AIの種類とは？特化型・汎用型から生成AIまでわかりやすく解説

AIの種類とは、AI（人工知能）を「どこまでできるか（能力）」「何に使うか（用途）」「どう学ぶか（学習方式）」といった軸で分けた分類のことです。よく使われる分類は3つあります。能力による特化型AI・汎用型AI、用途による識別・予測・会話・実行・生成の5種類、学習方式による教師あり学習・教師なし学習・強化学習の3種類です。

分類の軸が混ざったまま一覧を見ると、「生成AIは特化型なのか汎用型なのか」「強いAIと汎用型AIは同じものか」といった点で迷いやすくなります。この記事では、まず軸ごとに種類を整理します。そのうえで、生成AIの種類と代表サービス、AIモデル（CNN・Transformer・拡散モデルなど）の種類、実在企業の事例で使われているAIの種類、目的に合う種類の選び方までを、2026年11月時点の視点で解説します。

AIの種類は「4つの分類軸」で整理すると迷いません

結論から言うと、AIの種類は1本の一覧で覚えるよりも、「どの軸で分けた分類か」を先に押さえるほうが正確に理解できます。AIには研究者や機関の間で統一された厳密な定義がありません。そのため、解説記事によって「特化型・汎用型」で分けるもの、「生成AI・識別AI」で分けるもの、「教師あり・教師なし」で分けるものがあり、これらが同じ表に並ぶと混乱の原因になります。

代表的な分類軸と、それぞれで見分けている内容は次のとおりです。

分類軸	主な種類	見分けているポイント
能力（できることの範囲）	特化型AI（ANI）／汎用型AI（AGI）／人工超知能（ASI）	特定の作業だけか、人間のように幅広い課題をこなせるか
機能（記憶・理解の段階）	リアクティブ・マシン／限定記憶／心の理論／自己認識	過去の情報を使えるか、他者や自分を理解できるか
用途（何をするか）	識別系／予測系／会話系／実行系／生成系	見分ける・先を読む・対話する・動かす・作る のどれか
学習方式（どう学ぶか）	教師あり学習／教師なし学習／強化学習	正解付きデータで学ぶか、構造を見つけるか、報酬で試すか

この4つの軸は互いに排他的ではありません。たとえば対話型の生成AIは、能力の軸では「特化型AI」、用途の軸では「会話系・生成系」、学習方式の軸では「大量の文章による事前学習のあと、人のフィードバックを使った強化学習などで調整されたもの」と、軸ごとに異なる名前で呼ばれます。1つのAIに複数の“種類名”が付くのは自然なことです。

関連記事ニューラルネットワークとは？仕組みと種類（DNN・RNN）をわかりやすく解説 ／ CNNとは何か｜畳み込みニューラルネットワークの仕組みをわかりやすく解説

AI・機械学習・ディープラーニング・生成AIの関係

AI・機械学習・ディープラーニングは「種類」というより包含関係にあります。AIが最も広い概念で、その中に機械学習があり、機械学習の一手法としてディープラーニングがあります。現在の高度な生成AIの多くは、このディープラーニングを基盤にしています。

• AI（人工知能）：人間の知的な働き（認識・判断・言語・推論など）をコンピュータで実現する技術や仕組みの総称です。
• 機械学習：データからパターンやルールをコンピュータが自動で学び、分類や予測を行う手法です。
• ディープラーニング（深層学習）：脳の神経回路をヒントにした多層のニューラルネットワークで、データの特徴（特徴量）まで自動で抽出する手法です。
• 生成AI：学習したデータのパターンをもとに、文章・画像・音声・動画などの新しいコンテンツを作り出すAIです。

従来の機械学習では、たとえば売上予測で「曜日」「天気」のような手がかり（特徴量）を人間が設計する必要がありました。ディープラーニングではこの特徴量の抽出もコンピュータが行うため、画像・音声・自然言語のような複雑なデータで精度が大きく伸びました。

ルールベースと学習ベースの違い

AIの仕組みは、人間がルールを書き込む「ルールベース」と、データから学ぶ「学習ベース」に大きく分けられます。現在の主流は学習ベースですが、判断根拠の説明が必要な業務では、今もルールベースが組み合わされることがあります。

