AIの歴史（ブームと冬の時代）

History of AI: Booms and AI Winters

概要

人工知能（AI）の歴史は、過度な期待と失望が交互に訪れる波乱に満ちた歩みでした。1956年のダートマス会議以降、AIは3度の大きなブームと2度の「冬の時代」を経験しています。各ブームでは新しい技術や手法が登場して大きな期待を集めますが、技術的限界が明らかになると研究資金が縮小し、冬の時代を迎えるというサイクルが繰り返されてきました。

G検定では、各ブームの時期・特徴・代表的な技術・限界、そして冬の時代の原因を正確に理解しているかが問われます。AIの歴史は試験の頻出分野であり、体系的な理解が必要です。

詳細解説

第1次AIブーム（1950年代後半〜1960年代）：探索と推論の時代

第1次AIブームは、1956年のダートマス会議をきっかけに始まりました。この時期のAI研究は、コンピュータに「探索」と「推論」を行わせるアプローチが中心でした。

代表的な技術・成果

• ロジック・セオリスト（Logic Theorist）：ニューウェルとサイモンが開発した数学の定理自動証明プログラム。世界初のAIプログラムの一つとされる。
• GPS（General Problem Solver）：ニューウェルとサイモンが開発した汎用問題解決プログラム。手段目的分析（Means-Ends Analysis）を用いて、現在の状態と目標の状態の差を縮める操作を繰り返すことで問題を解く。
• ELIZA：ジョセフ・ワイゼンバウムが1966年に開発した対話プログラム。心理療法士のように相手の言葉を繰り返したり質問したりすることで、一見自然な会話を実現した。
• 迷路やパズルの探索：チェスや迷路、ハノイの塔などの問題をコンピュータに解かせる研究が盛んに行われた。

限界と終焉

第1次AIブームの限界は、「トイ・プロブレム（おもちゃの問題）」しか解けないという点にありました。迷路やパズル、限定的な定理証明など、明確なルールがある単純な問題は解けても、現実世界の複雑な問題には対応できませんでした。この限界が明らかになるにつれて、AI研究への期待と投資は急速に冷え込み、第1次冬の時代を迎えます。

第1次冬の時代（1970年代）

1970年代は、AIが最初の冬の時代を迎えた時期です。

• 1966年 ALPAC報告書：米国の自動言語処理諮問委員会（ALPAC）が、機械翻訳の研究成果は期待を大きく下回ると報告。これにより機械翻訳への政府資金が大幅に削減された。
• 1969年 パーセプトロンの限界の指摘：ミンスキーとパパートが著書「パーセプトロンズ」で、単純パーセプトロンではXOR（排他的論理和）のような線形分離不可能な問題を解けないことを数学的に証明した。これによりニューラルネットワーク研究が大幅に停滞した。
• 1973年 ライトヒル報告書：イギリスの科学者ジェームズ・ライトヒルが、AI研究は当初の期待に見合う成果を出していないと結論づけた報告書を発表。これによりイギリスのAI研究資金が大幅に削減された。

第2次AIブーム（1980年代）：知識の時代

第2次AIブームは、「知識」を中心としたアプローチにより1980年代に訪れました。この時期の中心的な技術はエキスパートシステム（Expert System）です。

代表的な技術・成果

• エキスパートシステム：特定分野の専門家の知識を「if〜then〜」形式のルールとしてコンピュータに蓄積し、そのルールに基づいて推論・判断を行うシステム。
• MYCIN：スタンフォード大学で開発された医療診断用エキスパートシステム。血液感染症の診断において、約600のルールに基づいて診断を行い、専門医に匹敵する正確さを示した。
• DENDRAL：化学物質の分子構造を推定するエキスパートシステム。
• XCON（R1）：DEC社が導入したコンピュータシステムの構成を支援するエキスパートシステム。年間数千万ドルのコスト削減効果があったとされる。
• 第五世代コンピュータプロジェクト：日本の通商産業省（現・経済産業省）が1982年に開始した国家プロジェクト。論理プログラミング言語Prologを基盤とし、知識処理に特化したコンピュータの開発を目指した。約570億円が投じられたが、当初の目標達成には至らなかった。

限界と終焉

エキスパートシステムには、以下のような限界がありました。

• 知識獲得のボトルネック：専門家の知識をルール化してシステムに入力する作業が非常に手間がかかり、コストが膨大になった。
• 知識のメンテナンス問題：ルールの追加・修正が増えるにつれて、ルール間の矛盾や不整合が生じやすくなった。
• 例外処理の困難さ：実世界の問題は例外だらけであり、すべてをルールで網羅することは不可能だった。
• 常識の欠如：エキスパートシステムは特定分野の専門知識は持っていても、人間が当たり前に持っている常識（コモンセンス）を扱うことができなかった。

第2次冬の時代（1990年代）

エキスパートシステムの限界が露呈し、AI研究は再び冬の時代を迎えました。第五世代コンピュータプロジェクトも期待された成果を上げられず、1992年に終了しました。AI企業の倒産や研究資金の削減が相次ぎ、「AI」という言葉自体がネガティブなイメージを持たれるようになりました。

