1. 能力レベルによる分類

1.1 Narrow AI（特化型AI）

単一または限定されたタスクに特化したAI。現在実用化されているAIのほぼ全てがこれに該当。画像認識、音声認識、チェス、囲碁、翻訳など。タスク間の転移は限定的。

主要論文：

• Silver et al. (2016) "Mastering the game of Go with deep neural networks and tree search", Nature
• He et al. (2016) "Deep Residual Learning for Image Recognition", CVPR

1.2 General AI（汎用AI / AGI）

人間レベルの汎用的な知的能力を持つ仮想的なAI。任意のタスクを人間と同等以上にこなせる。現時点では実現されていない。定義自体が論争的。

主要論文：

• Goertzel & Pennachin (2007) "Artificial General Intelligence", Springer
• Chollet (2019) "On the Measure of Intelligence", arXiv
• Morris et al. (2023) "Levels of AGI: Operationalizing Progress on the Path to AGI", arXiv（DeepMind）

1.3 Super AI（超知能）

あらゆる認知タスクで人間を凌駕する仮想的存在。Bostrom (2014)による体系的議論が著名。実現可能性、時期、リスクについて活発な議論。

主要論文：

• Bostrom (2014) "Superintelligence: Paths, Dangers, Strategies", Oxford University Press
• Russell (2019) "Human Compatible: AI and the Problem of Control", Viking

2. 哲学的分類：弱いAI vs 強いAI

2.1 弱いAI（Weak AI）

知能をシミュレートするが、真の理解・意識を持たない。道具としてのAI。現在のシステムはすべてこれに該当するという立場が主流。

2.2 強いAI（Strong AI）

真の理解、意識、心を持つAI。Searle (1980)の「中国語の部屋」論証により批判された概念。機能主義vs意識のハードプロブレム。

主要論文：

• Searle (1980) "Minds, Brains, and Programs", Behavioral and Brain Sciences
• Dennett (1991) "Consciousness Explained", Little, Brown
• Chalmers (1995) "Facing Up to the Problem of Consciousness", Journal of Consciousness Studies

2.3 現代的議論：LLMは理解しているか？

大規模言語モデルの登場により再燃した議論。「確率的オウム」批判 vs 創発的理解仮説。

主要論文：

• Bender et al. (2021) "On the Dangers of Stochastic Parrots", FAccT
• Bender & Koller (2020) "Climbing towards NLU: On Meaning, Form, and Understanding", ACL
• Mitchell & Krakauer (2023) "The debate over understanding in AI's large language models", PNAS

3. 技術パラダイムによる分類

3.1 記号主義（Symbolic AI / GOFAI）

知識を明示的な記号・規則として表現。論理推論、エキスパートシステム。1950-80年代の主流。解釈可能だが脆弱性・スケーラビリティに課題。

主要論文：

• Newell & Simon (1976) "Computer Science as Empirical Inquiry: Symbols and Search", CACM
• McCarthy (1960) "Programs with Common Sense"

3.2 接続主義（Connectionism）

分散表現、ニューラルネットワーク。学習による知識獲得。1980年代に復興、2012年以降の深層学習革命で主流に。

主要論文：

• Rumelhart et al. (1986) "Learning representations by back-propagating errors", Nature
• LeCun et al. (2015) "Deep learning", Nature

3.3 統計的学習

確率モデル、経験的リスク最小化。理論的基盤が堅固。SVM、ランダムフォレスト等。接続主義と融合し現代の深層学習に。

主要論文：

• Vapnik (1998) "Statistical Learning Theory", Wiley
• Breiman (2001) "Statistical Modeling: The Two Cultures", Statistical Science

3.4 ニューロシンボリック統合

記号主義と接続主義の統合。解釈可能性と学習能力の両立を目指す。2020年代の重要テーマ。

主要論文：

• Garcez et al. (2019) "Neural-Symbolic Computing: An Effective Methodology for Principled Integration", JAIR
• Marcus (2020) "The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence", arXiv
• Kautz (2022) "The Third AI Summer", AAAI Presidential Address

4. 学習方式による分類

4.1 教師あり学習（Supervised Learning）

ラベル付きデータから入力→出力のマッピングを学習。分類、回帰。データ収集コストが課題。

→ 詳細は 06. 教師あり学習

4.2 教師なし学習（Unsupervised Learning）

ラベルなしデータから構造を発見。クラスタリング、次元削減、生成モデル。自己教師あり学習との境界が曖昧化。

→ 詳細は 07. 教師なし学習

4.3 強化学習（Reinforcement Learning）

環境との相互作用から報酬最大化方策を学習。ゲーム、ロボティクス、RLHF。

→ 詳細は 08. 強化学習

4.4 自己教師あり学習（Self-Supervised Learning）

データ自体から疑似ラベルを生成。LLMの事前学習（次トークン予測）、コントラスト学習。現代の基盤モデルの核心技術。

主要論文：

• Devlin et al. (2019) "BERT: Pre-training of Deep Bidirectional Transformers", NAACL
• Chen et al. (2020) "A Simple Framework for Contrastive Learning (SimCLR)", ICML
• He et al. (2022) "Masked Autoencoders Are Scalable Vision Learners", CVPR

5. 現代的視点：基盤モデルとAGI

5.1 基盤モデル（Foundation Models）

大規模事前学習モデル。タスク非依存の汎用的能力を獲得。GPT、BERT、CLIP等。従来の分類を横断する新カテゴリ。

主要論文：

• Bommasani et al. (2021) "On the Opportunities and Risks of Foundation Models", Stanford HAI

5.2 AGIへの進捗の測定

DeepMindによるAGIレベルの操作的定義（2023）。性能と汎用性の2軸で6段階に分類。

レベル定義：

• Level 0: No AI
• Level 1: Emerging（ChatGPT等、現在のLLM）
• Level 2: Competent（熟練非専門家レベル）
• Level 3: Expert（専門家レベル）
• Level 4: Virtuoso（上位1%）
• Level 5: Superhuman（全人類を超越）

6. 参考文献

教科書・サーベイ

• Russell & Norvig (2020) "Artificial Intelligence: A Modern Approach", 4th ed., Pearson
• Goodfellow et al. (2016) "Deep Learning", MIT Press

歴史的文献

• Turing (1950) "Computing Machinery and Intelligence", Mind
• McCarthy et al. (1955) "A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence"
• Minsky (1961) "Steps Toward Artificial Intelligence", Proceedings of the IRE

AGI・未来予測

• Kurzweil (2005) "The Singularity Is Near", Viking
• Tegmark (2017) "Life 3.0: Being Human in the Age of Artificial Intelligence", Knopf
• Bengio et al. (2024) "Managing AI Risks in an Era of Rapid Progress", Science