汎用人工知能とは?強いAI・弱いAIとの違いをG検定向けに解説
どーも、りけーこっとんです。
「G検定取得してみたい!」「汎用人工知能と強いAIって、何が違うの?」このような、G検定の勉強を始めたばかりの方はいないでしょうか?
この記事では、G検定の一番最初の範囲「人工知能の定義」を解説します。
AIができること、AIのレベル分け、汎用型・特化型と強い・弱いの2つの分け方まで、混同しやすいところを表で整理しました。
本記事の範囲は問題数としては少ないものの、ここを理解していないと機械学習やディープラーニングがどういうものかも理解しにくくなるので、しっかり押さえておきましょう。
(2026年10月更新:G検定の現行シラバス(2024年第6回から適用)に合わせて内容を見直しました。)
この記事の要点
- 人工知能(AI)は1956年のダートマス会議で名付けられたが、研究者の間で定義は1つに決まっていない
- AIができることは「推論」「探索」「認識」「判断」「学習」の5つに分けて考えると分かりやすい
- AIのレベル分けは、単純な制御プログラム→古典的なAI→機械学習→ディープラーニングの4段階
- 汎用型・特化型は「できることの範囲」、強いAI・弱いAIは「心(意思)を持つかどうか」の分類(ジョン・サール)
手元に公式テキストが1冊あると、この記事で扱う用語をシラバスの言葉づかいのまま確かめられます。
深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第3版
JDLA(日本ディープラーニング協会)監修の公式テキスト。用語の意味を正確に確かめたいときの辞書がわりになります。
|
|
この記事は、現行シラバスでは第1章「人工知能とは」の「人工知能の定義」の範囲です(シラバスはJDLAの公式ページで確認できます)。G検定の範囲全体を一覧で見たい方はG検定チートシートもどうぞ。
この記事では、文字の装飾を次の3段階にそろえています。試験直前は赤太字だけ拾い読みしても要点がつかめます。
- 赤太字(超重要):試験で正解を決める決め手。年号・人物・数字・違いのポイント
- 青色マーカー+太字(重要):用語の定義。「〇〇とは」の一文
- 太字(覚えておきたい):あわせて覚えたい関連用語や覚え方
G検定の勉強シリーズ この記事は、G検定の出題範囲を分野ごとに解説する勉強シリーズのうちの1記事です。
- これから勉強を始める方は
→ G検定とは?合格ライン・難易度・勉強法で、まず試験の全体像と勉強の進め方をつかめます - 用語をサッと確かめたい方・試験当日が近い方は
→ G検定カンペ(チートシート)の分野別の用語一覧から、各解説記事にすぐ飛べます - 紙で手元に置きたい方は
→ G検定カンペの印刷用PDF(無料・A4・15ページ)をダウンロードできます
AIとは?人工知能の定義
人工知能(AI)とは、人間のように考えたり判断したりする知能を、コンピュータで人工的に実現しようとする技術や研究分野のことです。
人工知能はArtificial Intelligenceとも呼ばれ、AIと略されることもあります。この記事では「人工知能=Artificial Intelligence=AI」として書いていきます。
「人工知能」という言葉が初めて使われたのは、1956年のダートマス会議です。
会議を呼びかけたジョン・マッカーシーが名付け親ですね。
ここでG検定的に大事なのが、定義は研究者によって異なるという点です。
「知能とは何か」自体がはっきり決まっていないので、AIの定義も1つにまとまっていないんですね。
試験では「AIには専門家の間で統一された定義がある」という選択肢が、ひっかけとしてよく出ます。
ダートマス会議の参加者やAIの歴史はダートマス会議とAIの歴史の記事で詳しく解説しています。
AIができること|推論・探索・認識・判断・学習
「AIは何でもできてしまう」というイメージがある方もいると思います。でも大きく分けると、AIができることは次の5つなんです(結構やれること多い気もしますがw)。