項目	ルールベース	学習ベース（機械学習）
仕組み	「もし〜ならば〜する」というルールを人間が定義します	大量のデータからパターンを自動で学習します
強み	判断の根拠が明確で、制御しやすいです	人間が言語化しにくい複雑なパターンにも対応できます
弱み	想定外の状況やルール変更に弱いです	出力の根拠がブラックボックスになりやすいです

AIの歴史と種類の移り変わり

AIの種類が増えてきた背景には、数度のブームと停滞があります。各時代の中心技術を見ると、ルールベースから学習ベース、さらに生成AIへと主役が移ってきたことがわかります。

時期	中心となった考え方	特徴と限界
第1次AIブーム（1950年代後半〜1960年代）	推論・探索	パズルや迷路など明確なルールの問題は解けましたが、現実の複雑な課題には対応できませんでした
第2次AIブーム（1980年代〜）	知識（エキスパートシステム）	専門家の知識をルール化しましたが、知識を人が書き込む負担が大きく限界がありました
第3次AIブーム（2000年代〜）	機械学習・ディープラーニング	データ量と計算能力の向上で、画像認識・音声認識・自然言語処理が実用化されました
生成AIブーム（2022年〜）	大規模な生成モデル	対話型サービスのChatGPT公開を契機に、文章や画像を生成するAIが急速に普及しました

能力・機能による分類（特化型・汎用型・超知能／強いAI・弱いAI）

能力で分けると、AIは特化型AI（ANI）・汎用型AI（AGI）・人工超知能（ASI）の3種類になります。このうち実用化されているのは特化型AIだけで、汎用型AIと人工超知能は研究・議論の段階にあります。2026年11月時点でも、人間と同等に幅広い知的作業を自律的にこなすAGIが実現したと広く合意された例はありません。

種類	内容	2026年11月時点の状況
特化型AI（ANI）	画像認識・翻訳・文章生成など、特定の領域の課題に特化して処理するAIです	実用化済みで、現在使われているAIのほぼすべてがこれにあたります
汎用型AI（AGI）	人間のように未知の課題にも知識を応用し、幅広い作業をこなすAIです	研究・開発の目標であり、実現の時期や判定基準について議論が続いています
人工超知能（ASI）	あらゆる知的能力で人間を上回るとされるAIです	理論上の概念です

迷いやすいのが、ChatGPTのような対話型生成AIの位置づけです。文章作成・要約・翻訳・コード生成までこなすため汎用的に見えます。しかし多くの解説では、言語を中心とした処理に特化したモデル（または複数の特化機能の組み合わせ）として特化型AIに分類されています。「できる作業の幅が広い」ことと「人間のように自律的に新しい課題を理解して解決できる」ことは別だと押さえておくと、分類で迷わなくなります。

強いAI・弱いAIと特化型・汎用型の違い

「強いAI・弱いAI」は、哲学者ジョン・サールが提示した区別に由来する言葉です。もともとは「AIが本当に心や意識を持つか」という観点の分類でした。日本語の解説では「強いAI＝汎用型」「弱いAI＝特化型」と同じ意味で使われることも多いですが、元の意味は少し異なります。

• 弱いAI：人間の知的な振る舞いを“再現・模倣”する道具としてのAIです。現在のAIはすべてこちらに含まれます。
• 強いAI：人間と同じように心や意識を持ち、本当の意味で理解・思考するAIです。実現していません。
• 特化型・汎用型との違い：特化型・汎用型は「できることの範囲」の分類で、強い・弱いは「心や理解の有無」の分類です。

機能による4分類（リアクティブ・限定記憶・心の理論・自己認識）

能力とは別に、AIが「過去の情報を使えるか」「他者や自分を理解できるか」という機能の段階で4つに分ける考え方もあります。

種類	特徴	例・状況
リアクティブ・マシン	記憶を持たず、目の前の入力だけに反応します	1997年にチェスの世界王者に勝利したIBMのDeep Blueが代表例です
限定記憶（メモリー制限）	直近の過去データを一定期間使って判断します	自動運転、チャットボット、生成AIなど現在の多くのAIです
心の理論	他者の感情や意図を理解して振る舞います	研究段階で、実現していません
自己認識	自分自身の内部状態を認識し、意識を持ちます	理論上の概念です

