解説：AIの基礎

このページでは、G検定の「人工知能とは」分野を解説します。シラバスの項目1〜6に対応しており、AIの歴史・定義・分類から、探索・推論、機械学習の登場までをカバーします。

🤖 1. 人工知能（AI）とは何か？

人工知能（Artificial Intelligence: AI）とは、人間の知的な行動（学習・推論・問題解決・言語理解など）をコンピュータで実現しようとする技術・研究分野です。

JDLAのシラバスでは、AIのレベルを以下の4つに分類しています。

📌 AI効果（AI Effect）：AIが新しい能力を実現すると、「それは本当のAIではない」と言われてしまう現象。チェスや将棋に勝つAIも当初は「ただの計算」と言われた。

用語	説明
シンギュラリティ（技術的特異点）	AIが人間の知性を超え、自ら改良を続けることで急激に高度化するとされる仮想の転換点。レイ・カーツワイルが2045年頃と予測。
チューリングテスト	人間と区別できないほど自然な会話ができれば知性があるとみなすテスト。アラン・チューリングが提唱。
フレーム問題	AIが「今関係ないこと」を判断するのが極めて難しいという問題。現実世界での応用を困難にする。
シンボルグラウンディング問題	記号（言語・文字）と実世界の意味を結びつけることの難しさ。「リンゴ」という記号が実物のリンゴと結びつかない問題。
中国語の部屋	ジョン・サールによる思考実験。AIが中国語を理解しているように見えても「本当に理解」しているとは言えないという主張。

古典的AIの中心的な技術は探索（Search）と推論（Inference）です。これらは、問題を「状態空間」として表現し、解を探す手法です。

手法	説明
幅優先探索（BFS）	スタートから近い順に全ノードを探索。最短経路を保証するが、メモリが多く必要。
深さ優先探索（DFS）	1本の道を深く探索してから別の道へ。メモリ効率が良いが最短経路は保証されない。
ミニマックス法	ゲーム木で相手の最善手を想定しながら自分の最善手を選ぶ手法。将棋・チェスのAIに使用。
αβ法（アルファベータ法）	ミニマックス法を高速化したもの。不要な枝刈りで探索空間を削減。
モンテカルロ法	ランダムなシミュレーションを大量に行い、統計的に最善手を推定する手法。囲碁のAlphaGoにも活用。
ハノイの塔	再帰的な問題解決の例として有名。探索・推論アルゴリズムの学習に使われる古典的問題。

エキスパートシステムとは、専門家（エキスパート）の知識をルールとして蓄積し、問題解決に活用するシステムです。1980年代に大きな注目を集めました。

用語	説明
Cyc プロジェクト	常識的な知識をすべてコンピュータに入力しようとした巨大プロジェクト。
DENDRAL	化学構造の同定を行う初期のエキスパートシステム。
MYCIN（マイシン）	感染症の診断と抗生物質の投与提案を行うエキスパートシステム。
セマンティックWeb	Webのデータに意味を付与して、コンピュータが理解できるようにする技術。
オントロジー	概念や関係性を体系的に定義した知識ベース。AIの知識表現に使われる。

ルールを人手で記述するエキスパートシステムの限界を超えるため、機械学習（Machine Learning）が登場しました。データから自動的にルールやパターンを学習する技術です。

用語	説明
次元の呪い	データの次元（特徴量の数）が増えると、必要なデータ量が爆発的に増加する問題。
スパムフィルター	機械学習の代表的な応用例。メールの内容からスパムかどうかを自動判定。
ビッグデータ	従来の方法では処理困難な大量・高速・多様なデータ。機械学習の発展を支えた。
レコメンデーション	ユーザーの行動履歴から好みを学習し、商品・コンテンツを推薦する技術。
統計的自然言語処理	確率・統計的手法を使って言語を処理する技術。機械翻訳などに活用。

ディープラーニング（Deep Learning：深層学習）は、多層のニューラルネットワークを使った機械学習の一手法です。2012年のImageNetコンペでの圧勝をきっかけに、AI研究の主流となりました。

出来事	内容
ImageNet（2012年）	大規模画像認識コンペ。AlexNetがディープラーニングで圧勝し、AIブームの火付け役に。
LeNet	ヤン・ルカンが開発した初期の畳み込みニューラルネットワーク（CNN）。手書き数字認識に使用。
AlphaGo（2016年）	DeepMindが開発した囲碁AI。ディープラーニング＋強化学習でトップ棋士に勝利。
生成AI（2020年代〜）	ChatGPT、DALL-E、Stable Diffusionなど、テキスト・画像・動画を生成するAIが急速に普及。