AI（人工知能）の歴史について

近年、AI（人工知能）は目覚ましい進化を遂げ、多くのメディアで取り上げられるなど、その注目度はますます高まっています。AIについて詳しく知らない方でも、「AI＝便利な技術」といったイメージを抱いている方は多いのではないでしょうか。

このように、ここ数年で急速に普及し、話題となっているAIですが、その歴史は意外にも非常に深いものです。AIは数十年にわたる研究と革新の積み重ねによって進化してきた技術であり、現在の発展に至るまでには、多くの試行錯誤と重要な出来事がありました。

ここでは、AI・人工知能の歴史に焦点を当て、その発展の背景や歴史を彩る重要なトピックについて解説します。AIがどのようにして、現在のような社会的注目を集める存在になったのか、一緒に紐解いてみましょう。

AI（人工知能）とは何か？

AI（人工知能）とは、人間の知能を模倣し、学習・推論・判断・認識などの能力をコンピュータ上で実現する技術を指します。この技術は、自動運転、音声認識、画像認識、自然言語処理など、さまざまな分野で活用されています。

例えば、Googleの音声アシスタントやAmazonの推奨システムは、AIを活用した代表的な事例です。これらのシステムは、ユーザーの行動や傾向を学習し、それに基づいた最適な結果を提供する仕組みです。また、医療分野ではAIが画像診断に利用され、病気の早期発見に大きく貢献しています。

さらに最近では、ChatGPTやMidjourneyといった「生成AI」が登場し注目を集めています。これらは文章やイラストなどのコンテンツを生成できるAIで、日常生活や仕事のさまざまな場面で活用が広がっています。

これらの事例からもわかるように、AIは私たちの生活や社会に深く浸透しており、今後もその影響力はますます拡大していくことでしょう。

AI（人工知能）の歴史（簡略版）

AIの歴史：概要と代表的な概念・技術

AI（人工知能）の歴史は、約70年にわたり進化を続け、いくつものブームと停滞を繰り返してきました。ここでは、AIの発展を年代ごとに、その時代を象徴する概念や技術とともに紹介します。

AIに関する進化・発展の歴史年表（簡略版）
年代	概要	代表的な概念・技術
1950年-1960年	アラン・チューリングがAIの概念を提唱し、ジョン・マッカーシーが「人工知能」という言葉を命名	「チューリングテスト」が提案され、思考する機械の基礎が築かれる。
1960年-1974年	AI研究が活発化し、自然言語処理プログラム「イライザ（ELIZA）」が登場（第一次AIブーム）	ンピューターによる推論・探索モデル「イライザ（ELIZA）」
1974年-1980年	AIの性能や実用性に限界があるとされ、研究支援が減少。ブームが下火に。	–
1980年-1987年	エキスパートシステムが広く事業に導入され始め、ディープラーニングの基本となる「誤差逆伝播法」が発表（第2次AIブーム）	エキスパートシステムCyc（サイク）プロジェクト誤差逆伝播法
1987年-1993年	エキスパートシステムの性能的な限界によりブームが下火化	–
1993年-2022年	機械学習を応用した技術の実用化が加速。ビッグデータによるデータ蓄積で、産業分野でのディープラーニングの導入が進む（第3次AIブーム）	機械学習 ビッグデータ ディープラーニング

AI（人工知能）の歴史は、1950年代にアラン・チューリングが基本的な概念を提唱したことから始まります。さらに、ジョン・マッカーシーが「人工知能（Artificial Intelligence）」という名前を名付けたことで、AIの基礎が確立されました。

1960年代には第1次AIブームが到来し、コンピューターの「推論・探索」や自然言語処理プログラム「イライザ（ELIZA）」といった画期的な技術が誕生します。しかし、1974年頃になると、AIの性能や実用性に限界があるとの批判が高まり、ブームは一時的に沈静化しました。

1980年代に入ると、第2次AIブームが訪れ、エキスパートシステムが広く事業に導入され始めます。しかし、1987年から1993年にかけて、エキスパートシステムの限界が指摘され、再びAIの注目度は低下します。

