人工知能の4つのレベル

27 Sep, 2025

(GPTコピペ)

😃 「単純な制御プログラム」「古典的AI」「機械学習」「深層学習」の違いってなに？

🐹 AIの進化をざっくり4段階で整理したイメージだね🌱

🌟 違いをざっくりまとめると

1. 単純な制御プログラム

• 特徴: if文・ルールベース。「条件がこうならこう動く」っていう完全手動設計。

• 例:

  • 「信号が赤なら止まる」自動ドア
  • 家電の温度センサー（25℃以上なら冷房ON）

• ポイント: 「知能」というより「決められたルールの自動化」。

2. 古典的な人工知能（記号処理AI）

• 特徴: 知識やルールを大量に人間が与える → 推論エンジンが処理。

• 例:

  • エキスパートシステム（医療診断MYCIN、化学解析DENDRAL）
  • チューリングテストを目指した初期の会話システム（ELIZA）

• ポイント: 「知識を記号（ルールや論理式）で表す」発想。 でも知識を全部書き下すのが大変で、スケールしなかった。

3. 機械学習（ML）

• 特徴: データからパターンを学ぶ。「ルールを人間が作る」から「ルールを自動で学習する」へ進化。

• 例:

  • スパムフィルタ（メールのデータから学習）
  • レコメンド（購買履歴から学習）

• ポイント: 「教師あり」「教師なし」「強化学習」などに分かれる。 モデルが人間の代わりに「特徴」を見つけてくれる。

4. 深層学習（DL）

• 特徴: 機械学習の一種だけど、多層のニューラルネットワークで表現力がめちゃ強い。

• 例:

  • 画像認識（猫vs犬の判別）
  • 音声認識（Siri, Alexa）
  • 大規模言語モデル（GPT, ChatGPT）

• ポイント:

  • データと計算資源が爆増したおかげで実用化
  • 自動で特徴量を抽出できる（MLより人間の手作業が少ない）

🔑 一言で区別すると

• 単純な制御プログラム → 「決め打ちの条件分岐」
• 古典的AI → 「ルールを人間が与えて推論」
• 機械学習 → 「データからルールを学習」
• 深層学習 → 「ニューラルネットで特徴も含めて自動学習」

💡 主観を交えると…

• 制御プログラムは「AIっぽくないけど、最初の一歩」
• 古典的AIは「理屈っぽい天才肌だけど不器用」
• 機械学習は「データを食べて育つ職人」
• 深層学習は「データと計算力を武器に覚醒した怪物🦾」

#ai #tech