ただし、この時期にもAI研究は完全に途絶えたわけではありません。統計的手法に基づく機械学習の研究（サポートベクターマシンなど）が静かに進展していたほか、インターネットの普及によりデジタルデータが蓄積され始め、次のブームの土台が築かれていきました。

第3次AIブーム（2010年代〜現在）：機械学習とディープラーニングの時代

第3次AIブームは、機械学習、特にディープラーニング（深層学習）の飛躍的な発展によって到来しました。

主要な出来事と技術

• 2006年 ディープラーニングの提唱：ジェフリー・ヒントンらが、ディープビリーフネットワークの効率的な学習方法を提案し、多層ニューラルネットワークの学習が実用的に可能であることを示した。
• 2011年 IBM Watson：IBMのAIシステム「Watson」がクイズ番組「Jeopardy!」で人間のチャンピオンに勝利した。
• 2012年 ILSVRC（ImageNet）での勝利：ジェフリー・ヒントンの研究チームが開発したAlexNetが、画像認識コンテストILSVRCで従来手法を大幅に上回る精度を達成。このブレークスルーがディープラーニングブームの火付け役となった。
• 2016年 AlphaGo：Google DeepMindが開発した囲碁AI「AlphaGo」が、世界トップ棋士の李世ドル（イ・セドル）に4勝1敗で勝利。囲碁はAIには攻略困難と考えられていたため、世界中に衝撃を与えた。
• 2017年 Transformer：Google研究チームが「Attention Is All You Need」という論文でTransformerアーキテクチャを発表。後の大規模言語モデルの基盤技術となった。
• 2022年 ChatGPT：OpenAIが公開した対話型AI「ChatGPT」が世界的な注目を集め、生成AIブームが始まった。

第3次AIブームを支える要因

第3次AIブームが過去のブームと異なるのは、以下の3つの要因が揃ったことです。

1. ビッグデータの利用可能性：インターネットやIoTの普及により、AIの学習に必要な大量のデータが入手可能になった。
2. 計算資源の向上：GPU（Graphics Processing Unit）の高性能化とクラウドコンピューティングの普及により、大規模なニューラルネットワークの学習が実用的に可能になった。
3. アルゴリズムの進歩：ディープラーニングの理論と実装技術が大幅に進歩した。

歴史・背景

コンピュータの誕生とAIの前史

AI研究の前提となったのは、コンピュータそのものの発明です。

• 1946年 ENIAC：ペンシルベニア大学で開発された世界初の汎用電子式コンピュータ。弾道計算のために開発されたが、プログラムを変更することでさまざまな計算に対応できた。真空管約18,000本を使用し、重量は約30トンに及んだ。
• 1950年 チューリングテストの提案：アラン・チューリングが「Computing Machinery and Intelligence」で、機械の知能を評価する方法としてチューリングテスト（模倣ゲーム）を提案した。

これらの技術的・理論的基盤の上に、1956年のダートマス会議が開催され、AI研究が正式にスタートしました。

AIの歴史年表（主要な出来事）

具体的な事例

トイ・プロブレムの具体例（第1次ブーム）

第1次AIブームでAIが解いた問題は「トイ・プロブレム（おもちゃの問題）」と呼ばれます。具体的には、ハノイの塔（円盤を別の棒に移動するパズル）、8パズル（数字タイルのスライドパズル）、迷路の探索などがあります。これらは明確なルールと限定的な状態空間を持つ問題であり、現実世界の複雑さとはかけ離れていました。

エキスパートシステムの成功と失敗（第2次ブーム）

MYCINは医療診断用エキスパートシステムとして高い精度を示しましたが、実際の臨床現場では広く使用されませんでした。医師がシステムの推論過程を完全に理解できないことへの不安や、法的責任の問題が導入の障壁となりました。この事例は、AI技術の実用化には技術的な精度だけでなく、社会的な受容性も重要であることを示しています。

ディープラーニングの衝撃（第3次ブーム）

2012年のILSVRC（ImageNet Large Scale Visual Recognition Challenge）では、トロント大学のジェフリー・ヒントン研究室のチームが提出した深層畳み込みニューラルネットワーク「AlexNet」が、画像認識のエラー率を従来の26%から15.3%へと劇的に改善しました。このブレークスルーにより、産業界がディープラーニングに注目し始め、第3次AIブームが本格化しました。

G検定での出題ポイント

• 3度のブームと2度の冬の時代の時期と特徴を正確に把握すること
• 各ブームのキーワード：第1次＝探索・推論、第2次＝知識・エキスパートシステム、第3次＝機械学習・ディープラーニング
• 冬の時代の原因（トイ・プロブレムの限界、知識獲得のボトルネック等）
• 第五世代コンピュータプロジェクトの概要と結果
• ILSVRC 2012でのAlexNetの衝撃、AlphaGoの勝利などの具体的な出来事
• 第3次ブームを支える3要素（ビッグデータ、計算資源、アルゴリズム）
• ENIACが世界初の汎用電子式コンピュータであること

関連キーワード

• 人工知能（AI）
• ダートマス会議
• エキスパートシステム
• ニューラルネットワーク