その後、1993年に始まった第3次AIブームでは、特に2000年以降のインターネット技術の普及がAIの進化を後押ししました。2010年代には機械学習やディープラーニングが大きく発展し、現在ではAIが日常生活やビジネスの中で広く活用されています。

AIの歴史を簡単に振り返るとこのようになります。次のセクションでは、各時代ごとにAI分野で起こった重要な出来事を、さらに詳しく見ていきましょう。

AIの歴史時系列

AIの歴史を見てみると、大きなブームがこれまでに3回訪れています。その一方で、研究や開発が停滞する「冬の時代」も2回経験しています。現在注目を集めている「第3次AIブーム」に至るまで、AIは紆余曲折を経ながら進化を続けてきました。

これから、AIの歴史を年代別に振り返り、それぞれの時代にどのようなトピックや出来事があったのかを詳しく紹介していきます。

1950年～1960年：AIの誕生

トピックまとめ

• アラン・チューリングがAIの概念を創造。
• ジョン・マッカーシーが「人工知能（Artificial Intelligence）」と命名。
• AIという概念が世界中の科学者に広まる。

1950年：AI（人工知能）の概念が誕生

AI（人工知能）は、現在では最先端技術の一つとして注目されていますが、その起源は1950年代にまで遡ります。

イギリスの数学者アラン・チューリングは、1950年に発表した論文『計算する機械と知性』で、「機械は思考できるか？」という問いを提起しました。彼はこの問いを検討するために「模倣ゲーム」を提案し、これが後に「チューリングテスト」として知られるようになりました。このテストは、機械が人間と区別できない程度に会話を行えるかを評価するもので、現在でもAIの知性を測る基準の一つとされています。

さらに、1956年に開催されたダートマス会議で、アメリカの計算機科学者ジョン・マッカーシーが「人工知能（Artificial Intelligence）」という用語を初めて提唱しました。この会議は、AI研究の出発点とされ、多くの科学者がAIの可能性に注目するきっかけとなりました。

これらの出来事を通じて、AIの概念は世界中の科学者に広まり、現在のAI技術の基礎が築かれました。

1956年頃：「人工知能」という言葉が誕生する

1956年、アメリカのダートマス大学で開催された「ダートマス会議」において、数学者ジョン・マッカーシーが「Artificial Intelligence（人工知能）」という用語を初めて提案しました。

この会議は、マービン・ミンスキー、クロード・シャノン、ネイサン・ロチェスターらと共に企画され、人工知能研究の出発点とされています。この会議を契機に、AIは世界中の科学者たちに広く認知されるようになりました。

1960年～1974年：『推論と探索』※第1次AI（人工知能）ブーム

トピックまとめ

• 第1次AIブーム（1960年～1974年）の中心は「推論」と「探索」技術
• 1966年、自然言語処理プログラム「イライザ（ELIZA）」が誕生し、対話型AIの基礎が築かれる。

1960年代：第1次AIブーム

「第1次AIブーム」は、1960年代にアメリカやイギリスで勃興したといわれており、主に「推論」と「探索」の技術に焦点を当てて進展しました。

この頃は、1964年にIBMが後世のコンピューターにも影響を与えた「システム360」というモデルを発売するなど、コンピューターの黎明期でもありました。世の中に普及し始めたコンピューターを使ってAIの開発・研究ができることもあり、以下の2つの事柄がブームの中心でした。

推論：人間の思考過程を記号で表現し、コンピュータ上で模倣する技術です。これは、既知の情報から新たな結論を導き出すプロセスであり、当時のAI研究の中心的なテーマでした。
探索：特定の目的を達成するために、可能な解決策の中から最適なものを見つけ出す技術です。

推論や探索については少し分かりにくいかもしれませんが、これは迷路を解くときをイメージすればわかりやすいとされています。具体的には、迷路のような問題で最短経路を見つける際に、全ての可能な経路を評価し、最適なルートを選択する手法が研究されました。

