Windows AI開発環境構築ガイド

【概要】Pythonはデータ分析、機械学習、ディープラーニング（深層学習）に広く使われるプログラミング言語である。PyTorchはディープラーニングモデルを構築するためのライブラリである。NumPyは数値計算、Pandasは表形式データの操作・分析、Matplotlibはグラフの可視化に使用する。GPUを使用するとディープラーニングの計算速度が向上する。開発エディタのWindsurfはAI支援機能を持ち、対話によるコード生成が可能である。VS Codeに導入するCline拡張は、Ollamaによるローカル AIに接続して動作させることができ、登録不要・無料で、コードを外部に送信せずに利用できる。本ガイドで実際にインストールされるソフトウェア・ライブラリの一覧は1.1節を参照する。これらはすべて第1章（最短ルート）のスクリプトで一括インストールされる。

本ガイドで導入されるもの

上記はいずれも第1章（最短ルート）のスクリプトで一括インストールされる。各ツール・ライブラリの用途は1.1節および第6章で個別に説明する。

構成：本ガイドは二部構成である。第1章は、AI開発環境をコマンドプロンプトから一括で構築する「最短ルート」である。第2章〜第10章は、前提知識、全体像、各ツールの解説、トラブル対処を扱う「解説パート」である。第1章のスクリプトは、第6章で個別に解説する手順をまとめて自動実行するものである。コマンドプロンプトの操作や管理者権限の扱いに不安がある場合は、第2章〜第5章を先に読んでから第1章または第6章を実行することを推奨する。

【目次】

第1章 開発環境とビルドツールの準備（最短ルート）

目標

本章の目標は、自身のパソコンでAIプログラミングの実行と実験が可能な環境を構築することである。本章を完了すると、AIプログラムを動作させ、ソースコードの確認や修正ができる環境が整う。

本章のスクリプトは、第6章の各手順をまとめて自動実行するものである。コマンドプロンプトの操作や管理者権限について不安がある場合は、先に第4章を参照する。

1.1 概要

Windows環境でAIプログラミングを始めるための開発環境を構築する。Python、GPU計算基盤、AIエディタを導入することで、機械学習モデルの実行や実験、AIによるコード生成支援を活用した開発が可能になる。各ソフトウェアはコマンドラインから一括でインストールでき、パスの設定も自動化される。

本ガイドでは以下のソフトウェアをインストールする。

開発環境とビルドツール

ソフトウェア説明用途
Python 3.12汎用プログラミング言語。3.12では型ヒント（変数や引数の型を明示する記法）の強化、インタープリタの最適化、サブインタープリタ（独立したPython実行環境）による並列処理の基盤を導入している。AI開発、データ解析、Web開発
VS Build ToolsMSVC（Microsoft Visual C++コンパイラ）、リンカ、Windows SDKを含む。C/C++のビルドやPython拡張ライブラリのコンパイルに使用する。C/C++ビルド
Git分散型バージョン管理システム（ソースコードの変更履歴を管理するツール）。変更履歴をDAG（有向非巡回グラフ：履歴の分岐と統合を表現するデータ構造）として管理し、共同開発を支援する。ソースコード管理
CMakeクロスプラットフォームのビルド自動化ツール。定義ファイルからOSやコンパイラに応じたビルド構成を生成する。ビルド構成の自動生成
NVIDIA CUDANVIDIA GPU用の並列計算基盤。GPUをGPGPU（汎用GPU計算：グラフィックス処理以外の計算にGPUを利用する技術）として活用し、行列演算などを高速に処理する。GPU並列計算
PyTorchpipでインストールする。Metaが開発した機械学習フレームワーク。動的計算グラフ（実行時にグラフを構築する方式）により柔軟な記述ができる。機械学習モデル開発
Ollamaローカル AI モデルの実行基盤。PC上でモデルを動かし、ローカルAPIとして提供する。登録・APIキー不要で安全に利用できる。ローカル AI モデルの実行
WindsurfAI機能を統合したエージェント型IDE（AIがタスクを遂行する開発環境）。コード生成や修正をAIが自律的に実行する。AI駆動開発
Visual Studio CodeLSP（Language Server Protocol：言語サーバー規格、エディタと言語解析機能を分離する仕組み）対応のコードエディタ。拡張機能により各種言語の開発環境として使用できる。コード編集
ClineVS Code拡張機能。AIによるファイル操作、ターミナル実行、複数ファイルの編集ができる。本ガイドではOllamaによるローカル AIに接続する。AI駆動開発
JupyterLabpipでインストールする。Jupyter Notebook互換のノートブックUIを含む対話的開発環境。コードと実行結果を一つのノートブックに記録しながら分析できる。対話的データ分析

1.2 実行前の確認事項

1.3 ソフトウェアのインストール（Windows）

Windowsでは、winget（Microsoft公式のパッケージ管理ツール）を用いて多くのソフトウェアをインストールできる。本ガイドでは管理者権限で実行し、システム全体にインストールする。

NVIDIA GPUを搭載していないPCでは、下記スクリプト中のNvidia.CUDAのインストール行と、PyTorchを--index-url ...cu128付きでインストールしている行をスキップし、代わりにCPU版PyTorch（pip install --no-user -U torch torchvision torchaudio）を使用する。

管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

REM 開発環境セットアップスクリプト（管理者権限で実行）

REM 管理者権限チェック
net session >nul 2>&1
if errorlevel 1 (
    echo 管理者権限で実行してください
    exit /b 1
)

REM パス長制限の解除
reg add "HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem" /v LongPathsEnabled /t REG_DWORD /d 1 /f
reg query "HKLM\SYSTEM\CurrentControlSet\Control\FileSystem" /v LongPathsEnabled

REM VC++ ランタイム
winget install --scope machine --id Microsoft.VCRedist.2015+.x64 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet /norestart"