用途による分類（識別・予測・会話・実行・生成）

ビジネスで「どのAIを使うか」を考えるときに最も役立つのが、用途による5分類です。AIが見分けるのか・先を読むのか・対話するのか・機器を動かすのか・新しく作るのかで整理すると、自社の課題に必要な種類を特定しやすくなります。

種類	できること	活用例
識別系	画像・音声・文章などを見分け、分類します	顔認証、医療画像の診断支援、不良品検知、迷惑メール判定
予測系	過去データから将来の数値や状態を推定します	需要予測、発注量の提案、故障予測、与信判断
会話系	人の言葉を理解し、対話や文章で応答します	チャットボット、音声アシスタント、問い合わせ対応
実行系	状況を判断して機器やロボットを制御します	自動運転、掃除ロボット、倉庫のピッキングロボット
生成系	文章・画像・音声・動画・コードを新しく作ります	記事の下書き、広告画像、ナレーション、プログラム生成

生成AIが登場する以前の「従来のAI」は、主に識別系・予測系を指していました。現在は会話系と生成系が大規模言語モデルによって融合しつつあり、「会話しながら文章を作る」サービスが一般的になっています。

認識AI（画像・音声・顔・文字）の代表的な種類

識別系のなかでも、人間の「目」や「耳」にあたる機能は認識AIと呼ばれます。主な種類は次のとおりです。

• 画像認識・物体検出：写真や映像の中の物体を見つけて分類します。製造業の外観検査や小売の棚管理などで使われます。
• 顔認識・表情解析：顔の位置や特徴、表情の変化を捉えます。入退室管理や本人確認、表情を手がかりにした分析に使われます。
• 音声認識：話し言葉を文字に変換します。会議の文字起こしや音声入力、コールセンターの通話記録で使われます。
• 文字認識（OCR）：画像や紙の書類から文字を読み取ります。請求書や申込書のデータ化で使われます。

学習方式とAIモデルの種類

機械学習のAIは、学び方によって教師あり学習・教師なし学習・強化学習の3種類に分けられます。さらに「AIモデルの種類」として、データの形に合わせたニューラルネットワークの構造（CNN・Transformerなど）や生成モデル（GAN・拡散モデルなど）があります。学習方式は「どう学ぶか」、モデルは「どんな仕組みで処理するか」の違いです。

学習方式	学び方	向いている課題
教師あり学習	「この画像は車」のように正解ラベル付きのデータで学びます	画像分類、売上予測、迷惑メール判定など正解が定義できる課題
教師なし学習	正解を与えず、データの似ている点や構造を見つけます	顧客のグループ分け（クラスタリング）、異常検知
強化学習	行動の結果に報酬を与え、試行錯誤で最適な行動を学びます	囲碁・将棋などのゲーム、ロボット制御、レコメンドの最適化

強化学習の有名な例が、2016年にトップ棋士に勝利したDeepMindの囲碁AI「AlphaGo」です。また、大規模言語モデルは大量の文章から「次に来る語」を当てる形で自ら正解を作って学ぶ自己教師あり学習で事前学習されるのが一般的です。3分類に収まらない学習方式もあることを覚えておくと、新しいAIの説明を読むときに役立ちます。

代表的なAIモデルの種類

モデル	得意なデータ・処理	主な使われ方
決定木・勾配ブースティング	表形式の数値・カテゴリデータ	需要予測、与信スコアリング、解約予測
CNN（畳み込みニューラルネットワーク）	画像の局所的な特徴	画像分類、物体検出、外観検査
RNN・LSTM	時系列や音声など順番のあるデータ	音声認識、時系列予測（現在は一部がTransformerに置き換わっています）
Transformer	文章などの長い系列データ	大規模言語モデル（LLM）、翻訳、要約
GAN（敵対的生成ネットワーク）	生成器と識別器を競わせて学ぶ生成モデル	画像生成、画像の高解像度化
VAE（変分オートエンコーダ）	データを圧縮した潜在表現から生成します	画像生成、異常検知、拡散モデルの部品
拡散モデル	ノイズを少しずつ取り除いて画像などを生成します	画像生成AI、動画生成AI