【人間の例】

基本的に人間は迷路を解くときに指やペンなどで道を指しながらゴールを目指していきます。

一方のコンピューターは、分かれ道に差し掛かったときに「右に進んだ場合」と「左に進んだ場合」の2つに分類します。コンピューターはこういった分類を得意としているため、分類を繰り返して答えを見つけ出すことができるのです。

【AIの例】
探索木
– Sからはじめて、ひとつずつ展開していく
– Gが見つかれば、探索成功
– いろいろな戦略
• 深さ優先探索：どんどん進む
• 幅優先探索：一段ずつ進む

引用：一般社団法人電子情報技術産業協会「人工知能の未来 ーディープラーニングの先にあるもの」

この探索技術により、人間では膨大な時間がかかるパターン分けや複雑な問題の解決が、コンピューターを使うことで効率的に行えるようになりました。特に、囲碁や将棋、チェスといったボードゲームのAIでは、この探索技術が活用されています。これにより、最適な手を見つけるための膨大な選択肢を短時間で評価し、人間を上回る戦略的な判断が可能になりました。

1966年：Siriの起源となったAI「イライザ（ELIZA）」が開発される

第1次AIブームでは多くの研究が進められましたが、特に注目を集めたのが、1966年にマサチューセッツ工科大学のジョセフ・ワイゼンバウム氏によって開発された「イライザ（ELIZA）」です。これは、世界初の自然言語処理プログラムとしてAI研究史に名を刻んでいます。

■イライザの特徴
自然言語処理：人間の言語（自然言語）を処理し、対話形式で回答を提示。
仕組み：入力された文章中の特定キーワードに反応し、あらかじめ用意された定型文で応答。
例：「私は疲れています」と入力すると、「なぜ疲れているのですか？」などの反応を生成。

■開発の背景
ワイゼンバウム氏は、精神科医やカウンセラーが患者と対話することで治療を行う「治療プロセス」に着目。この仕組みを模倣することで、イライザはカウンセリングのようなやり取りを実現しました。一つのキーワードに複数の回答パターンを設定したことで、感情を持つように振る舞うAIとして、多くの人々を驚かせました。

■現代への影響
イライザは、現在のAIアシスタントの原型ともいえる存在です。特に、iPhoneやiPadに搭載されているAppleの「Siri」は、イライザの技術を基礎として発展したとされています。

1974年-1980年：冬の時代

トピックまとめ

• 複雑な要因を含んだ問題は当時のAIには解けないことが判明
• AIの性能自体が科学者間で疑問視されるようになる
• 研究支援が滞り、ブームが下火化

第1次AIブームでは、多くの人々がAIに大きな期待を寄せていました。しかし、当時のAI技術はまだ未熟であり、1974年から1980年代初頭にかけて「冬の時代」と呼ばれる停滞期を迎えました。

この時期のAIは、迷路の解法や定理の証明など、単純な問題には対応できましたが、現実社会で直面する複雑で多様な要因が絡む課題を解決することは困難でした。

その結果、科学者たちの間で「AIは本当に人間のような知性を持てるのか？」という疑問が広がり、AIが解決できる問題は「おもちゃの問題（トイ・プロブレム）」と揶揄されるようになりました。

このように、AIの性能的な限界が明らかになると、最初のAIブームは衰退し、研究への支援も減少したため、AIの開発は停滞してしまいました。

1980年-1987年：第2次AIブーム（知識を蓄積したエキスパートシステム）

トピックまとめ

• エキスパートシステムが事業分野で幅広く導入され、実用性が向上
• Cyc（サイク）プロジェクトが、一般常識をデータベース化する試みとして注目される
• ディープラーニングの基礎技術である「誤差逆伝播法（バックプロパゲーション）」が発表され、AI研究に大きな影響を与える

1980年-1987年：多数のエキスパートシステムが実現

冬の時代を経て、再びAIへの関心が高まったのが「第2次AIブーム」と呼ばれる1980年～1987年頃です。この時期、多数のエキスパートシステムが実現され、AIの実用化が進みました。