REM Build Tools + Desktop development with C++（VCTools）+ 追加コンポーネント（一括）
winget list --id Microsoft.VisualStudio.BuildTools 2>nul | findstr /i "BuildTools" >nul 2>&1
if %ERRORLEVEL% EQU 0 (
    for /f "delims=" %P in ('"C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products * -property installationPath') do start /wait "" "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" modify --installPath "%P" --add Microsoft.VisualStudio.Workload.VCTools --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --includeRecommended --quiet --norestart
) else (
    winget install --scope machine --id Microsoft.VisualStudio.BuildTools -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "--quiet --wait --norestart --nocache --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100"
)
REM BuildTools の動作に問題が生じた場合は、以下を実行することで、既存のインストールのファイル破損・欠損を修復し正常な状態に復元できる。
REM "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" repair --installPath "C:\Program Files (x86)\Microsoft Visual Studio\18\BuildTools" --quiet --norestart
REM 以下で正常であることを確認する。パスが表示されれば正常である。
REM "C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products * -requires Microsoft.VisualStudio.Workload.VCTools -property installationPath

winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""
powershell -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $m=[Environment]::GetEnvironmentVariable('Path','Machine'); if($m -notlike \"*$s*\") { [Environment]::SetEnvironmentVariable('Path', \"$p;$s;$m\", 'Machine') }"

winget install --scope machine --id Codeium.Windsurf -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/SP- /SUPPRESSMSGBOXES /NORESTART /CLOSEAPPLICATIONS /DIR=""C:\Program Files\Windsurf"" /MERGETASKS=!runcode,addtopath,associatewithfiles,!desktopicon"
powershell -Command "$env:Path=[System.Environment]::GetEnvironmentVariable('Path','Machine')+';'+[System.Environment]::GetEnvironmentVariable('Path','User'); windsurf --install-extension MS-CEINTL.vscode-language-pack-ja --force; windsurf --install-extension ms-python.python --force; windsurf --install-extension Codeium.windsurfPyright --force"

REM Git をシステム領域にインストール
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"

winget install --scope machine --id Kitware.CMake -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/qn /norestart ADD_CMAKE_TO_PATH=System"

REM NVIDIA CUDA（NVIDIA GPU が無い場合は本行をスキップする）
winget install --scope machine --id Nvidia.CUDA --version 12.8 -e --silent --disable-interactivity --force --uninstall-previous --accept-source-agreements --accept-package-agreements --override "-s -n"

REM 環境変数 TEMP, TMP の設定（一時ファイルの保存先を短いパスに変更）
mkdir C:\TEMP
set "TEMP_PATH=C:\TEMP"
setx TEMP "%TEMP_PATH%" /M >nul
setx TMP "%TEMP_PATH%" /M >nul

REM PyTorch をインストール（GPU 版。NVIDIA GPU が無い場合は本ブロックをスキップし、
REM 代わりに「pip install --no-user -U torch torchvision torchaudio」で CPU 版を導入する）
set "CUDA_TAG=cu128"
set "PYTHON_PATH=C:\Program Files\Python312"
"%PYTHON_PATH%\Scripts\pip" install --no-user -U numpy torch torchvision torchaudio --index-url https://download.pytorch.org/whl/%CUDA_TAG%

REM JupyterLab をインストール
set "PYTHON_PATH=C:\Program Files\Python312"
"%PYTHON_PATH%\Scripts\pip" install --no-user -U jupyterlab

REM Microsoft VS Code をシステム領域にインストール
winget install --scope machine --id Microsoft.VisualStudioCode -e --silent --accept-source-agreements --accept-package-agreements

REM VS Code 拡張機能のインストール（Python環境、日本語化、Cline）
if exist "C:\Program Files\Microsoft VS Code\bin" cd "C:\Program Files\Microsoft VS Code\bin"
if exist "C:\Program Files\Microsoft VS Code\bin" code --install-extension ms-python.python
if exist "C:\Program Files\Microsoft VS Code\bin" code --install-extension ms-python.vscode-pylance
if exist "C:\Program Files\Microsoft VS Code\bin" code --install-extension MS-CEINTL.vscode-language-pack-ja
if exist "C:\Program Files\Microsoft VS Code\bin" code --install-extension dongli.python-preview
if exist "C:\Program Files\Microsoft VS Code\bin" code --install-extension saoudrizwan.claude-dev

REM 主要な Python ライブラリを一括インストール
python -m pip install --no-user -U pip
pip install --no-user jupyter ipykernel numpy pandas scikit-learn matplotlib japanize-matplotlib seaborn scipy opencv-python pillow timm pygame streamlit

echo セットアップ完了

続いて、ローカル AI モデルの実行基盤であるOllamaとモデル群、およびOpen WebUIをインストールする。詳細は6.4節を参照する。管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

REM ============================================================
REM 管理者権限チェック
net session >nul 2>&1
if errorlevel 1 ( echo [エラー] 管理者権限で実行してください & pause & exit /b 1 )

REM winget パッケージ一覧のローカルキャッシュを更新
winget source update

REM === 1. Ollama 環境変数を Machine スコープで事前設定 ===
REM   インストール前に設定することで、Ollama 起動時から正しい設定が読み込まれる
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_FLASH_ATTENTION', '1', 'Machine')"
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_KV_CACHE_TYPE', 'q8_0', 'Machine')"
REM   コンテキスト長：Ollama のデフォルトは 4096。
REM   ここでは gemma4:12b-it-qat の上限 262144 に設定する
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_CONTEXT_LENGTH', '262144', 'Machine')"
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_MODELS', 'C:\Ollama\models', 'Machine')"
set "OLLAMA_FLASH_ATTENTION=1"
set "OLLAMA_KV_CACHE_TYPE=q8_0"
set "OLLAMA_CONTEXT_LENGTH=262144"
set "OLLAMA_MODELS=C:\Ollama\models"

REM === 2. 既存の Ollama プロセスを停止（ファイルロック解除のため） ===
taskkill /IM ollama.exe /F >nul 2>&1
taskkill /IM "ollama app.exe" /F >nul 2>&1