大規模言語モデル（LLM）の仕組み

文章を生成するAIの中心にあるのが、Transformerを使った大規模言語モデル（LLM）です。LLMは理解して考えているように見えますが、基本は「これまでの文脈から、次に来る可能性が高い語を順番に予測する」仕組みです。この仕組みが、もっともらしい誤り（ハルシネーション）が起こる理由にもなっています。

生成AIの種類と代表サービス

生成AIは、出力するコンテンツで分けると、テキスト・画像・動画・音声・コード・会話・マルチモーダルの7種類に整理できます。従来のAIが「分類・識別・予測」を目的とし、ラベルや数値を返すのに対し、生成AIは自然言語の指示（プロンプト）から新しいコンテンツを作り出す点が最大の違いです。

比較項目	従来のAI（識別・予測）	生成AI
主な目的	分類・識別・予測	コンテンツの生成
出力	ラベル・スコア・数値	文章・画像・音声・動画・コード
入力	主に構造化データ	主に自然言語（プロンプト）
導入の形	自社データで個別に学習させることが多いです	汎用サービスをそのまま、または自社データと連携して使えます

生成AIの7種類と代表的なサービス

種類	主な出力	代表的なサービス
テキスト生成AI	文章作成・要約・翻訳	ChatGPT（OpenAI）、Gemini（Google）、Claude（Anthropic）
画像生成AI	イラスト・写真風画像	Midjourney、Stable Diffusion、ChatGPTの画像生成機能
動画生成AI	映像・アニメーション	Veo（Google）、Sora（OpenAI）、Runway
音楽・音声生成AI	楽曲・ナレーション・合成音声	Suno、Udio、ElevenLabs
コード生成AI	プログラムの生成・補完・修正	GitHub Copilot、Cursor、Amazon Q Developer
会話型・検索AI	対話・Q&A・調べもの	Perplexity、Microsoft Copilot、NotebookLM
マルチモーダルAI	テキスト・画像・音声など複数形式の入出力	主要各社の最新世代LLM（ChatGPT・Gemini・Claudeなど）

最近の主要サービスは、1つのアプリでテキスト・画像・音声などを扱うマルチモーダル化が進んでいます。そのため「テキスト生成AI」「会話型AI」「マルチモーダルAI」の境界は年々あいまいになっています。代表サービスや搭載モデルは入れ替わりが速いため、利用前には各社の公式サイトで最新の機能を確認してください。

企業の導入事例で見る「どの種類のAIが使われているか」

実際の業務では、1つの課題に対して用途に合った種類のAIが選ばれ、ときには複数の種類が組み合わされています。公開されている一次情報をもとに、使われているAIの種類を対応づけると次のようになります。

企業・製品	主なAIの種類	公開されている内容
セブン-イレブン・ジャパン（AI発注）	予測系	発注業務にかかる時間を約40%削減。2023年3月から全国展開し、約8割の店舗が何らかの形で利用
星野リゾート（KARAKURI assist）	生成系・会話系（テキスト生成）	問い合わせメールの返信文を生成AIで作成。ブランド単位で導入を広げています
DeepAI（バーチャルヒューマン）	生成系・会話系・識別系の組み合わせ	リップシンク・表情生成・音声合成・対話AIなどを組み合わせた製品

セブン-イレブン：予測系AIで発注業務を支援

セブン-イレブン・ジャパンは、AIが発注数を提案する「AI発注」を導入し、発注業務にかかる時間を約40%削減したと公表しています（出典：セブン-イレブン・ジャパン サステナビリティサイト https://sustainability.sej.co.jp/action/000107/）。また、AI発注は2023年3月から全国展開され、非デイリー領域を中心に約8割の店舗が何らかの形で利用していると紹介されています（出典：野村総合研究所 掲載事例 https://atlax.nri.co.jp/cases/20260309_google/）。過去の実績データから先の需要を読み、人の判断を支える典型的な予測系AIの使い方です。

