人工知能（AI）は単一の完成された知能体ではなく、目的・構造・数理モデルに応じた複数アーキテクチャの総称です。実務においては大別して3つの系統に分類されます。

  • 生成モデル（Generative Models） ― 文章・画像・音声・コードを統計的に合成する。典型的な誤謬は「存在しない事実を流暢に捏造する（ハルシネーション）」
  • 識別・判別モデル（Discriminative Models） ― 画像内の物体検知、文字認識、不正検知。典型的な誤謬は「誤認・誤分類（偽陽性や偽陰性）」
  • 予測・最適化モデル（Predictive Models） ― 時系列推移、需要予測、推薦エンジン。典型的な誤謬は「過去のデータ分布にない急激な環境変化（外れ値）への脆弱性」

すべてのモデルに共通する基底原則は、「AIの出力は、学習データセットに含まれるパターンの統計的反映に過ぎない」という事実です。

学習データに偏り（バイアス）や欠落があれば、AIの出力にも不可避的に同一の偏りが投影されます。AIが独自の思想や世界観を持っているのではなく、観測されたデータ分布の偏向がそのまま現れているに過ぎません。