REM === 3. モデルフォルダの作成と権限設定 ===
if not exist "C:\Ollama\models" mkdir "C:\Ollama\models"
icacls "C:\Ollama\models" /grant *S-1-5-32-545:(OI)(CI)(M) /T /C

REM === 4. 既存モデルの移動（ユーザープロファイルに残っている場合） ===
REM   Ollama 停止状態で実行するためファイルロックが起きない
if exist "%USERPROFILE%\.ollama\models" robocopy "%USERPROFILE%\.ollama\models" "C:\Ollama\models" /E /MOVE
if exist "%USERPROFILE%\.ollama\models" rd /s /q "%USERPROFILE%\.ollama\models"

REM === 5. Ollama のインストール（Inno Setup） ===
winget uninstall --id Ollama.Ollama -e --silent --disable-interactivity --accept-source-agreements
REM   uninstall 後にプロセスが残ることがあるため再度停止
taskkill /IM ollama.exe /F >nul 2>&1
taskkill /IM "ollama app.exe" /F >nul 2>&1
winget install --id Ollama.Ollama -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/DIR=C:\Ollama"

REM === 6. Ollama のパス設定（システム PATH に未登録の場合のみ追加） ===
powershell -NoProfile -Command "$p='C:\Ollama'; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and (';'+$c+';' -notlike \"*;$p;*\")){[Environment]::SetEnvironmentVariable('Path',\"$c;$p\",'Machine')}"

REM   Ollama のパスを現在のセッションに反映
set "PATH=C:\Ollama;%PATH%"

REM === 7. Ollama サービスの起動（モデルダウンロードの前に必要） ===
where ollama >nul 2>&1
if errorlevel 1 echo Ollama のパスが見つかりません。再起動後に再実行してください。 & exit /b 1
tasklist /fi "imagename eq ollama.exe" | find "ollama.exe"  2>&1
if errorlevel 1 start "" "C:\Ollama\ollama.exe" serve & timeout /t 10 /nobreak

REM === 8. モデルのダウンロード ===
REM   動作確認用（テキスト専用、約 731MB）。
echo LFM2.5-1.2B-Instruct モデルをダウンロード中...
ollama pull LiquidAI/lfm2.5-1.2b-instruct
REM   画像入力対応（軽量、約 4.3GB）
echo gemma4:e2b-it-qat モデルをダウンロード中...
ollama pull gemma4:e2b-it-qat
REM   画像入力対応（上位、約 7.2GB）
echo gemma4:12b-it-qat モデルをダウンロード中...
ollama pull gemma4:12b-it-qat
echo モデルダウンロード完了

REM === 9. 埋め込みモデルのダウンロード（RAG 演習で使用） ===
echo bge-m3 埋め込みモデルをダウンロード中...
ollama pull bge-m3
echo 埋め込みモデルダウンロード完了

REM === 10. Open WebUI のインストール ===
REM   open-webui パッケージにより、依存パッケージ（FastAPI、ChromaDB、
REM   sentence-transformers 等）が一括インストールされる
python -m pip install --no-user --upgrade pip
python -m pip install --no-user --upgrade open-webui
python -m pip uninstall -y open-webui
python -m pip install --user --upgrade open-webui

REM === 11. Git のインストール ===
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"

REM   Git のパスを現在のセッションに反映
set "PATH=C:\Program Files\Git\cmd;%PATH%"

REM === 12. スタートメニュー ショートカット作成 ===
REM   gemma4:e2b-it-qat 起動ショートカット（CUI で質問・応答を行う）
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $l=$s.CreateShortcut([Environment]::GetFolderPath('CommonPrograms')+'\Ollama Gemma4 e2b.lnk'); $l.TargetPath='cmd.exe'; $l.Arguments='/k \"start cmd /k ollama serve ^& timeout /t 3 /nobreak ^>nul ^& ollama run gemma4:e2b-it-qat\"'; $l.Save()"

echo インストール完了

実行時のヒント

1.4 主要なPythonライブラリのインストール

上記1.3節のスクリプトには、AI開発でよく使う主要なPythonライブラリ（NumPy、Pandas、scikit-learn、Matplotlib、japanize-matplotlib、Seaborn、SciPy、OpenCV、Pillow、timm、pygame、Streamlit など）の一括インストールが含まれている。該当部分は次のコマンドである。すでに1.3節のスクリプトを最後まで実行した場合は、これらのライブラリも導入済みであるため、本節を改めて実行する必要はない。各ライブラリの用途は6.2節で個別に説明する。

REM pipを最新版に更新
python -m pip install --no-user -U pip

REM 主要なPythonライブラリを一括インストール
pip install --no-user jupyter ipykernel numpy pandas scikit-learn matplotlib japanize-matplotlib seaborn scipy opencv-python pillow timm pygame streamlit

PyTorchについては、GPU対応版のインストールを1.3節のスクリプトに含めている。GPUの有無に応じたCUDAバージョンの選択やCPU版の導入方法は、6.2節および6.3節で説明する。

演習1.1 環境構築の動作確認

手順

  1. 1.3節のスクリプトの実行が完了していることを確認する。
  2. 新しいコマンドプロンプトを通常起動で開く（Windowsキーまたはスタートメニュー → cmdと入力 → コマンドプロンプトを選ぶ → Enter）。
  3. コマンドプロンプトでpythonと入力してEnterキーを押し、Pythonの対話モードを起動する。
  4. 以下のコードを入力してEnterキーを押す。 
    import sys
import subprocess
import torch

print(sys.version)
print(subprocess.check_output(['git', '--version'], text=True).strip())
print(torch.__version__)
print(torch.cuda.is_available())
  5. 確認できたらexit()と入力してEnterキーを押し、対話モードを終了する。
  6. 続いて、ローカル AI モデルが動作することを確認する。新しいコマンドプロンプトで以下を実行する。 
    ollama list
ollama run gemma4:e2b-it-qat "こんにちは。あなたは何ができますか。"

