【G検定まとめ2026】1.人工知能の定義

1. 人工知能とは何か、具体例を用いて説明できる

人工知能は、人間のような知的な処理能力を備えた機械やシステムを指す概念です。この用語は1956年にアメリカで開かれたダートマス会議で初めて使用され、それ以降、学術的な研究分野として認識されるようになりました。人工知能の定義は、専門家の間でも完全に一致しているわけではありません。その理由は、「知性」や「知能」自体の定義が明確でないことにあります。「人間と同じ知的な処理能力」の解釈が研究者によって異なるため、人工知能の具体的な要件についても様々な見解が存在します。

例えば、感情や心、価値観、個性などが人工知能の実現に必要かどうかについては、意見が分かれています。人工知能の具体例を挙げると、私たちの日常生活に身近なものから高度なものまで、様々なものがあります。例えば、家庭用のお掃除ロボットは人工知能の一例です。このロボットは、部屋の形状や障害物の位置を把握し、効率的に掃除を行うことができます。また、自動運転車も人工知能技術を活用しています。これらの機器は、周囲の状況を認識し、その情報を基に適切な行動を選択する能力を持っています。

さらに、ゲームの分野でも人工知能は活躍しています。将棋や囲碁のプログラムは、人間の棋士と対局し、時には勝利を収めることもあります。これらのプログラムは、膨大な対局データを学習し、状況に応じて最適な手を選択する能力を持っています。

2. 人工知能のレベルを「単純な制御プログラム」「古典的な人工知能」「機械学習」「深層学習」の4つに分類し、それぞれがどのようなものか説明することができる

単純な制御プログラム

最も基本的なレベルが「単純な制御プログラム」です。これは私たちの日常生活でよく目にする家電製品などに組み込まれているものです。例えば、エアコンの温度調節や洗濯機の水量調整などがこれに当たります。これらのプログラムの特徴は、あらかじめ決められた単純な動作パターンに従って動くことです。つまり、プログラムに書かれた通りの動作しかできず、状況に応じて柔軟に対応することはできません。

古典的な人工知能

次のレベルは「古典的な人工知能」です。これは、人間が持つ知識やルールをコンピュータに教え込み、それに基づいて推論や判断を行うシステムです。例えば、制御ロボットや診断プログラムなどがこれに該当します。古典的な人工知能の特徴は、与えられた知識の範囲内であれば複雑な問題解決も可能だということです。ただし、新しい状況への対応には限界があります。プログラムに組み込まれていない状況に遭遇すると、適切な対応ができなくなってしまいます。

機械学習

第3のレベルは「機械学習」です。これは、データから自動的にパターンを見つけ出し、それを基に判断や予測を行う技術です。機械学習を用いたシステムの特徴は、大量のデータを学習することで、人間が明示的に教えなくても様々なタスクをこなすことができるようになる点です。機械学習は、データの中から規則性や関連性を見出し、それを基に新しい状況にも対応できるようになります。これにより、従来のプログラムでは難しかった柔軟な対応が可能になりました。

深層学習

最後のレベルは「深層学習」です。これは機械学習の一種で、人間の脳の神経回路を模した多層のニューラルネットワークを使用します。深層学習の特徴は、特に画像認識や自然言語処理などの分野で高い性能を発揮し、人間を超える精度で複雑なタスクを処理できる点です。大量のデータと強力な計算能力を用いて、非常に複雑なパターンを学習し、高度な判断や予測を行うことができます。

3. AI効果を説明できる

AI効果は、人工知能（AI）の発展に伴って観察される現象です。この現象は、AIが新たな能力を身につけたり、これまで人間だけができると考えられていた作業を行えるようになったりした際に起こります。AI効果の具体的な例として、AIが新しい技術を実現し、その仕組みが明らかになった時に見られる人々の反応があります。多くの場合、人々はその成果を「ただの自動化」や「プログラミングの結果」としてとらえ、「本物の知能」とは考えなくなる傾向があります。つまり、AIの成果が理解されるにつれて、それが「知能」であるという認識が薄れていくのです。

この現象の背景には、人間の知能に対する認識の変化があります。私たちは、人間にしかできないと思っていたことがAIによって実現されると、その能力をもはや特別なものとは見なさなくなります。その結果、AIの実際の進歩や成果が十分に評価されない状況が生じることがあります。AI効果は、チェスや将棋などのゲームの分野で特に顕著に見られました。かつては、これらの複雑なゲームで人間に勝つことは、高度な知能の証だと考えられていました。