- 推論
- 探索
- 認識
- 判断
- 学習
一つずつ詳しく見ていきましょう。
推論
推論とは、機械が自分の持つ知識を組み合わせて、新しい知識を生み出せることです。
「自分の持つ知識」というのは、人間が機械に大量に覚えさせたデータのこと。
機械がたくさん覚えたデータの中から「このデータとこのデータを組み合わせたら、目の前の問題を解決できるな」と考えることが「推論」です。
探索
探索とは、推論をどれだけ早くできるか、導いた結果をどれだけ早く実行できるかということです。
推論で問題を解決できる!ってなっても、それに一日かかっていたら意味がありませんよね。
探索のやり方にも複数あり、幅優先探索や深さ優先探索は第1次AIブームの記事で解説しています。
認識
認識とは、音声や画像・テキストなどがどういったものなのかを認識できることです。
具体的には次のようなことができます。
- 音声が何を話しているのか
- 音声は誰のものか
- 画像のどこに何が写っているのか
AIと聞いて、一番イメージしやすい「できること」ではないでしょうか。
判断
判断とは、学習させた中で、AとBどちらがより良いかなどを判断できることです。
人間が考えなかったり、データがありすぎて分からない!という場合でも「こっちの方が良いですよ」という形で判断してくれます。
ここでポイントなのは「学習させた中で」ということ。
機械に学習させていない、全く関係のないデータが出てきたときにAIは対処できません。
人間であれば全く未知の問題が来ても、「こうなるかも?」といった予想のもとで対処できますよね。それがAIにはできないんです。
学習
学習とは、データをパターンに分けること(パターン分類すること)です。
これは前述の「判断」とも被ってきますが、これが発達してきているからこそ、現在のAIブームが巻き起こっています。
学習の代表的な方法が、次で解説する機械学習とディープラーニングです。
機械学習とディープラーニングの違い
機械学習とは
機械学習とは、まとめると「データから“賢さ”を得る技術」です。これが第三次AIブーム(今のAIブーム)の根幹になっていますよね。
現在のブームが来るまで、AIが分かるのは「過去にどのようなデータがあったのか」「過去のデータから、今どうなっているのか、どうしたら良いか」という、過去と現在の一部のことだけでした。
しかし「学習」ができるようになったことで、次のことができるようになりました。
- 過去のデータをパターン分類することで、未知のデータを予測する
- 現在の認識や判断の精度を上げる
これが色んなビジネスに利用できるということで、話題になっているんですね。機械学習の定義(アーサー・サミュエル)は特徴量と第3次AIブームの記事で紹介しています。
ディープラーニングとは
「機械学習」と「ディープラーニング」って何が違うの?という方もいるのではないでしょうか。
ディープラーニングとは、機械学習の手法の1つ「ニューラルネットワーク」の層を深くしたものです。つまりAI>機械学習>ディープラーニングという包含関係になっています。図にするとこんな感じです。
大きく言ってしまえば、機械学習のいっぱいある手法の1つが「ディープラーニング」なのです。
今までの手法とは比べものにならない複雑な判断を可能にしました。
従来は人間が決めていた特徴量(データのどこに注目するか)まで、データから自動で学習できる点が画期的でした。
AIのレベル分け|単純な制御プログラムからディープラーニングまで
AIの種類の分け方は様々なものがありますが、G検定でよく使われるのが次の4段階のレベル分けです。
この4段階は、G検定の公式テキストでも使われている整理(松尾豊さんの『人工知能は人間を超えるか』が元)ですね。
| レベル | 名前 | どんなものか | 例 |
|---|---|---|---|
| レベル1 | 単純な制御プログラム | 人間が決めた通りに動くだけの機械 | エアコンの温度調整 |
| レベル2 | 古典的な人工知能 | 知識を大量に入れることで、特定の作業を可能にするAI | お掃除ロボット、診断プログラム |