ヒント

考察ポイント

第2章 はじめに：AI開発環境の全体像

このガイドは、Windows PC上でAI開発を始めたいと考えている学生・技術者を対象とする。本ガイドでは、AI開発で広く使われるプログラミング言語Python、基本的なデータ処理ライブラリ、開発を支援するコードエディタを中心に、AI開発環境を構築する。本ガイドの手順に沿って環境を構築すると、データ分析、機械学習モデルの実行、ディープラーニングの入門的なコードの実験ができる。あわせて、Ollamaによるローカル AI モデルを導入し、登録不要・無料で、コードを外部に送信せずにAIの支援を受けられる環境も整える。

対象とするPC環境はWindows 11である。NVIDIA製GPUがある場合はGPUを活用した開発環境を構築できる。GPUがない場合でもCPUのみで多くの学習・開発を行える。ディープラーニングではGPUを使用すると計算速度が向上する。

インストールの実行には、PCのディスク空き容量が40GB以上必要である。事前に確認し、空き容量がない場合は実施しないこと。

第3章 ガイドが対象とするAI開発環境

本ガイドでは、AI開発環境として、以下のツール群の役割、メリット、インストール手順を解説する。第10章では、環境構築後の学習の方向性を案内している。

+-----------------------------------------------------------------+
| 開発エディタ (VS Code / JupyterLab / Windsurf)                  |
|  +------------------------------------------------------------+ |
|  | Git (バージョン管理)                                       | |
|  +------------------------------------------------------------+ |
|                                                                |
|  +------------------------------------------------------------+ |
|  | Python + AIコアライブラリ (PyTorch, NumPy, Pandas など)    | |
|  +------------------------------------------------------------+ |
|                                                                |
|  +------------------------------------------------------------+ |
|  | Ollama + ローカル AI モデル (Cline から接続)                 | |
|  +------------------------------------------------------------+ |
+-----------------------------------------------------------------+
| 基盤 (OSとハードウェアの橋渡し)                                 |
|  +---------------------------+  <--連携-->  +-----------------+ |
|  | PyTorch内のCUDAライブラリ |              | NVIDIA CUDA     | |
|  +---------------------------+              +-----------------+ |
+-----------------------------------------------------------------+
| OS・ハードウェア (Windows, NVIDIA GPU)                          |
+-----------------------------------------------------------------+

上図において、上段のPyTorchはPythonから呼び出されるライブラリそのものを指す。下段のPyTorch内のCUDAライブラリは、PyTorchに同梱されるCUDAランタイム（GPU計算を実行するための実行時ライブラリ）を指す。下段右側のNVIDIA CUDAは、システムにインストールされるNVIDIAドライバおよびCUDA Toolkitを指す。両者は別物であり、対応バージョンの整合性については6.3節を参照する。

第4章 環境構築の前に知っておきたいWindowsの基礎

本章では、環境構築の手順を進める上で必要となるWindowsの基本的な操作と概念を解説する。

AI開発における重要概念

4.1 フォルダ（ディレクトリ）、パス

フォルダとディレクトリは同じ概念を指す用語である。フォルダはWindows等のGUI環境で使われる呼称であり、ディレクトリはコマンドライン操作やプログラミングの文脈で使われる呼称である。本ガイドでは、文脈に応じて両方の用語を使用する。フォルダ（ディレクトリ）は、複数のファイルやフォルダを格納するための仕組みである。

パスは、コンピュータ上でファイルやフォルダの位置を示す文字列である。例えば「C:\Users\金子さん\Documents\研究\データ.xlsx」は、Cドライブ（コンピュータ内の記憶装置）にUsersフォルダがあり、その中に金子さんフォルダがあり、さらにその中にDocumentsフォルダと研究フォルダがあり、そこに「データ.xlsx」が格納されていることを示す。

4.2 環境変数とユーザープロファイル

環境変数

環境変数は、システム全体またはユーザーごとに共有される設定値を保存する仕組みである。環境変数には2種類ある。システム環境変数はすべてのユーザーに適用される設定であり、ユーザー環境変数は特定のユーザーにのみ適用される設定である。例えば、環境変数%USERPROFILE%には現在のユーザーのプロファイルディレクトリのパス（例：C:\Users\金子さん）が格納されている。コマンドプロンプトなどで「%USERPROFILE%\Desktop」と記述すると、そのユーザーのデスクトップフォルダを参照できる。

ユーザープロファイル

ユーザープロファイルは、Windowsの各ユーザーアカウント（コンピュータを使用する個人の登録情報）に対して個別に割り当てられる専用ディレクトリである。ユーザープロファイルにはユーザー固有のデータと設定が格納される。

4.3 コマンドプロンプトの基本

コマンドプロンプトとは

コマンドプロンプトは、コマンドと呼ばれる文字列を入力してOSの機能を実行するための、文字ベースのユーザインターフェース（CUI）である。GUI（Graphical User Interface）と異なり、キーボード入力が中心になる。複雑な作業の効率化や、繰り返し作業の自動化に用いる。ソフトウェアのインストールや設定変更など、GUIでは対応が難しい操作もコマンドで実行できる。コマンドプロンプトには通常起動と管理者権限での起動の2つの方法がある。

一般ユーザーと管理者

一般ユーザー権限であるか管理者権限であるかによって、Windowsにおけるアクセス制御（誰が何を操作できるかを管理する仕組み）が行われる。アクセス制御は、重要なシステムファイルが誤って変更されることを防ぐ。

コマンドプロンプトの起動

通常起動

以下の手順で使用する「cmd」は、コマンドプロンプトを起動するためのプログラム名である。

管理者権限で起動

管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。「このアプリがデバイスに変更を加えることを許可しますか」というメッセージが表示されたら「はい」をクリックする。

演習4.1 環境変数の表示

手順

  1. コマンドプロンプトを通常起動で開く（Windowsキーまたはスタートメニュー → cmdと入力 → コマンドプロンプトを選ぶ → Enter）。
  2. 次のコマンドを実行する。 
    echo %USERPROFILE%