星野リゾート：生成AIで問い合わせメールの返信を作成

星野リゾートの宿泊予約センターでは、長年蓄積された返信文のテンプレートが5,000件以上あり、ブランドや施設ごとに階層構造で管理されていました。カラクリ社の「KARAKURI assist」を使い、生成AIで返信文を作成する取り組みを進めています。よくある問い合わせが多いブランドから1つずつ挑戦し、80%の正当率（原文表記）を達成できたら次のブランドに広げる方針で、現時点で3ブランドまで目途が立っていると紹介されています（出典：カラクリ株式会社 導入事例 https://karakuri.ai/case/hoshinoresorts）。大量の既存文書を活かして文章を作る、テキスト生成AIの代表的な活用です。

DeepAI：複数の種類を組み合わせたバーチャルヒューマン

DeepAIは、実在の人物の容姿・表情・声・振る舞いをデジタル空間で再現するバーチャルヒューマン／AIアバターのソリューションです。リップシンク・表情生成・音声合成（生成系）、対話AI（会話系）などを組み合わせており、接客・研修・面接練習・広報などの用途で活用されています。さらにロープレや面接練習では、受講者の表情・感情・緊張度を発話タイムラインに沿って解析・可視化する機能（識別系）も備えています。DeepAIは、ひとつの製品が「生成AI」「会話AI」「認識AI」の複数の種類で構成されている例と言えます。

目的に合うAIの種類の選び方と注意点

AIの種類を選ぶときは、ツール名から入るのではなく、「何を入力して、何を出力したいか」から逆算するのが確実です。目的と種類がずれていると、高機能なサービスを使っていても期待した成果は得られません。よくある選び間違いと、本来合う種類を整理しました。

やりたいこと	合うAIの種類	起きやすい選び間違い
来月の販売数や必要な在庫数を知りたい	予測系（自社データで学習した予測モデル）	対話型の生成AIに数値予測を尋ね、根拠のない数字をそのまま使ってしまう
良品・不良品や書類の種類を判定したい	識別系（画像認識・OCR）	判定根拠の説明や再現性が必要なのに、出力が毎回揺れる生成AIだけで済ませてしまう
メール返信や議事録の下書きを作りたい	テキスト生成AI	社内ルールやテンプレートを与えず汎用回答だけを使い、修正の手間が増える
最新情報を調べて要約したい	検索連携型の会話AI	検索機能のないモデルに最新の事実を尋ね、古い情報や誤りを受け取ってしまう
案内役や研修相手を人の姿で再現したい	バーチャルヒューマン（生成・会話・認識の組み合わせ）	文字だけのチャットボットで代替し、表情や声による伝わり方を検討しない

サービスを比較するときの基準

• 目的との一致：入力と出力の形式が、やりたいことに合っているかを確認します。
• 日本語の精度：日本語の文章・音声・固有名詞を正しく扱えるかを試します。
• 商用利用とデータの扱い：生成物の商用利用可否や、入力データが学習に使われるかを規約で確認します。
• 既存システムとの連携：顧客管理・FAQ・社内チャットなど、今使っているシステムとつなげられるかを確認します。
• 導入支援・サポート体制：提供会社が設定や運用定着を支援してくれるか、問い合わせ窓口があるかを確認します。
• 料金体系：個人向けか、利用人数ごとの法人向けかを確認します。

主要な生成AIサービスの公式料金

汎用の生成AIは、個人向けと法人（チーム）向けでプランが分かれています。以下は2026年11月時点で確認できた記載です。料金やプラン構成は変更されることがあるため、最新は各社公式で確認してください。

製品・プラン	月額（記載どおり）	出典
Claude Pro（個人向け）	年払い時$17（$200一括請求）、月払い$20	Anthropic 公式料金ページ
Claude Team スタンダードシート	年払い時1シート$20、月払い$25	Anthropic 公式料金ページ
Claude Team プレミアムシート	年払い時1シート$100、月払い$125	Anthropic 公式料金ページ

