結論
強いAIは、適切なプログラムを実行するコンピュータは本当に心をもち、ものごとを理解しているとする立場です。弱いAIは、コンピュータを心の研究や知的な作業に役立つ道具とみなし、心をもつかどうかは問わない立場です。
比較表
| 観点 | 強いAI | 弱いAI |
|---|---|---|
| 区別を示した文献 | ジョン・サール「Minds, Brains, and Programs」(1980年) | ジョン・サール「Minds, Brains, and Programs」(1980年) |
| コンピュータの位置づけ | 適切なプログラムを実行すれば、それ自体が心になる | 心の働きを調べたり、知的な作業をこなしたりするための道具 |
| 理解や心 | 文字どおり理解や心をもつと考える | もつかどうかは問わない |
| プログラムの役割 | プログラムそのものが、人間の認知の説明になる | 心についての仮説を確かめる手段になる |
| 立場をめぐる議論 | サールは中国語の部屋で批判し、ペンローズも否定的な立場をとった | サールは、この立場には反対しないと述べた |
| 混同しやすい区別 | 汎用AI(何でもこなすAI)と同じ意味ではない | 特化型AI(特定の作業だけをこなすAI)と同じ意味ではない |
| シラバス項目 | 技術分野 項目2 人工知能分野で議論される問題 | 技術分野 項目2 人工知能分野で議論される問題 |
最終確認日:2026年10月30日
それぞれの説明
強いAI
強いAIは、アメリカの哲学者ジョン・サールが1980年の論文「Minds, Brains, and Programs」で名づけた立場です。適切なプログラムを実行するコンピュータは、心をシミュレートしているだけでなく、人間と同じ意味で理解し、心をもつと考えます。プログラムそのものが人間の認知の説明になる、とみなす点も特徴です。
サールは同じ論文で中国語の部屋の思考実験を示し、この立場を批判しました。中国語を知らない人が部屋の中で規則書どおりに記号を操作し、外から見て正しい答えを返せたとしても、中国語を理解したとはいえない、という主張です。記号を操作するだけでは意味の理解は生まれない、というのがサールの結論です。
弱いAI
弱いAIは、コンピュータを、心の働きについての仮説を確かめたり、知的な作業をこなしたりするための強力な道具とみなす立場です。コンピュータが本当に心をもつかどうかは問いません。サールは、弱いAIの主張には反対しないと述べています。
汎用AI・特化型AIとの違い
日常的には「強いAI=人間のように何でもこなすAI」「弱いAI=特定の作業に特化したAI」という意味で使われることもあります。しかし、扱える課題の幅で分けるのは汎用AIと特化型AIで、サールの区別とは観点が違います。サールが論文で取り上げたのも、物語についての質問に答えるという、限られた課題のプログラムでした。
何でもこなすAIができたとしても、それが心をもつかどうかは別の問題として残ります。逆に、特定の課題で人間を上回る性能を示すAIが現れても、それだけで強いAIが実現したことにはなりません。
見分けるコツ
- 「強い・弱い」は性能の差ではありません。コンピュータが心や理解をもつと主張するかどうかで分けます。
- 人間のように何でもこなすAIは汎用AI、特定の作業だけをこなすAIは特化型AIです。サールの区別と混ぜた選択肢に注意します。
- 中国語の部屋は、強いAIへの批判です。弱いAIを否定するための議論ではありません。
◯×チェック
次の文が正しいか、誤りかを選んでください。
-
弱いAIの立場では、コンピュータは心をもたないので、人間の心の働きを調べる研究には役立たないと考える。
答えを見る
答え × 誤り
弱いAIは、コンピュータを心の研究に役立つ強力な道具とみなす立場です。コンピュータが本当に心をもつかどうかは問いませんが、研究の道具としての価値は認めています。
-
強いAIの立場では、適切なプログラムそのものが、人間の認知についての説明になると考える。
答えを見る
答え ◯ 正しい
強いAIは、プログラムを心理学の仮説を確かめる道具ではなく、それ自体が認知の説明だとみなします。弱いAIは、コンピュータを仮説を確かめる道具として使う立場です。
-
特定の課題しか扱えないプログラムについて、それが本当に意味を理解していると主張する立場も、サールの区別では強いAIに当たる。
答えを見る
答え ◯ 正しい
サールが論文で取り上げたのは、物語について質問に答えるシャンクらのプログラムでした。課題の幅は関係なく、理解や心をもつと主張するかどうかが基準です。
関連問題
出典
- G検定 試験出題範囲(シラバス2024)第1.4版 (技術分野 項目2 人工知能分野で議論される問題)