| レベル3 | 機械学習を取り入れた人工知能 | 判断軸(特徴量)を人間が決めると、その判断に沿って学習していくAI | 検索エンジン、交通渋滞の予測 |
| レベル4 | ディープラーニングを取り入れた人工知能 | 判断軸さえも機械自身で見つけられるAI | 画像認識、音声認識 |
ポイントは、レベル3と4の違いが特徴量を人間が決めるか、機械が自分で見つけるかにあることです。
ここは試験で狙われやすいので、表の右側の例とセットで覚えておきましょう。
AIとロボットの違い
AIとロボットの違いは、AIが「考える部分(脳)」、ロボットが「動く部分(身体)」を指すことです。
「AIってロボットのことじゃないの?」と思う方もいると思います。
でも、ロボットの中にはAIを使わずに決められた動きを繰り返すだけのもの(工場の溶接ロボットなど)もありますし、逆にAIには身体がないもの(翻訳アプリなど)もたくさんあります。
G検定では、ロボットの研究とAIの研究は別の分野として扱われていることを押さえておけば十分です。
AIが身体を持たないことによる問題(身体性)はフレーム問題・身体性の記事で解説しています。
AIはもう大人だけのものではありません。お子さんと一緒に、生成AIの正しい使い方から学べる講座もあります。
エージェントとは
エージェントとは、周りの環境を観測して、目的に合った行動を自分で選んで実行する主体のことです。
AIの教科書として有名なスチュアート・ラッセルとピーター・ノーヴィグの『エージェントアプローチ人工知能』は、AIをエージェントとして捉えて説明している名著です。
AI関連の知識が全て網羅されていると言われるほどの本ですね。
例えばロボット掃除機は、センサーで部屋の様子を観測し(環境の観測)、ゴミがありそうな方向へ進む(行動の選択)エージェントだと言えます。
この「観測→行動を選ぶ→環境が変わる」という考え方は、強化学習でもそのまま使われます。強化学習のエージェントは強化学習の記事で解説しています。
汎用人工知能と特化型AIの違い
AIを二種類に分ける分類も存在します。そのうちの1つが「汎用型」「特化型」という分類です。
汎用人工知能とは
汎用人工知能とは、人間のように様々な課題をこなし、考え行動するAIのことです。
英語ではAGI(Artificial General Intelligence)と呼ばれます。
ドラえもんやターミネーターのようなイメージでしょうか。
特化型人工知能とは
特化型人工知能とは、何か1つの作業に特化したAIのことです。
最近のロボット掃除機、画像認識、SiriやAlexaなどがあるでしょう。
今、世の中で使われているAIのほとんどはこちらですね。
ChatGPTのような生成AIは1つで色々なことができるので「汎用人工知能に近づいた」と言われることもありますが、汎用人工知能が実現したと広く認められているわけではありません。
強いAIと弱いAIとは?汎用型・特化型との違い
もう一つのAIを二種類に分ける分類が「強いAI」「弱いAI」です。
強いAIと弱いAIとは、AIが人間のような心(意思)を持つかどうかで二分した分け方です。
アメリカの哲学者ジョン・サールによって定義されました。
- 強いAI:人間のように考え、心を持って自発的に行動するAI
- 弱いAI:心は持たず、人間の知能の一部を道具として再現するAI
以前この記事では「正直、汎用型・特化型と何ら変わりません」と書いていたのですが、試験対策としては分類の観点が違うことを押さえておくのが安全です。
| 分け方 | 何を基準にするか | 提唱者・出典 |
|---|---|---|
| 汎用型/特化型 | できることの範囲(何でもできるか、1つの作業か) | ― |
| 強いAI/弱いAI | 心(意思)を持つかどうか | ジョン・サール(1980年) |
イメージはかなり重なるので、「強いAI=汎用型」に近いものとして説明されることもあります。