ヒント

考察ポイント

コマンド実行のパラメータ（オプション）

パラメータやオプション（コマンドの動作を制御するための追加指示）により、コマンドに条件や設定を追加できる。例えば「dir /a」コマンドにおいて、dirは「ディレクトリ内容の表示」という指示であり、/aは「隠しファイルも含めて全て表示する」という追加指示である。

ワイルドカード

コマンド実行では、ワイルドカードと呼ばれる「何でも当てはまる」という意味を持つ特殊文字を用いて、複数のファイルを一度に指定できる。例えば、「*.tmp」は「拡張子が.tmpであるすべてのファイル」を意味し、テスト.tmp、12345.tmpなどのファイル名とマッチする。別の例として、「data_*.xlsx」は「data_で始まるすべてのExcelファイル」を指定する。これは、ファイル名の一部について、任意の文字列にマッチするパターンマッチング（条件に合致するものを探す仕組み）を行うものである。

コマンドプロンプトによるファイル操作

コマンド入力後、Enterキーで実行が開始される。プロンプトには現在のカレントディレクトリのパスが表示される。

基本的なファイル操作コマンド

ファイル内容の表示

ファイルとフォルダの操作

演習4.2 ディレクトリ操作の基本

手順

  1. 管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。
  2. 次のコマンドを順に実行する。notepadはテキストエディタ（メモ帳）を起動するコマンドである。 
    dir
cd ..
mkdir test_folder
cd test_folder
notepad

ヒント

考察ポイント

4.4 エラーメッセージへの対処

エラーメッセージは問題解決の手がかりとなる情報を提供する。エラーメッセージには、どのファイル（File）の何行目（line）で、どのような種類のエラー（例：ModuleNotFoundError）が起きたかなどが記載されている。エラーメッセージの一部または全体をコピーしてインターネットで検索したり、AIアシスタントに問い合わせたりすることで、解決策が見つかることが多い。

4.5 環境構築前のチェックリスト

第5章 導入にあたっての推奨事項

環境構築のため、以下の段階的な手順を推奨する。第1章のスクリプトを実行済みの読者は、本章を作業全体の振り返り、および再構築・部分再インストールが必要になった際の手順マップとして利用できる。

  1. 環境構築の基礎知識を学ぶ：第4章で説明したコマンドプロンプトの基本的な使い方など、Windowsでの環境構築に必要な基礎知識を確認する。
  2. AI開発環境のインストール：Python本体、Git、開発エディタ、必要であればNVIDIA CUDAをPCにインストールする（6.1節参照）。
  3. Pythonライブラリの導入：PyTorchなどのAI開発に必要なPythonライブラリをインストールする（6.2節参照）。
  4. ローカル AI モデルの導入：Ollamaとローカル AI モデルをインストールし、Clineから接続できるようにする（6.4節および第7章参照）。
  5. 開発エディタの活用：3つの開発エディタ（Visual Studio Code、JupyterLab、Windsurf）の特徴を理解し、状況に応じて活用する（第7章参照）。

第6章 WindowsでのAI開発環境インストール手順

注意

6.1 AI開発環境のインストールと設定

用語の説明

インストールは、ソフトウェアをコンピュータで実行可能な状態にする処理である。プログラムファイルの配置、システムへの登録、設定などを行う。

winget（Windows Package Manager：Microsoft公式のパッケージ管理ツール）は、ソフトウェアのインストールや管理を行うためのコマンドラインツール（文字コマンドで操作するプログラム）である。

インストールスコープは、ソフトウェアインストール時の対象ユーザーの範囲の指定であり、wingetを用いたインストールにおける設定項目である。例えば、wingetでは「--scope machineオプション（コマンドの動作を変更するための追加設定）」を指定してPythonをインストールすると、そのコンピュータのすべてのユーザーがPythonを使用できる。このオプションを指定しない場合、インストールを実行したユーザーのみがPythonを使用可能となる。

AI開発環境の一括インストール

Pythonバージョンについて

本ガイド執筆時点（2026年6月）では、Python 3.14系列が最新安定版である。ただし、AI開発の入門としてはPython 3.12系列の利用を推奨する。これは多くのAIライブラリがPython 3.12で動作確認されており、安定性が確保されているためである。AnacondaやMinicondaなど他の配布版も存在するが、本ガイドではwingetを用いてPython本体をインストールする。

コマンドの説明

注意事項

PATH設定コマンドの説明

演習6.1 インストール確認とPython対話モード

手順

  1. 新しいコマンドプロンプトを通常起動で開く（Windowsキーまたはスタートメニュー → cmdと入力 → コマンドプロンプトを選ぶ → Enter）。
  2. 次のコマンドを実行する。 
    python --version
git --version
  3. コマンドプロンプトでpythonと入力してEnterキーを押し、Pythonの対話モードを起動する。
  4. 以下のコードを入力してEnterキーを押す。 
    print("Hello, AI World!")
  5. exit()と入力してEnterキーを押し、対話モードを終了する。

ヒント

考察ポイント

6.2 Pythonライブラリの一括インストール

本節で導入するPythonライブラリは、第1章（最短ルート）のスクリプトで一括インストール済みである（1.4節参照）。第1章を実行済みの場合、本節のコマンドを改めて実行する必要はない。本節は、各ライブラリの役割とインストール方法を個別に解説するものである。

pipは、Pythonパッケージマネージャー（Pythonの追加機能を管理するためのツール）であり、ライブラリ（プログラムで使用できる機能の集合）のインストールや管理を行う。

pip基本コマンド

主要なPythonライブラリの一括インストール

以下のコマンドで、AI開発に必要なライブラリを一括でインストールする。以下は本ガイド執筆時点（2026年6月）のコマンドである。管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。次のコマンドを1つずつ実行する。