しかし、AIが一流のプレイヤを打ち負かすようになると、「それは単に膨大な計算を行っているだけだ」という見方が広まりました。この効果は、AIの研究開発に携わる人々にとって重要な課題となっています。AIの進歩を正確に評価し、その意義を社会に伝えるためには、AI効果を考慮に入れる必要があります。また、AIの能力が向上するにつれて、「知能」や「知性」の定義自体を見直す必要性も生じています。

4. 人工知能とロボットの違いを説明できる

人工知能とロボットは、どちらも先端技術の分野ですが、その目的や特徴には大きな違いがあります。人工知能は、主に「考える」という知的な処理能力の実現を目指しています。つまり、人間のような思考や判断ができるコンピュータシステムを作ることが主な目標です。例えば、将棋や囲碁のAIシステムは、物理的な形を持たずに、純粋に思考や戦略を生み出すプログラムとして機能します。一方、ロボットは物理的な形を持つ機械であり、主に動きや作業を行うことに重点が置かれています。

例えば、工場で使われる産業用ロボットは、決められた作業を繰り返し行いますが、必ずしも高度な思考能力は必要としません。専門家の間では、人工知能とロボットの研究は明確に区別されています。人工知能の研究者は主に「考える」部分に注目しているのに対し、ロボットの研究者は体全体の動きや構造を研究しています。

ただし、最近では人工知能とロボット工学の融合が進んでいます。例えば、自動運転車は、物理的な形を持つロボットの側面と、周囲の状況を認識し判断する人工知能の側面を併せ持っています。このように、両者の境界線があいまいになってきている分野もあります。人工知能とロボットの関係を簡単に例えると、ロボットの「腕」に当たる部分が人工知能だと考えることができます。つまり、人工知能はロボットの一部として機能し、より高度な判断や作業を可能にする「頭脳」のような役割を果たすことがあります。

---

キーワード解説

AI効果

AI効果は、人工知能技術によって新たな成果が生み出されると、その原理が解明された瞬間、人々が「それは単なる自動化であり、真の知能とは関係ない」と考える心理的な現象である。この効果は、AIの進歩に伴ってその本質的な価値を過小評価する傾向が生じることを示している。技術の成果が当たり前になることで、人々はその重要性を見過ごしやすくなり、その結果、AIのさらなる発展の可能性に対する認識が狭まることがある。この心理的な効果に注意し、AI技術の真価を正確に評価することが重要。

エージェント

エージェントは、プログラムやメカニズムの一種で、あらかじめ定義された目標を達成することを目的として設計されている。自律的に環境を認識し、その状況に応じて適切な行動を選択する能力を持っている。また、学習機能を備えたエージェントは、経験を通じて行動戦略を改善し、より効果的な結果を得ることができる。

人工知能

計算機による知的な情報処理システムの設計や実現に関する研究分野であり、コンピュータを使って学習・推論・認識・判断など人間と同じ知的な処理能力を持つシステム。「知性」や「知能」自体の定義がないため、人工知能の具体的な定義は専門家の間でも未だに無い。同じシステムであっても、それを人工知能だと主張する人と人工知能ではないと考える人がいる。「人間と同じ知的な処理能力を持つ機械（情報処理システム）」という表現をすれば、「人間と同じ知的な処理能力」という部分の解釈が人によって異なる可能性がある。AIの始まりはエニアック登場の10年後に1956年ダートマス会議で初めて提唱されたことによる。アーサー・サミュエルは機械学習を「明示的にプログラムしなくても学習する能力をコンピュータに与える研究分野」と定義している。

機械学習

学習により自動で改善するコンピューターアルゴリズムもしくはその研究領域。データが持つ特徴（構造やパターン）を学習しており、パターン認識という古くからの研究をベースにしている。

ディープラーニング

ディープニューラルネットワークを用いて学習を行うアルゴリズムで機械学習に含まれる。ディープラーニングを取り入れた人工知能は、学習対象となるデータの特徴量を自動的に学習する。画像認識、音声認識、自動翻訳など、従来のコンピュータでは実現するのが難しいとされてきた分野での応用が進んでいる。ディープラーニングは従来の機械学習と異なり、特徴量そのものを学習するため、入力の良い内部表現を得ることができるようになった。