エキスパートシステムは、特定の問題に対して専門家のように推論を展開し、解決策を導くプログラムです。
仕組みとしては、入力された情報をもとにシステムが専門家の意思決定プロセスを模倣し、回答を出力します。

たとえば、以下の例では、「体温が38℃以上」「X菌検査が陽性」などの選択肢に対してYES/NOのどちらかで回答することによって、感染症に罹患している確率が把握できるようになっています。
このように、エキスパートシステムを活用すれば、実際に専門家から対面でアドバイスをもらわずに、非常に精度の高い回答を得ることが可能になります。

引用：日経Xtech「エキスパートシステムとは異なる」

第2次AIブームでは、多くの大企業がエキスパートシステムを積極的に導入し、AIはより実用的なツールとして商業利用が進みました。
例に挙げた医療分野での感染症診断支援システム以外にも、金融業界ではクレジット評価システムなどが開発され、企業の業務効率化や意思決定プロセスの高度化に寄与しました。

このエキスパートシステムの仕組み自体は現在でもさまざまな企業に導入されています。例えば、以下のような身近なサービスでも活用されています。

• Amazonや楽天市場などECサイトにおける商品のレコメンド機能
• Googleユーザーの関心に合わせた記事を表示する機能
• SNSにおけるチャットボット等

1984年：注目を集めたプロジェクト・アルゴリズム

第2次AIブームでは、エキスパートシステムとともに「Cyc（サイク）プロジェクト」にも大きな注目が集まりました。Cycプロジェクトは、1984年にダグラス・レナート氏によって開始された知識記述のプロジェクトです。

このプロジェクトは、一般常識をデータベース化し、人間と同等の推論システムを構築することを目的としています。「Cyc」の名称は「encyclopedia（百科事典）」に由来します。

Cycは、物理的および社会的世界に関する知識を含み、物や物質の特性、人や動物の行動、人と組織の関係など、常識的な知識を表現できることを特徴としています。

一般常識をデータベース化していき、人間と同じレベルの推論システムを構築していくことを目的としたものとなっています。このプロジェクトが開始されたことで、人間の常識に根ざした推論を行うことが可能になりました。

このプロジェクトは現在も継続しており、人工知能、自然言語処理、ナレッジマネジメントなどのさまざまなアプリケーションにとって価値のあるリソースとなっています。

1986年：誤差逆伝播法が発表される

1986年、デビッド・ラメルハートらによって「誤差逆伝播法（バックプロパゲーション）」が発表されました。
このアルゴリズムは、ニューラルネットワークの学習において、出力と目標値の誤差をネットワーク内で逆方向に伝播させ、各層の重みを調整する手法です。これにより、複数の層を持つニューラルネットワークの効果的な学習が可能となり、現在のディープラーニング技術の基盤となっています。

1987年-1993年：冬の時代（知識獲得のボトルネック）

トピックまとめ

• エキスパートシステムの性能的な限界が明らかになり、AIブームが衰退する
• 日本国内で進められていた国家プロジェクト「第五世代コンピュータ・プロジェクト」が終了する

1980年から1987年にかけて「第2次AIブーム」が到来しましたが、研究を続ける科学者たちの間では、次第にエキスパートシステムの限界が指摘されるようになりました。

エキスパートシステムの課題：

1. 手作業での知識入力が必要
   当時のコンピューターは情報を自動で収集・蓄積する能力が乏しく、知識をシステムに入力する作業は手動で行わなければなりませんでした。この作業は非常に時間と労力がかかり、継続的な運用が難しいものでした。
2. 例外処理や矛盾への対応が困難
   システムがルールの例外や矛盾する状況に対応する能力を欠いていたため、柔軟性に欠けるという問題がありました。

こうした課題を克服するため、日本では1982年に約540億円規模の国家プロジェクト「5Gプロジェクト（第五世代コンピュータ・プロジェクト）」が始まりました。このプロジェクトは、AIや国産コンピューター技術の発展を目指したものでした。

5Gプロジェクトの成果と課題：

• 目標：知識処理能力の向上や、柔軟な情報処理が可能なシステムの開発。
• 結果：膨大な知識の手動入力とその管理の困難さが解決できず、1992年にプロジェクトは終了しました。