REM pipを最新版に更新
python -m pip install --no-user -U pip

REM PyTorch をインストール（GPU対応版。GPU が無い場合は本ブロックをスキップし、
REM 代わりに「pip install --no-user -U torch torchvision torchaudio」で CPU 版を導入する）
set "CUDA_TAG=cu128"
set "PYTHON_PATH=C:\Program Files\Python312"
"%PYTHON_PATH%\Scripts\pip" install --no-user -U numpy torch torchvision torchaudio --index-url https://download.pytorch.org/whl/%CUDA_TAG%

REM その他のAIライブラリを一括インストール
pip install --no-user jupyter ipykernel numpy pandas scikit-learn matplotlib japanize-matplotlib seaborn scipy opencv-python pillow timm pygame streamlit

PyTorchのインストールコマンドは、PyTorch公式サイト（https://pytorch.org/get-started/locally/）で、自身の環境（Windows、Pip、Python、CUDA）に合った最新のコマンドを確認する。GPUを利用する場合は、適切なCUDAバージョンの選択が必要である（6.3節参照）。上記のコマンドはCUDA 12.8を使用する場合の例である。PyTorchの対応CUDAバージョンは更新されるため、PyTorch公式サイトで最新の対応状況を確認する。

インストールされるPythonライブラリの説明

演習6.2 ライブラリのバージョンとGPU認識の確認

手順

  1. 新しいコマンドプロンプトを通常起動で開く（Windowsキーまたはスタートメニュー → cmdと入力 → コマンドプロンプトを選ぶ → Enter）。
  2. コマンドプロンプトでpythonと入力してEnterキーを押し、Pythonの対話モードを起動する。
  3. 以下のコードを入力する。 
    import torch
print("PyTorch Version:", torch.__version__)
print("CUDA Available:", torch.cuda.is_available())
if torch.cuda.is_available():
    print("CUDA Version:", torch.version.cuda)

import numpy as np
import pandas as pd
import matplotlib
print("NumPy Version:", np.__version__)
print("Pandas Version:", pd.__version__)
print("Matplotlib Version:", matplotlib.__version__)
  4. exit()と入力してEnterキーを押し、対話モードを終了する。

ヒント

考察ポイント

6.3 GPU利用時のPyTorchとCUDAのバージョン互換性

nvidia-smiコマンドが表示するCUDA Versionは、NVIDIAドライバが対応する最大のCUDAバージョンであり、PyTorchが同梱するCUDAランタイムとは別物である。PyTorchのインストールコマンドで指定するcu128等のタグは、PyTorchに同梱されるCUDAランタイムのバージョンを指す。両者の意味の違いに注意して以下の手順を進める。

GPUを利用する場合、PyTorchとCUDAのバージョンの組み合わせが重要である。以下の手順で互換性を確認する。

  1. 使用するPyTorchのバージョンを決める：最新安定版を推奨する。
  2. PyTorch公式サイトのインストールページを確認する：
    • PyTorch公式サイト（https://pytorch.org/get-started/locally/）にアクセスする。
    • 「PyTorch Build」（Stable）、「Your OS」（Windows）、「Package」（Pipを選択）、「Language」（Python）、「Compute Platform」を選択する。
    • 「Compute Platform」で、利用するCUDAのバージョン（例：CUDA 12.8）を選択する。
    • 選択すると、下にインストールコマンドが表示される（例：pip install torch ... --index-url .../cu128）。このコマンドの末尾（cu128など）が、PyTorchが対応するCUDAバージョンを示す。
  3. インストール済みCUDAバージョンを確認する：コマンドプロンプトでnvidia-smiを実行する。
  4. インストール後にGPU認識を確認する：python -c "import torch; print(torch.cuda.is_available())"を実行する。

最新の互換性情報はhttps://docs.nvidia.com/cuda/cuda-toolkit-release-notes/で確認する。

6.4 Ollama・モデル・Open WebUIのインストール

Ollama、3つのモデル（LFM2.5-1.2B-Instruct、gemma4:e2b-it-qat、gemma4:12b-it-qat）、埋め込みモデルbge-m3、およびOpen WebUIを導入する。あわせて、本手順で使う設定（コンテキスト長262144、KVキャッシュq8_0、Flash Attention）を一度だけ設定する。Flash AttentionはKVキャッシュの量子化に必要な高速化機能である。

ハードウェアの前提

ハードウェア要件の事前確定は難しい。新規にPCを準備する前に、現有の機器で本手順を試行し、性能面の問題の有無を確認したうえで、本格運用のハードウェアを決定する。

インストールコマンドの実行方法

管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。wingetの--scope machineオプションでシステム全体にインストールするには、管理者権限が必要である。実行時はコマンド全体をコマンドプロンプトにコピー＆ペーストする。

REM ============================================================
REM 管理者権限チェック
net session >nul 2>&1
if errorlevel 1 ( echo [エラー] 管理者権限で実行してください & pause & exit /b 1 )

REM winget パッケージ一覧のローカルキャッシュを更新
winget source update

REM === 1. Ollama 環境変数を Machine スコープで事前設定 ===
REM   インストール前に設定することで、Ollama 起動時から正しい設定が読み込まれる
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_FLASH_ATTENTION', '1', 'Machine')"
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_KV_CACHE_TYPE', 'q8_0', 'Machine')"
REM   コンテキスト長：Ollama のデフォルトは 4096。
REM   ここでは gemma4:12b-it-qat の上限 262144 に設定する
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_CONTEXT_LENGTH', '262144', 'Machine')"
powershell -NoProfile -Command "[System.Environment]::SetEnvironmentVariable('OLLAMA_MODELS', 'C:\Ollama\models', 'Machine')"
set "OLLAMA_FLASH_ATTENTION=1"
set "OLLAMA_KV_CACHE_TYPE=q8_0"
set "OLLAMA_CONTEXT_LENGTH=262144"
set "OLLAMA_MODELS=C:\Ollama\models"

