第5章二度のブームと冬の時代

最初のブームが冷めたあと、AI研究は「知識をコンピュータに教え込む」という新しい方向へ進みました。 探索だけでは現実の問題に届かないなら、専門家の知識そのものを機械に与えればよい、という発想です。 この章では、その第2次ブームと、そこで直面した壁、そして二度訪れた停滞の時代を見ていきます。

5.1第2次AIブーム：エキスパートシステム

1980年代を中心とした第2次AIブームでは、特定分野の専門家が持つ知識をコンピュータに移すという発想が 広がりました。医師の診断の考え方や、技術者の点検の手順を、「この条件が成り立てば、この結論を出す」という ルールの集まりとして書き込むのです。こうして作られたのがエキスパートシステムで、専門家に近い判断を 再現できるとして、医療や金融、製造など、実際の業務にも取り入れられました。

ルールをたどって結論を導くという点では第1次ブームと似ていますが、大きな違いは、その分野の知識を 大量に詰め込んだ点にあります。探索の力だけに頼るのではなく、あらかじめ専門知識を与えておけば、 現実の問題にも役立つはずだ、という考え方です。知識さえきちんと書き込めば役に立つという期待から、 多くの企業が導入を進め、AIは再び注目を集めました。

エキスパートシステムは、限られた範囲では確かに成果を上げ、実際の業務で長く使われたものもありました。 条件がはっきりし、対象が狭く定まっている問題であれば、ルールを積み上げる方法はいまでも有効です。 つまずきが目立つようになったのは、その狭い範囲を超えて、あらゆる状況に対応させようとしたときでした。

5.2知識をルールで書くことの難しさ

エキスパートシステムは、やがて大きな困難に突き当たります。まず、専門家が持つ知識は、本人も言葉にできない 経験や勘を多く含んでおり、それをもれなくルールに書き出すのは容易ではありませんでした。書き出せたとしても、 現実には例外が次々に現れ、そのたびに新しいルールを追加する必要があります。ルールが増えるほど、互いに 矛盾しないよう保つのも難しくなり、少し状況が変わると、とたんにうまく答えられなくなる、というもろさも 抱えていました。

5.3二度の冬の時代

第1次ブームのあとにも、第2次ブームのあとにも、AIへの関心と資金が大きく冷え込む時期が訪れました。 これらは「冬の時代」と呼ばれます。共通していたのは、初めに大きな期待が持ち上がり、実際の成果がそれに 追いつかないと分かったとたんに、反動で失望が広がったことです。実力以上の宣伝や、実現時期の見積もりの 甘さが、落差を大きくしました。期待が高いほど、届かなかったときの反動も大きくなります。

もっとも、冬の時代は無駄な期間ではありませんでした。この間にも基礎的な研究は続けられ、後にディープ ラーニングとして花開くニューラルネットワークの研究も、目立たないところで育てられていました。派手な ブームが去ったあとも、地道に手法を磨き続けた人たちがいたからこそ、次の飛躍が準備できたのです。AIの 歴史を振り返るときは、華やかなブームだけでなく、こうした積み重ねがあったことも押さえておくとよいでしょう。 次の章では、その積み重ねが一気に実を結ぶ、ディープラーニングの登場を見ていきます。