本文へ移動
← 目次 生成AI発展講座 DAY 02

第1章|人工知能とは

DAY 02 ・ 約30分

特化型AI・汎用AI・強いAI

できる仕事の広さと、人間らしさを混同しない。

今日できるようになること

特化型AI、汎用人工知能、強いAI、自律性の違いを説明し、宣伝上の表現と実際の能力を分けて評価できる。

01 言葉を知る02 仕組みを理解する03 実例で理解する04 今日の理解度を確認する05 今日の整理をする
01|言葉を知る

言葉を知る

用語を暗記するだけでなく、似た概念との違いと、何を判断するための言葉かまで整理します。

特化型AI(Narrow AI)

限定された目的や課題の範囲で高い性能を発揮するAIです。現在実用化されているAIの大部分が該当します。

汎用人工知能(AGI)

特定課題に限定されず、多様な課題を学習・適応しながら扱える知能を目指す概念です。実現条件について統一された判定基準はありません。

強いAI

機械が本当に心・意識・理解を持ち得ると考える立場や、そのようなAIを指す言葉です。課題の広さを表すAGIとは論点が異なります。

弱いAI

AIを心そのものではなく、人の知的活動を説明・支援・再現する道具として捉える立場です。性能が低いという意味ではありません。

自律性

人が一手ずつ指示しなくても、与えられた目的と範囲の中で次の行動を選べる度合いです。意識や自由意志があることとは別です。

能力範囲

AGIは主に「どれだけ幅広い課題を扱えるか」という能力範囲の話です。

人間同等

人間の自由意志や感情を証明するものではありません。

02|仕組みを理解する

仕組みを理解する

1.現在のAIは、広く話せても条件付きの特化型である

画像分類、音声認識、需要予測、文章生成など、現在利用できるAIは基本的に目的と利用条件を持っています。大規模言語モデルは多くの話題を扱うため、従来の一機能型AIより汎用的に見えます。しかし、利用できる入力形式、参照できる情報、文脈量、許可されたツール、出力の信頼性には境界があります。会話で旅行計画を作れても、自動的に最新の運休情報や本人の予算を知るわけではありません。 特化型という言葉は「能力が低い」という意味ではありません。囲碁だけを行うAIが世界最高水準でも、それは囲碁へ特化しています。がん画像の特定条件で高い検出性能を持つAIも、そのまま別の病気や別の撮影装置へ使えるとは限りません。性能を見るときは、どの課題、データ、環境、指標で測ったかを確認します。広く会話できることと、あらゆる現実課題を安全に完了できることを同一視しません。

2.AGIは、製品名ではなく未確定の研究目標である

AGIは、人間のように幅広い課題へ適応できる人工知能を表すために使われます。ただし、何種類の課題ができれば汎用なのか、人間と同じ学び方が必要か、身体を持つ必要があるかについて統一基準はありません。言語、画像、音声、道具利用を一つのモデルが扱えても、それだけでAGIと判定する共通試験は存在しません。 そのため、「AGIを達成した」「AGIに近い」という主張を見るときは、言葉だけを受け入れず、何を測ったかを確認します。未知課題への適応、長期計画、常識、因果関係、現実世界での安全な行動など、評価軸は複数あります。ベンチマーク得点が高くても、問題形式が少し変わると失敗したり、事実でない説明を作ったりする場合があります。AGIは将来の可能性を議論する重要な概念ですが、現在のシステムへ権限を与える判断は、抽象的な呼び名ではなく実測された能力で行います。

3.強いAIとAGIは、同じ質問をしていない

AGIは主に「どれだけ幅広い課題を扱えるか」という能力範囲の話です。強いAIは、「機械が本当に意味を理解し、心や意識を持ち得るか」という哲学的な話です。幅広い試験で高得点を出すシステムがあっても、意識があるとは自動的に証明されません。反対に、仮に限られた環境で意識を持つ機械を想定しても、多様な実務をこなせるとは限りません。 弱いAIも「性能が弱いAI」ではありません。AIを心の再現とみなさず、知的な機能を実現する道具やモデルとして研究する立場です。用語の「強い・弱い」を性能ランクとして覚えると誤答につながります。能力の広さ、心の有無、性能の高さ、安全に任せられる範囲を別々の軸で考えます。現在のサービス利用では、心の有無を断定するより、できる操作と失敗条件を確認する方が直接的な判断材料になります。

