人工知能（AI）は、人間の知能を模倣または拡張するコンピュータシステムの設計と応用を研究する学際的な分野である。機械学習、自然言語処理、ロボティクス、コンピュータビジョンなどのサブ分野を含み、医療診断、自動運転、金融予測からエンターテイメントまで幅広い現実世界の問題を解決する。本エントリは、AIの基本概念、歴史的発展、主要技術、応用領域、倫理的課題を体系的に概観する。
1 定義と分類
1.1 強いAIと弱いAI
強いAI（汎用人工知能とも呼ばれる）は、人間と同等の意識や自己認識を持ち、あらゆる知的タスクを実行できる理論上のシステムを指す。弱いAI（特化型AI）は、特定のタスク（画像認識や翻訳など）に限定された知能を模倣するシステムであり、現在の実用システムの大部分はこれに該当する。
1.2 汎用人工知能と特化型人工知能
汎用人工知能（AGI）は、強いAIとほぼ同義で、人間のように多様な領域で学習・推論・適応できる能力を備える。特化型人工知能は、チェスや囲碁の対戦、医療画像診断など単一または限られた領域で人間を超える性能を発揮するが、他の分野には適用できない。
1.3 記号的AIとデータ駆動型AI
記号的AI（古典的AI）は、論理規則や知識ベースを用いて明示的に推論するアプローチを取る。データ駆動型AIは、大量のデータからパターンを学習する機械学習手法を基盤とし、現在の主流である。両者はしばしばハイブリッド形式で併用される。
2 歴史と発展
2.1 黎明期（1940年代～1960年代）
2.1.1 チューリングテストと初期論理システム
アラン・チューリングは1950年に「計算機械と知性」の中でチューリングテストを提案し、機械が人間と区別できない会話ができるかどうかで知能を評価する基準を示した。同時期にニューラルネットワークの基礎となるパーセプトロン（1957年）や、論理推論システムLogic Theorist（1956年）が開発され、AIという学術分野が誕生した。
2.2 第1次AIブームと冬の時代（1970年代～1980年代）
2.2.1 エキスパートシステムの台頭
1970年代には、特定分野の専門知識をルールベースで表現するエキスパートシステム（例：MYCINによる診断支援）が実用化され、産業界で成功を収めた。しかし、限られた知識表現とメンテナンスの難しさから1980年代後半にAIブームは収束し、資金調達と期待が冷え込む「AIの冬」を迎えた。
2.3 第2次AIブームと機械学習の進化（1990年代～2010年代）
2.3.1 深層学習の革命
2000年代後半、大規模データ（ビッグデータ）とGPUによる計算力の向上を背景に、多層ニューラルネットワーク（深層学習）が画像認識（ImageNet 2012）や音声認識で飛躍的な性能を示した。これによりAIは第2次ブームを迎え、現在も継続している。
3 主要技術
3.1 機械学習
3.1.1 教師あり学習
ラベル付きデータ（入力と正解のペア）を用いてモデルを訓練し、新しいデータに対して予測や分類を行う手法。線形回帰、決定木、サポートベクターマシン、ニューラルネットワークなどが代表的。
3.1.2 教師なし学習
ラベルのないデータからパターンや構造を自動的に発見する手法。クラスタリング（例：K-means）、次元削減（PCA）、異常検知などが含まれる。
3.1.3 強化学習
エージェントが環境との相互作用を通じて報酬を最大化する行動方針（ポリシー）を学習する手法。ゲーム（AlphaGo、Atari）やロボット制御で成功を収めている。
3.2 深層学習
3.2.1 畳み込みニューラルネットワーク
画像データの局所的なパターン（エッジ、テクスチャ、形状）を階層的に抽出するネットワーク。画像認識、物体検出、顔認識などに広く使われる。
3.2.2 リカレントニューラルネットワーク
系列データ（テキスト、時系列）を処理するためのネットワークで、内部状態（記憶）を持つ。LSTMやGRUなど、長期的な依存関係を学習できる改良版が普及している。
3.2.3 トランスフォーマーアーキテクチャ
2017年に登場した自己注意機構（Self-Attention）に基づくアーキテクチャ。並列計算が可能で長距離依存関係を捉えやすく、自然言語処理（BERT、GPTシリーズ）や画像処理（ViT）で高い性能を発揮する。
3.3 自然言語処理
3.3.1 言語モデルと生成
