人間らしいスムーズな回答が生まれています。
③ 生成AIの最重要技術「Attention（注目）」の計算
ChatGPTやGeminiなどの基盤である「Transformer」という技術の中では、「Attention（アテンションメカニズム）」という処理が行われています。これは、文章の中で「どの言葉とどの言葉が強く関係しているか」をAIに見つけさせる仕組みです。
ここでも、入力された文章全体を行列（$Q, K, V$ と呼ばれます）に変換し、行列同士を掛け合わせることで、一瞬にして文脈のつながりを計算しています。
まとめ
線形代数とは、大量のデータをスマートに美しく処理するための共通言語です。
生成AIの研究や開発とは、突き詰めると「いかに巨大な行列を効率よく作り、いかに高速に行列の掛け算を行うか」という、線形代数をいかにハックするかという戦いそのものなのです。