4.自律的に動くことと、意思を持つことは別である

倉庫ロボットが障害物を避けて経路を変更したり、AIエージェントが検索結果を見て次の調査先を選んだりすると、「自分で考えた」ように見えます。ここでの自律性は、人が決めた目的、利用できる道具、行動範囲、終了条件の中で次の処理を選ぶ性質です。人間の自由意志や感情を証明するものではありません。 自律性は段階で設計できます。文章案を一つ返す、複数案を比較する、資料を検索する、ファイルへ保存する、外部へ送信するでは影響が違います。技術的に自動化できても、公開・送信・支払い・削除は人の承認を残す判断があります。「AIが自律しているから止められない」のではなく、止められる仕組みを作らなかった設計上の問題です。能力と権限を分け、最小限の範囲から動かします。

5.人間以上の局所性能は、全体的な優越を意味しない

AIは計算速度、記憶容量、同じ処理の反復などで人を大きく上回れます。画像分類やゲームのように条件と評価が明確な課題では、人間以上の成績を出すことがあります。しかし、局所的な性能から「人間より賢い」と全体へ広げるのは論理の飛躍です。課題ごとに必要な知識、常識、身体経験、価値判断、責任が違います。 また、試験成績には訓練データとの重なり、問題形式への適応、評価指標の偏りが影響します。高得点でも、現場の入力が試験と違えば性能は下がります。評価では平均点だけでなく、どの種類で失敗するかを見ます。医療支援で全体正解率が高くても、特定集団だけ見逃しが多ければ重大です。性能の数字は「どの条件で、何を測った数字か」まで含めて読みます。

6.将来予測と現在の運用判断を混ぜない

AGIがいつ実現するか、社会がどう変わるかについては、専門家の間でも見解が分かれます。能力が急速に向上する可能性も、未解決の壁で進歩が鈍る可能性もあります。不確実な将来を一つに断定し、現在の投資や権限設計を決めるのは危険です。将来シナリオは複数用意し、どの状況でも必要な安全策を考えます。 一方、現在の運用判断は観察できます。対象モデルの正確さ、費用、処理時間、権限、記録、失敗時の戻し方を試験できます。宣伝で「人間レベル」「自律型」「次世代AGI」と表現されていても、実際の入力と業務で確認します。将来の研究議論を学びつつ、目の前のシステムは特化型として境界を定める。この二つを分けることで、過小評価と過信の両方を避けられます。

7.ベンチマークは能力の一部を切り取った試験である

AIの能力は、質問応答、数学、コード、画像理解、計画などのベンチマークで測られます。共通問題を使うことで進歩を比較できますが、得点は試験で定めた能力の一部です。問題が学習データへ含まれていた場合、未知問題を解く力ではなく、既知の形式を再現した可能性があります。多肢選択で高得点でも、根拠のない説明を作る場合があります。 人間の試験と同じく、試験範囲と実務範囲は一致しません。業務導入では、自社の通常例、難しい例、情報不足、悪意ある入力、重大な失敗を含む評価を別に行います。一つの総合点より、どの能力が強く、どの条件で崩れるかを能力表として持つ方が役立ちます。AGIの議論でも、単一ベンチマークを万能な境界線として扱わないことが重要です。

8.擬人化は使いやすさを高める一方、判断を曇らせる

会話AIへ名前や顔、親しみのある口調を与えると、利用者は頼みやすくなります。しかし、人間らしい表現から、実際には持たない記憶・感情・責任を推測しやすくなります。「前にも覚えた」「調べておいた」「責任を持つ」と文章で答えても、保存記録やツール実行がなければ事実とは限りません。 利用者向け設計では、親しみやすさと透明性を両立させます。AIであること、参照できる情報、できない操作、人へ連絡すべき場面を示します。社内運用でも「このAIは優秀だから任せる」ではなく、確認できた成功率、外部証拠、権限範囲で判断します。擬人化を完全になくす必要はありませんが、重要判断では機能を部品として捉え直します。

9.能力プロフィールで、任せる仕事を決める

一つのAIへ「賢い・賢くない」という総合評価を付ける代わりに、能力プロフィールを作ります。扱える入力、知識の更新方法、推論の安定性、長期作業、ツール利用、説明、速度、費用、安全性を分けます。各項目へ確認方法と制限を書けば、用途との対応が見えます。 文章の要約では高品質でも、数値計算は外部プログラムで検算する。最新料金は公式データへ接続する。送信は人が承認する、といった組合せができます。AGIか特化型かという大分類だけでは決められない実務上の境界を、能力プロフィールが補います。モデル更新後も同じ評価項目で再試験すれば、改善と後退を比較できます。