大規模テキストデータから学習した言語モデルは、文脈に応じた次の単語を予測し、文章生成、要約、対話システムを実現する。GPTやLLaMAなどが代表例。
3.3.2 翻訳と感情分析
機械翻訳ではニューラル翻訳（Seq2Seq + Attention）が主流で、Google翻訳などで実用化されている。感情分析はテキストの肯定的・否定的・中立的な感情を分類し、SNS分析やカスタマーサポートに利用される。
3.4 コンピュータビジョン
3.4.1 画像認識と物体検出
画像認識は画像全体を分類（「猫」か「犬」か）するタスク、物体検出は画像内の複数物体の位置と種類を特定するタスク（YOLO、Faster R-CNN）である。
3.4.2 画像生成とスタイル転送
GAN（敵対的生成ネットワーク）や拡散モデル（Stable Diffusion、DALL-E）を用いて、テキストから画像を生成したり、写真を絵画風に変換するスタイル転送が実現されている。
4 応用領域
4.1 医療とヘルスケア
4.1.1 診断支援と医療画像解析
AIはX線、CT、MRI画像から腫瘍や病変を高精度で検出し、放射線科医の負担を軽減する。診断支援システムは症状と検査データから疾患を推定する。
4.1.2 創薬とパーソナライズ医療
機械学習により新薬候補分子のスクリーニングを高速化し、患者のゲノム情報やライフスタイルに基づいた個別化治療計画の策定が進められている。
4.2 産業とオートメーション
4.2.1 スマート製造と品質管理
工場の生産ラインでは画像認識による製品の欠陥検出や、強化学習によるロボットアームの最適動作制御が導入されている。
4.2.2 自律走行車両
カメラ、LiDAR、レーダによる環境認識と経路計画をAIが統合し、自動運転（レベル3～5）を実現。Waymo、Teslaなどが開発を先導している。
4.3 エンターテイメントと創造性
4.3.1 ゲームAIとバーチャルキャラクター
ゲーム内のNPC（非プレイヤーキャラクター）の行動制御や、囲碁・将棋・チェスなどの対戦AI（AlphaZero、Stockfish）は人間を凌駕する。VTuberやチャットボットの対話エンジンにもAIが使われる。
4.3.2 音楽・アートの生成
AIは楽曲作曲（Suno、AIVA）、画像生成（Midjourney）、動画生成（Sora）などの創作活動を支援し、人間のアーティストとの協働が進んでいる。
5 倫理と社会的影響
5.1 バイアスと公平性
訓練データに含まれる人種・性別・年齢などの偏りがAIモデルに継承され、差別的な判断（採用、融資、司法判断）を引き起こす問題。公平性を保つためのデータ前処理やモデル調整が研究されている。
5.2 プライバシーとデータ管理
AIシステムは大量の個人データを収集・処理するため、同意なしの利用やデータ漏洩のリスクがある。差分プライバシーや連合学習などの技術が対策として開発されている。
5.3 雇用と経済への影響
自動化による特定職種の消失リスク（運転手、事務職）と、新たな職種（AIエンジニア、データサイエンティスト）の創出が同時に発生する。再教育やベーシックインカムなどの議論が行われている。
5.4 AIの安全性と制御可能性
強力なAIシステムが人間の意図に反した行動を取らないよう、目的整合性（alignment）や説明可能AI（XAI）、停止スイッチなどの安全策が重要視されている。架空のシナリオとして「AIによる人類の支配」がSFで描かれるが、現実のリスクは主にシステムの誤作動や悪用である。
6 将来の展望
6.1 汎用人工知能への道
現在のAIは特化型が主流だが、AGIの実現に向けた研究が続いている。マルチモーダル学習、メタ学習、推論能力の強化などが鍵となる。実現時期については楽観説（2040年代）と悲観説（未達の可能性）が混在する。
6.2 人間とAIの協働
AIは人間を代替するのではなく、補完・拡張する役割が期待される。たとえば医師の診断支援、教育の個別指導、研究者の仮説生成など、人間の創造性や判断力を高めるパートナーとしての利用が進む。
6.3 新興技術との融合（量子コンピューティングなど）
量子コンピューティングはAIの学習計算を指数関数的に高速化する可能性がある。また、エッジAI（IoT機器での軽量推論）、脳型コンピューティング（ニューロモルフィックチップ）、脳-コンピュータインタフェースなど、新たなハードウェアとの融合も将来の方向性として注目される。