生成AIを使うときの注意点

• ハルシネーション：もっともらしい誤りを出力することがあります。数値・固有名詞・法令などは必ず一次情報で確認します。
• 著作権・権利：生成物が既存の著作物に似ていると問題になる可能性があります。商用利用の前に規約と類似性を確認します。
• 機密情報・個人情報：入力内容の取り扱いはサービスやプランで異なります。社内ルールを定め、機密情報は入力しない運用を基本にします。

これからの流れ：AIエージェント

生成AIの次の段階として注目されているのが、AIエージェントです。人の指示を受けたAIが作業手順を組み立て、検索や社内システムの操作などを自律的に進める形態を指します。各社が提供を進めていますが、自律的に動く範囲が広がるほど、誤った操作を防ぐ権限設計と人による確認の仕組みが重要になります。

まとめ

AIの種類は、どの軸で分けた分類かを押さえると整理しやすくなります。

• 能力：特化型AI（実用化済み）・汎用型AI（研究段階）・人工超知能（理論上）の3種類です。強いAI・弱いAIは「心や理解の有無」による別の区別です。
• 機能：リアクティブ・マシン、限定記憶、心の理論、自己認識の4段階で、実用化されているのは前の2つです。
• 用途：識別・予測・会話・実行・生成の5種類で、業務で使う種類を選ぶ際に最も役立ちます。
• 学習方式：教師あり・教師なし・強化学習の3種類が基本で、LLMの事前学習には自己教師あり学習が使われます。
• 生成AI：テキスト・画像・動画・音声・コード・会話・マルチモーダルの7種類に整理でき、主要サービスはマルチモーダル化が進んでいます。

実際の業務では、セブン-イレブンの予測系AI、星野リゾートのテキスト生成AI、複数の種類を組み合わせたDeepAIのように、目的に合わせて種類が選ばれています。まず「何を入力して何を出力したいか」を決めてから、それに合うAIの種類を選んでください。

よくある質問

AIの種類は全部でいくつありますか？

決まった数はありません。分類の軸によって数が変わるためです。能力で分ければ3種類（特化型・汎用型・超知能）、用途で分ければ5種類（識別・予測・会話・実行・生成）、学習方式で分ければ主に3種類（教師あり・教師なし・強化学習）です。

ChatGPTはどの種類のAIですか？

能力の軸では特化型AIに分類されるのが一般的です。用途の軸では会話系・生成系、出力の種類ではテキスト生成AI（画像なども扱えるマルチモーダルAI）にあたります。軸ごとに呼び方が変わると考えると理解しやすくなります。

強いAIと汎用型AIは同じものですか？

日本語では同じ意味で使われることが多いですが、本来は観点が異なります。汎用型AIは「できる作業の範囲が広いか」、強いAIは「心や意識を持って本当に理解しているか」という観点の言葉です。どちらも2026年11月時点では実現していません。

生成AIと識別AIの違いは何ですか？

識別AIは入力されたデータを見分けて「これは何か」というラベルや数値を返します。生成AIは学習したパターンをもとに、文章や画像などの新しいコンテンツを作ります。品質判定には識別AI、文書作成には生成AIのように、目的によって使い分けます。

「AIモデルの種類」と「AIの種類」は何が違いますか？

「AIの種類」は能力や用途による分類で、「AIモデルの種類」はAIの内部の仕組み（CNN・Transformer・拡散モデルなど）による分類です。たとえば画像生成AIという種類の中で、拡散モデルという種類のモデルが使われている、という関係になります。

参考文献

• セブン-イレブン・ジャパン サステナビリティサイト：https://sustainability.sej.co.jp/action/000107/
• 野村総合研究所（セブン-イレブン・ジャパン AI発注の事例）：https://atlax.nri.co.jp/cases/20260309_google/
• カラクリ株式会社「星野リゾート 導入事例」：https://karakuri.ai/case/hoshinoresorts
• Anthropic「Claude 料金プラン」：https://claude.com/ja/pricing