ただ「何でもできるけれど心は持たないAI」もあり得るので、厳密には別物ですね。
強いAIを批判したサールの思考実験「中国語の部屋」は中国語の部屋の記事で解説しています。
G検定での問われ方|人工知能の定義の早見表
この範囲は問題数こそ少ないものの、ひっかけ問題が出やすいところです。現行シラバスの「人工知能の定義」のキーワードを、一言でまとめておきます。
| 用語 | 一言でいうと | 詳しい解説 |
|---|---|---|
| AI効果 | 仕組みが分かった途端「それは単なる自動化でAIではない」と見なされてしまう現象 | 解説記事 |
| エージェント | 環境を観測し、目的に合った行動を自分で選んで実行する主体。AIをエージェントとして捉える考え方がある | この記事 |
| 人工知能 | 1956年のダートマス会議でジョン・マッカーシーが名付けた。研究者の間で定義は統一されていない | この記事 |
| 機械学習 | データから規則やパターンを学習し、経験によって性能が上がる仕組み。AIの中核技術 | この記事 |
| ディープラーニング | 層を深く重ねたニューラルネットワークで学習する機械学習の手法。特徴量を自動で学習できる | この記事 |
特に「AIの定義は統一されていない」「AI>機械学習>ディープラーニングの包含関係」「強いAI・弱いAIはジョン・サール」の3つは、確実に答えられるようにしておきましょう。
よくある質問
Q. 汎用人工知能(AGI)はもう実現していますか?
実現したと広く認められたものは、まだありません。大規模言語モデルは幅広い作業をこなせますが、人間のようにどんな課題でも自分で考えて解決できる段階かどうかは、専門家の間でも意見が分かれています。
Q. 強いAIと汎用人工知能は同じ意味ですか?
近い意味で使われることはありますが、厳密には分け方の観点が違います。強いAI・弱いAIは「心を持つかどうか」、汎用型・特化型は「できることの範囲」で分けたものです。
Q. G検定で「AIの定義」はどう問われますか?
「専門家の間で統一された定義がある」のような誤った選択肢を選ばせる問題がよく出ます。AIの定義は研究者によって異なること、「人工知能」という言葉が1956年のダートマス会議で生まれたことを押さえておきましょう。
よくある質問の内容までスラスラ答えられたら、次は問題形式で解いてみるのがおすすめです。選択肢を見比べると、どこで引っかけられるのかが分かってきます。
徹底攻略ディープラーニングG検定ジェネラリスト問題集 第3版
分野ごとの問題と解説がまとまった問題集。記事で覚えた用語を、本番と同じ選択式で解いて確かめられます。
|
|
まとめ
- 人工知能という言葉は1956年のダートマス会議で生まれ、定義は研究者によって異なる
- AIができることは「推論」「探索」「認識」「判断」「学習」の5つ
- AI>機械学習>ディープラーニングの包含関係。レベル3と4の違いは特徴量を人間が決めるかどうか
- エージェントは、環境を観測して自分で行動を選ぶ主体
- 汎用型・特化型は「範囲」、強いAI・弱いAIは「心を持つか」(ジョン・サール)の分類
次は、「人工知能」という言葉が生まれたダートマス会議から今のディープラーニングまで、AIの歴史をAIの歴史の記事で年代順に整理していきます。今後も重要な内容をどんどんアウトプットしていきますので、一緒にG検定合格に向けて頑張っていきましょう!
G検定の試験範囲をまとめて見直したい方は、シラバスの全キーワードを一行でまとめたG検定チートシートをどうぞ。分野ごとに読み進めたい方はG検定の解説記事一覧からどうぞ。
G検定に合格したあと、その資格をどう使うかまで考えておくと勉強のモチベーションが続きます。AI・データ系の求人では、こうした基礎知識を持っていることが評価される場面も増えています。どんな求人があるのか眺めておくだけでも、学ぶ内容の優先順位が見えてきますよ。
20代で未経験からIT職を目指す方は、若手向けの就職・転職サービスを使うと、書類作成から面接まで相談できます。