10.『人間レベル』という表現には比較対象が必要

人間レベルという言葉も、単独では意味が決まりません。初心者と専門家、平均と最高、時間制限ありとなしで基準が変わります。人は一度で答え、AIは多数回のうち最良だけを選んでいるかもしれません。AIは検索や計算機を使い、人は何も使えない条件かもしれません。逆の条件なら結果は変わります。 能力の主張を読むときは、対象者、課題、道具、試行回数、採点方法を確認します。人より高得点でも、現実の責任を引き受けられるとは限りません。人間は分からない背景を質問し、組織の価値を考え、結果へ責任を持つ役割があります。作業性能の比較と、社会的役割の代替を一つにまとめません。

11.DAY 2では、四つの軸を混ぜずに説明する

新しいAIについて説明するとき、四つの軸を使います。第一は対象課題の広さ、第二は課題内の性能、第三は自分で次の行動を選ぶ自律性、第四は意識・心・理解についての主張です。特化型かAGIかは第一、正解率は第二、エージェント機能は第三、強いAIは第四に関係します。 四つを分ければ、「自律的だからAGI」「高精度だから意識がある」「特化型だから役に立たない」といった誤解を避けられます。自分が使うAIを一つ選び、各軸について確認できる事実と不明点を書いてください。不明な内面を推測せず、現在の権限と失敗条件から利用範囲を決められれば、今日の目標に達しています。

12.能力が変わるたびに、権限を再評価する

モデルの更新で回答精度や道具を使う力が上がっても、以前の利用許可をそのまま広げてよいとは限りません。文章案だけを作っていたAIへ、メール送信、予約変更、支払いなどの機能を追加すると、同じ誤りでも現実への影響が大きくなります。能力の向上と、任せてよい権限の拡大は別の判断です。 変更時には、増えた入力、参照先、実行できる操作、承認が必要な場面、取り消し方法を一覧にします。通常例だけでなく、曖昧な指示、権限外の依頼、古い情報、途中停止も試します。高性能なAIほど無条件に任せるのではなく、できることが増えるたびに境界を引き直す。この考え方が、特化型・汎用性・自律性を実際の運用へ結び付けます。

03|実例で理解する

実例で理解する

具体例で考える

ホテルの問い合わせ対応システムが、宿泊プランを説明し、空室を検索し、返信案を作れるとします。扱える業務が複数あるため汎用的に見えますが、ホテル業務という範囲、接続された予約情報、定められた返信規則に依存しています。災害時の特別対応や契約上の補償を独自に判断してよいわけではありません。 このシステムを評価するとき、「AGIかどうか」は優先課題ではありません。通常の質問に答える精度、予約情報の更新時刻、誤案内時の停止、個人情報の範囲、外部送信前の承認を確認します。将来より高性能なモデルへ交換しても、権限と承認の設計は残ります。

手を動かして理解する

  1. 提供ケース「架空の写真整理サービスを、AIの定義・目的・評価の観点で説明する」または自分が説明できる身近な事例を一つ選び、DAY2「特化型AI・汎用AI・強いAI」の判断観点で整理してください。提出物には、①対象と目的、②本文の用語を使った判断、③判断の根拠、④未確認事項または限界を記します。最後に学習目標「特化型AI、汎用人工知能、強いAI、自律性の違いを説明し、宣伝上の表現と実際の能力を分けて評価できる。」を満たす説明になっているか自己確認してください。紙または端末の標準メモだけで実施でき、外部サービスへの登録や有料契約は不要です。 実在人物の個人情報、機密情報、未公開資料は使わず、架空または匿名化した情報だけを使ってください。

04|今日の理解度を確認する

今日の理解度を確認する

1 / 5
QUESTION 01

特化型AIの説明として最も適切なものはどれですか。

QUESTION 02

AGIと強いAIを分ける説明として適切なものはどれですか。

QUESTION 03

AIが自律的に道具を使えることから、直接は結論できないものはどれですか。

QUESTION 04

ベンチマーク得点を読むときの適切な態度はどれですか。

QUESTION 05

文章案だけを作っていたAIへメール送信機能を追加するとき、最も適切な対応はどれですか。

05|今日の整理をする

今日の整理をする

この3点を持ち帰る

  • ✓ 特化型AIは限定課題に強く、性能が低いという意味ではない
  • ✓ AGIの能力範囲と、強いAIが問う心・理解は別の論点
  • ✓ 自律性・性能・権限を分け、現在の運用は実測できる条件から判断する

講義本文 4,748字

PRIMARY SOURCES

確認に使った一次資料・原典

本文は各資料を参照し、初学者向けに独自構成・独自表現で解説しています。
NEXT LESSONDAY 3「フレーム問題と組合せ爆発」へ次のDAYに進む →