REM === 2. 既存の Ollama プロセスを停止（ファイルロック解除のため） ===
taskkill /IM ollama.exe /F >nul 2>&1
taskkill /IM "ollama app.exe" /F >nul 2>&1

REM === 3. モデルフォルダの作成と権限設定 ===
if not exist "C:\Ollama\models" mkdir "C:\Ollama\models"
icacls "C:\Ollama\models" /grant *S-1-5-32-545:(OI)(CI)(M) /T /C

REM === 4. 既存モデルの移動（ユーザープロファイルに残っている場合） ===
REM   Ollama 停止状態で実行するためファイルロックが起きない
if exist "%USERPROFILE%\.ollama\models" robocopy "%USERPROFILE%\.ollama\models" "C:\Ollama\models" /E /MOVE
if exist "%USERPROFILE%\.ollama\models" rd /s /q "%USERPROFILE%\.ollama\models"

REM === 5. Ollama のインストール（Inno Setup） ===
source-agreements
REM   uninstall 後にプロセスが残ることがあるため再度停止
taskkill /IM ollama.exe /F >nul 2>&1
taskkill /IM "ollama app.exe" /F >nul 2>&1
winget install --id Ollama.Ollama -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/DIR=C:\Ollama"
winget upgrade --id Ollama.Ollama -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/DIR=C:\Ollama"

REM === 6. Ollama のパス設定（システム PATH に未登録の場合のみ追加） ===
powershell -NoProfile -Command "$p='C:\Ollama'; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and (';'+$c+';' -notlike \"*;$p;*\")){[Environment]::SetEnvironmentVariable('Path',\"$c;$p\",'Machine')}"

REM   Ollama のパスを現在のセッションに反映
set "PATH=C:\Ollama;%PATH%"

REM === 7. Ollama サービスの起動（モデルダウンロードの前に必要） ===
where ollama >nul 2>&1
if errorlevel 1 echo Ollama のパスが見つかりません。再起動後に再実行してください。 & exit /b 1
tasklist /fi "imagename eq ollama.exe" | find "ollama.exe"  2>&1
if errorlevel 1 start "" "C:\Ollama\ollama.exe" serve & timeout /t 10 /nobreak

REM === 8. モデルのダウンロード ===
REM   動作確認用（テキスト専用、約 731MB）。
echo LFM2.5-1.2B-Instruct モデルをダウンロード中...
ollama pull LiquidAI/lfm2.5-1.2b-instruct
REM   画像入力対応（軽量、約 4.3GB）
echo gemma4:e2b-it-qat モデルをダウンロード中...
ollama pull gemma4:e2b-it-qat
REM   画像入力対応（上位、約 7.2GB）
echo gemma4:12b-it-qat モデルをダウンロード中...
ollama pull gemma4:12b-it-qat
echo モデルダウンロード完了

REM === 9. 埋め込みモデルのダウンロード（RAG 演習で使用） ===
echo bge-m3 埋め込みモデルをダウンロード中...
ollama pull bge-m3
echo 埋め込みモデルダウンロード完了

REM === 10. Open WebUI のインストール ===
REM   open-webui パッケージにより、依存パッケージ（FastAPI、ChromaDB、
REM   sentence-transformers 等）が一括インストールされる
python -m pip install --no-user --upgrade pip
python -m pip install --no-user --upgrade open-webui

REM === 11. Git のインストール ===
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"

REM   Git のパスを現在のセッションに反映
set "PATH=C:\Program Files\Git\cmd;%PATH%"

REM === 12. スタートメニュー ショートカット作成 ===
REM   gemma4:e2b-it-qat 起動ショートカット（CUI で質問・応答を行う）
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $l=$s.CreateShortcut([Environment]::GetFolderPath('CommonPrograms')+'\Ollama Gemma4 e2b.lnk'); $l.TargetPath='cmd.exe'; $l.Arguments='/k \"start cmd /k ollama serve ^& timeout /t 3 /nobreak ^>nul ^& ollama run gemma4:e2b-it-qat\"'; $l.Save()"

echo インストール完了

第7章 開発エディタの活用

6.1節でインストールしたVisual Studio CodeとWindsurf、6.2節でインストールしたJupyterLabについて、それぞれの特徴と適した用途を説明する。開発エディタは併用も可能である。

開発エディタ選択フローチャート

開始
 |
 v
Windsurfを使用 -----------> 推奨：Windsurf
(AI支援・VS Code互換)       (第一候補)
 |
 v
Windsurfで不十分？ ---- No --> Windsurf継続使用
 |
 Yes
 |
 v
データ分析・グラフ重視？ - Yes --> JupyterLab
 |                             または Google Colaboratory
 No                            (対話実行・可視化)
 |
 v
特殊なVS Code拡張必要？ - Yes --> Visual Studio Code
 |                             (限定的用途)
 No
 |
 v
Windsurfに戻る -----------> Windsurf
                           (標準選択)

① Visual Studio Code（VS Code）

Microsoftが開発するコードエディタである。「拡張機能」により、Python開発支援などの機能を追加してカスタマイズできる。

適した用途：プログラム開発、複数のファイルで構成されるプロジェクトの管理。

主なAI機能：Cline拡張機能を導入することで、AIによるファイル操作、ターミナル実行、複数ファイルの編集、チャットによる質問応答、コード生成といったAI支援機能を利用できる。本ガイドではClineをOllamaによるローカル AIに接続するため、登録不要・無料で、コードを外部に送信せずに利用できる。

6.1節でインストールした拡張機能の説明

ClineをOllama（ローカル AI）に接続する

登録不要・安全なローカル AIに接続するため、以下の手順で設定する。

  1. 左サイドバーのClineアイコンをクリックして、Clineパネルを開く
  2. Clineパネル右上の設定（歯車）アイコンをクリックする
  3. API ProviderのドロップダウンからOllamaを選択する
  4. Base URLにhttp://localhost:11434を入力する（OllamaのローカルAPIのアドレスである）
  5. Modelに、ダウンロード済みのモデル名（例：gemma4:e2b-it-qat）を入力する
  6. 設定を保存する

