「専門家の直感」はなぜ機械に負けたのか——古き良きAI時代が教える、人間とアルゴリズムの役割逆転の始まり

なぜいま「古き良き時代のAI」を振り返るのか

現在、生成AIやLLM（大規模言語モデル）の急速な進化により、人工知能は社会のあらゆる領域に浸透しています。しかし、1960～1980年代に研究されていた「古き良き時代のAI」の歴史を知ることで、現代のAI技術が解決しきれていない根本的な課題が見えてきます。ウイングアーク１ｓｔが発表した「人工知能研究の歴史第4回」は、私たちに重要な問いを投げかけています。それは、**「知識をどう機械に理解させるか」という60年前の課題が、実は今も継続している**ということです。

エキスパートシステムの栄光と挫折——「知識の形式化」という壁

1970年代から1980年代にかけて、AI研究の最前線を占めたのは「エキスパートシステム」でした。これは、医師や化学者といった専門家の知識と判断ルールをコンピュータに組み込み、彼らと同等の判断能力を再現しようとする試みです。

当時、これは革新的でした。例えば、医療診断システムは患者の症状を入力すると、医師の経験則に基づいて病名を推定します。化学分析システムは化学者が数十年かけて習得する知識を、ルールベースで実装できたのです。

しかし、ここに大きな問題がありました。**専門家の知識をすべて「ルール」として明文化することは、実は不可能に近い**のです。医師が診断するとき、彼女は学んだ知識だけでなく、数千時間の経験から得た「直感」や「パターン認識」を無意識に使っています。これを言語化し、コンピュータが理解できるルールに変換することは、想像以上に困難でした。その結果、1990年代には「AI冬の時代」と呼ばれる低迷期を迎えることになります。

なぜ機械学習は「ルール」を必要としなかったのか

エキスパートシステムの失敗から学んだAI研究者たちは、全く異なるアプローチを取ることにしました。それが**機械学習**です。

機械学習の革新的な点は、「専門家がルールを明示する」のではなく、「膨大なデータから機械が自動的にパターンを学習する」というものでした。医療診断では、数千人の患者データと診断結果から、画像認識ニューラルネットワークは人間が気づかないような微細なパターンを検出できるようになったのです。

エキスパートシステム時代：人間が「もし○○なら△△せよ」というルールを書く
機械学習時代：機械が「このデータセットからこんなパターンがある」と自動発見する

つまり、古き良き時代のAIが失敗したのは、**「知識を形式化できない」という人間の限界を前提としていなかった**からです。機械学習は、その限界を回避する戦略だったわけです。

現代の生成AIが直面する「新たな形式化問題」

ここで興味深い問題が浮上します。現代の生成AI、特にLLMは、エキスパートシステムと同じ本質的な課題に再び直面しているのではないでしょうか。

生成AIが出力する内容が時々「ハルシネーション」（幻覚、つまり根拠のない情報）を生じるのは、機械学習によって膨大なテキストデータから統計的パターンを抽出しているからです。しかし、**「なぜそう判断したのか」という理由を、人間が理解できる形で説明する能力は依然として限定的**です。医療や法律、金融などの高リスク領域では、「答え」だけでなく「その理由」が重要です。これは、60年前のエキスパートシステムが苦しんだ「知識の形式化」問題の別の側面なのです。