- John R. Searle, Minds, Brains, and Programs, Behavioral and Brain Sciences 3(3) (1980)
- Roger Penrose, The Emperor's New Mind: Concerning Computers, Minds, and the Laws of Physics, Oxford University Press (1989)
- Stanford Encyclopedia of Philosophy, The Chinese Room Argument
ほかの違い比較
- アジャイルとウォーターフォールの違い 進め方とAI開発での使い分け
- 赤池情報量規準(AIC)とベイズ情報量規準(BIC)の違い 罰則の重さ
- バギングとブースティングの違い 並列か逐次か、減らす誤差の違い
- バッチ正規化とレイヤー正規化の違い 平均と分散を計算する範囲の違い
- バッチ学習・ミニバッチ学習とオンライン学習の違い 更新回数とぶれ
- BERTとGPTの違い エンコーダとデコーダ、学習課題の違い
- CBOWとスキップグラムの違い 予測の向きと学習の速さ
- 分類問題と回帰問題の違い 出力の形で見分けるコツと評価指標
- CNN・RNNとTransformerの違い 得意なデータと計算の並列性
- 協調フィルタリングとコンテンツベースフィルタリングの違い 仕組み
- 共分散と相関係数の違い 式の関係と単位・値の範囲
- データ汚染とAdversarial Attackの違い 学習時か推論時かと対策
- 決定木とランダムフォレストの違い 解釈のしやすさと精度・安定性
- 深さ優先探索と幅優先探索の違い 調べる順番・最短解・メモリ
- 営業秘密と限定提供データの違い 3つの要件と刑事罰の有無
- Faster R-CNNとYOLOの違い 2段階型と1段階型、速度と精度
- GANと拡散モデル(Diffusion Model)の違い 学習と生成の仕組み
- GANとVAEの違い 識別器の有無と学習の仕組み
- GDPRと個人情報保護法の違い 法的根拠・本人の権利・制裁金
- 勾配降下法と誤差逆伝播法の違い 勾配を使う側と求める側
- グリッドサーチとランダムサーチの違い 試行回数の決まり方と効率
- ホールドアウト検証と交差検証の違い 分割回数・計算量・使い分け
- 画像分類(物体識別)と物体検出の違い 出力の形と使い分け
- 委託・第三者提供と共同利用の違い 同意の要否と受け手が使える範囲
- k-means法と階層的クラスタリングの違い クラスタ数を決める時期と計算量
- 個人情報・個人データと保有個人データの違い 範囲の入れ子とかかる義務
- 個人情報と個人識別符号の違い 包含関係と当たる例・当たらない例
- L1正則化とL2正則化の違い 罰則の形と重みが0になるか
- 最小二乗法と最尤法の違い 推定の基準と結果が一致する条件
- LIMEとSHAPの違い 局所近似とシャープレイ値の使い分け
- LSTMとGRUの違い ゲートの数と記憶セルの有無
- 機械学習とディープラーニングの違い 包含関係と特徴量の決め方
- 平均絶対値誤差(MAE)と平均二乗誤差(MSE)の違い 外れ値への強さ
- 正規化と正則化の違い 目的と代表的な手法を表で整理
- 主成分分析(PCA)と特異値分解(SVD)の違い 目的と計算の関係
- 主成分分析(PCA)とt-SNEの違い 線形か非線形か、保つ構造の違い
- 適合率と再現率の違い 分母の違いと重視する場面
- プルーニング・量子化と蒸留の違い 何を減らすかと元モデルの扱い
- Q学習とSARSAの違い 更新式の1か所と方策オン・オフ
- RNNとLSTMの違い 記憶セルと勾配消失の起きにくさ
- Self-AttentionとSource-Target Attentionの違い Q・K・Vの出どころ
- セマンティック・インスタンスとパノプティックの違い 背景と個体の扱い
- 新規性と進歩性の違い 比べ方とAI発明での論点
- シグモイド関数とソフトマックス関数の違い 出力の合計と使い分け
- ソフトローとハードローの違い 法的拘束力の有無と日本・EUの例
- 教師あり学習・教師なし学習と強化学習の違い 学習の手がかりと代表例
- 特許権と著作権の違い 発生・保護対象・期間とAIでの使い分け
- 匿名加工情報と仮名加工情報の違い 加工の程度と第三者提供の可否
- 転移学習とファインチューニングの違い 重みを固定するか更新するか
- 請負契約と準委任契約の違い 完成義務とAI開発での使い分け
- Zero-shotとFew-shotの違い 与える例の数と重みを更新しない点