以上で、Clineがローカル AIに接続される。Ollamaはアカウント登録やAPIキーが不要であり、コードやデータが外部に送信されない。Ollamaが起動していない場合は、コマンドプロンプトでollama serveを実行する。

② JupyterLab（Jupyter Notebook互換のノートブックUIを含む対話的開発環境）

Webブラウザ上で動作する対話的な開発環境である。「セル」と呼ばれるブロック単位でコードを書き、実行するとその結果（数値、表、グラフなど）がすぐ下に表示される。古典的なJupyter Notebook互換のノートブックUIを含む統合環境であり、ファイルブラウザ、複数ノートブックのタブ表示、ターミナル統合などの機能も備える。

適した用途：データ分析、アルゴリズムの検証、学習過程や結果の可視化、デモンストレーション。

起動方法：コマンドプロンプトでjupyter labを実行する。Webブラウザが開き、JupyterLabの画面が表示される。新しいノートブックを作成し、セルにPythonコードを入力してShift+Enterで実行すると、結果がセルのすぐ下に表示される。

③ Windsurf

AI統合開発環境（IDE）である。エディタ機能とAIとの連携が特徴である。

主なAI機能

第8章 このガイドのAI開発環境のメリットと注意点

8.1 メリット

8.2 注意点と潜在的な課題

第9章 一般的なトラブルシューティング

問題：pythonやpipコマンドが認識されない

エラーメッセージ例：'python' is not recognized as an internal or external command, operable program or batch file.

原因：wingetでのインストールに失敗したか、PATHが正しく設定されていない可能性がある。

対処法：PCを再起動する。それでも解決しない場合は、Windowsの「設定」→「システム」→「バージョン情報」→「システムの詳細設定」→「環境変数」を開き、システム環境変数のPathにPythonのインストールフォルダ（例：C:\Program Files\Python312）が含まれているか確認する。

問題：ライブラリが見つからない

エラーメッセージ例：ModuleNotFoundError: No module named 'xxx'

原因：必要なライブラリ（例：torch、numpy、pandasなど）が正しくインストールされていないか、コマンドを実行しているPython環境とは異なる環境にインストールされている可能性がある。

対処法：pip install --no-user <ライブラリ名>コマンドを再実行する。pip listコマンドでインストール済みのライブラリ一覧を確認できる。

問題：GPUが認識されない、またはGPU関連のエラーが出る

エラーメッセージ例：CUDA is not availableなど

原因：インストールされているCUDAと、PyTorchが要求するCUDAバージョンの間に互換性がないことが主な原因である。その他、CUDAのインストール失敗、GPUハードウェアの問題なども考えられる。

対処法

  1. 6.3節の手順を参考に、CUDAとPyTorchのバージョン互換性を再確認する。必要であれば、CUDAまたはPyTorchを再インストールする。
  2. コマンドプロンプトでnvidia-smiを実行し、NVIDIAドライバが正しくインストールされ、GPUがシステムに認識されているか確認する。
  3. Pythonで以下のコードを実行してPyTorchがGPUを認識しているか確認する。 
    import torch
print(torch.cuda.is_available())
print(torch.version.cuda)

    Trueが返ってくればPyTorchはGPUを認識している。Falseの場合は、pip uninstall torchで一度アンインストールし、PyTorch公式サイトで確認した正しいコマンドでPyTorchを再インストールする。

  4. PCの再起動も試す。
  5. 次の手順で、NVIDIAドライバの更新も試みる。
    • NVIDIA公式サイトのドライバダウンロードページにアクセスする
    • GPUモデル、OS、ドライバタイプを選択する
    • 最新版をダウンロードし、インストーラーを実行する（「クリーンインストール」推奨）
    • 確認（コマンドプロンプト）：nvidia-smi

問題：ollamaコマンドが認識されない、またはClineがローカル AIに接続できない

エラーメッセージ例：'ollama' は、内部コマンドまたは外部コマンドとして認識されていません。、またはClineで接続エラーが表示される。

原因：Ollamaのインストールに失敗したか、PATHが設定されていない、またはOllamaサービスが起動していない可能性がある。

対処法

  1. 新しいコマンドプロンプトを開き直してからollama --versionを実行し、バージョン番号が表示されるか確認する。
  2. 表示されない場合は、システム環境変数のPathにC:\Ollamaが含まれているか確認する。
  3. Ollamaサービスが起動しているか確認する。起動していない場合は、コマンドプロンプトでollama serveを実行する。
  4. Clineの設定で、Base URLがhttp://localhost:11434、Modelがダウンロード済みのモデル名（ollama listで確認できる）になっているか確認する。

問題：wingetコマンドが認識されない

エラーメッセージ例：'winget' は、内部コマンドまたは外部コマンド、操作可能なプログラムまたはバッチ ファイルとして認識されていません。

原因：Windows Package Manager（winget）がインストールされていない、または利用できない状態である。Windows 11では通常はじめから利用可能であるが、古い環境などでは未導入の場合がある。

対処法：Microsoft Storeを開き、「アプリ インストーラー（App Installer）」をインストールまたは更新する。インストール後、新しいコマンドプロンプトを開き直してからwinget --versionを実行し、バージョン番号が表示されることを確認する。

問題：第1章のスクリプトを管理者権限なしで実行してしまった

エラーメッセージ例：スクリプト先頭で管理者権限で実行してくださいと表示されて停止する。

原因：スクリプト先頭のnet sessionによる管理者権限チェックに失敗したため、後続の処理を実行せず終了している。--scope machineでのインストールやシステム環境変数の設定には管理者権限が必要である。

対処法：管理者権限でコマンドプロンプトを起動する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。起動し直してからスクリプトを再実行する。

第10章 このガイドを終えたら：次のステップへ

これで、Windows PC上にAI開発の基本的な環境が構築できた。以下、AI開発やプログラミング学習をさらに進めるためのステップを案内する。