人工知能の定義と歴史(探索・推論からAIブームまで)

人工知能(Artificial Intelligence)という言葉は、1956年に米国で開催されたダートマス会議において、ジョン・マッカーシーによって初めて用いられた。同会議にはマービン・ミンスキーやクロード・シャノンらが参加し、アレン・ニューウェルとハーバート・サイモンは世界初の人工知能プログラムと呼ばれる「ロジック・セオリスト」をデモンストレーションした。試験対策上まず押さえるべきは、人工知能の定義は研究者の間でも統一されていないという点である。JDLA公式シラバスの「人工知能とは」でも定義の多様性そのものが論点とされ、例えば松尾豊は「人工的につくられた人間のような知能、ないしはそれをつくる技術」と定義している。さらに、AIで実現された技術が社会に普及すると「それは単なる自動化であって知能ではない」と見なされてしまう心理的現象は「AI効果」と呼ばれ、本試験で繰り返し出題されている。

AIは振る舞いの高度さによってレベル1〜4に分類される。レベル1はエアコンの温度調整のような単純な制御プログラム、レベル2は将棋プログラムや掃除ロボットのような古典的AI(探索・推論や知識ベースにより多彩な振る舞いをする)、レベル3は入力と出力の対応関係をデータから学習する機械学習を取り入れたAI、レベル4は特徴量自体を自ら学習する深層学習を用いたAIである。関連論点として、哲学者ジョン・サールは1980年の論文で、適切にプログラムされた計算機は人間と同様の心を持つとする立場を「強いAI」、計算機は知能を模倣する有用な道具にすぎないとする立場を「弱いAI」と呼び分け、「中国語の部屋」という思考実験によって強いAIを批判した。アラン・チューリングが1950年の論文で提案した、判定者が相手を機械か人間か判別できなければ知能があると見なすチューリングテストと対で出題されるため、各人物の主張の向きを正確に区別することが重要である。

第1次AIブーム(1950年代後半〜1960年代)の中心技術は「探索・推論」である。問題を場合分けの木構造(探索木)に置き換え、幅優先探索(出発点に近い順に調べ、最短経路を必ず発見できるがメモリ消費が大きい)と深さ優先探索(行けるところまで進んでから戻る方式で、メモリ消費は小さいが最短経路とは限らない)によって解を求める。代表課題は迷路やハノイの塔であり、ロボットの行動計画は「プランニング」と呼ばれ、前提条件・行動・結果の3要素で記述するSTRIPSや、「積み木の世界」を英語の指示で操作するテリー・ウィノグラードのSHRDLUが知られる。ボードゲームでは、自分の手番で評価値が最大、相手の手番で最小になる手を選ぶMini-Max法、無駄な枝の探索を打ち切るαβ法(αカット・βカット)、ランダムな試行(プレイアウト)を繰り返し勝率で局面を評価するモンテカルロ法が問われる。しかし現実の複雑な問題は組合せ爆発を起こすため「トイ・プロブレム(おもちゃの問題)しか解けない」と批判され、1970年代に最初の冬の時代を迎えた。

第2次AIブーム(1980年代)の中心技術は「知識表現」である。専門家の知識をif-then形式のルールとして蓄積し推論するエキスパートシステムが多数実用化された。代表例は、未知の有機化合物の分子構造を質量分析データから推定するDENDRALと、血液中のバクテリア感染症を診断し抗生物質を処方するMYCIN(正答率約69%で、専門医の約80%には及ばないものの非専門の医師を上回った)で、いずれもスタンフォード大学で開発された。日本でも1982年に通商産業省(当時)が国家プロジェクト「第五世代コンピュータ」を開始した。しかし専門家からの知識の聞き取りと整理には膨大な労力を要し(知識獲得のボトルネック)、常識のような暗黙的知識の記述は困難であった。知識の体系化では、概念同士をis-a関係(上位・下位の継承関係)とpart-of関係(全体と部分)で結ぶ意味ネットワーク、「概念化の明示的な仕様」と定義されるオントロジー(哲学的に厳密な構成を目指すヘビーウェイトオントロジーと、Webマイニング等による効率的構築を目指すライトウェイトオントロジー)、あらゆる一般常識の記述を目指すダグラス・レナートのCycプロジェクト(1984年開始、現在も継続中)が頻出である。

第3次AIブーム(2010年代〜現在)の中心技術は「機械学習・深層学習」である。ウェブの普及によるビッグデータの蓄積を背景に、データから規則性を学習する機械学習が本格的な実用段階に入った。2012年の画像認識競技会ILSVRCでは、ジェフリー・ヒントン率いるトロント大学のチームSuperVisionが深層学習モデル(AlexNet)によりエラー率で2位に10ポイント以上の大差をつけて優勝し、ブームの起爆剤となった。深層学習の本質は、従来は人間が設計していた特徴量をデータから機械自身が獲得する「特徴表現学習」にある。時系列の重要事例として、2011年にIBMのワトソンが米クイズ番組「ジェパディ!」で人間のチャンピオンに勝利したこと(Wikipediaなどの知識源を用いた質問応答)、2016年にDeepMindのAlphaGoが囲碁でイ・セドル九段に勝利したこと、東大合格を目標とした日本の「東ロボくん」が2016年に読解力の壁を理由に開発を凍結したことが挙げられる。ブームの年代区分と事例の対応を正確に覚えること。

AIが原理的に抱える難問も本章の頻出論点である。フレーム問題は、1969年にジョン・マッカーシーとパトリック・ヘイズが提起した「有限の情報処理能力では、いま行おうとしていることに関係のある事柄だけを選び出すことが極めて難しい」という問題で、ダニエル・デネットによる洞窟のロボットと爆弾の例え話で知られる。シンボルグラウンディング問題(記号接地問題)は、1990年に認知科学者スティーブン・ハルナッドが提起した「記号とその意味するものが結びつかない」という問題であり、「シマ」と「ウマ」の記号を知っていても記号操作だけでは実物のシマウマと結びつけられない例で説明される。将来予測としては、レイ・カーツワイルが、AIが自分自身より賢いAIを作り始める技術的特異点(シンギュラリティ)は2045年に到来すると予測した。雇用への影響では、オックスフォード大学のマイケル・オズボーンらの論文「雇用の未来」(2013年)が、米国の雇用の約47%が自動化のリスクにさらされると試算したことも出題実績がある。人名・年代・概念の対応を一問一答で固めておくこと。