1993年-2022年：第3次AIブーム（機械学習とディープラーニング）

トピックまとめ

• 機械学習：応用技術が進化し、実用化が加速。さまざまな分野でAIの活用が一般化する
• ビッグデータ：大量のデータ収集と分析が容易になり、AI学習の精度が向上
• ディープラーニング：産業分野への本格的な導入が進み、画像認識や自然言語処理などの技術革新を実現

1993年頃：3度目のAIブームの幕開け

知識獲得の難しさという課題（ボトルネック）が原因で「冬の時代」を迎えていたAI研究は、1993年頃から新たな転機を迎えます。この時期からAI技術の進化が再び加速し、3度目のAIブームが始まりました。

特に、1993年以降の期間は「第3次AIブームへの土台が築かれた時期」と言えます。ディープラーニング技術が登場する2006年頃までは、機械学習やコンピュータ処理能力の進展により、AIの実用化に向けた基盤が整備されていきました。

1997年：AIがチェス王者勝利

1997年、チェス専用コンピューター「ディープブルー」が、チェスの世界王者であるガルリ・カスパロフ氏に勝利しました。この出来事は、AIが初めて人間に勝利した瞬間として大きな話題を呼び、現在でも多くの人々の記憶に残る歴史的な出来事です。

私たちが暮らしている現在は、まさに「第3次AIブーム」の真っ只中にあります。このブームを支える原動力となっているのが、以下の3つの技術革新です。

• 技術革新①：機械学習の実用化
• 技術革新②：ビッグデータのリアルタイム活用
• 技術革新③：ディープラーニング

技術革新①機械学習の実用化

機械学習とは、膨大なデータを元に機械が学習し、自らルールを導き出して、そのルールに基づいた予測や判断を行う技術です。

学習の種類には、特徴を把握するために大量のデータを使用する「教師あり学習」、さまざまな次元でデータを分類する「教師なし学習」、さらに試行錯誤を繰り返して正解を見つける「強化学習」の3つがあります。

AIにおける機械学習の役割は「AIを構成する重要な技術の一つ」として位置付けられています。機械学習で可能なこととしては、「画像認識」や「将来の予測」が挙げられます。

「画像認識」の例として、Facebookなどのサービスで使用されている顔認識機能があります。たとえば、自分の顔が写った写真を自動的に識別し、「○○さんと一緒にいます」といったメッセージを表示させることができます。この機能は、機械学習がユーザーの顔を認識することで実現しています。

一方で、「将来の予測」は蓄積されたデータを学習することで未来の動向を予測する技術です。予測アルゴリズムには複数の種類があり、最適なものを選ぶことで精度を向上させることが可能です。スポーツの試合結果や株価の動きなども、場合によっては予測できるようになるかもしれません。機械学習の実用化は、AIの進化の中でも特に大きな出来事の一つだと言えます。

技術革新②ビッグデータ

機械学習に欠かせない要素の一つが「ビッグデータ」です。

ビッグデータとは、さまざまな形式や種類の大量のデータを指します。明確な定義はありませんが、「Volume（量）」「Variety（多様性）」「Velocity（速度）」の3つのVが高い次元で満たされていることがその特徴です。

ビッグデータは機械学習にとって欠かせない存在です。理由としては、複雑なパターンやトレンドを見つけ出し、予測モデルを構築するためには膨大なデータが必要になるためです。

具体的には、ビッグデータは消費者の購買行動の分析、気候変動の予測、医療分野での病気の早期発見など、幅広い分野で活用されています。これらの分野では、ビッグデータが提供する詳細な情報によって、より高精度な意思決定が可能になり、業務の効率化や最適化に大きく貢献しています。

技術革新③ディープラーニング

ディープラーニングとは、大量のデータを基に学習し、共通点を自動的に抽出することで、柔軟な判断を可能にする「機械学習技術の一つ」です。従来の機械学習と比べ、より高精度な分析が可能な点が大きな特徴です。

ディープラーニングは、「教師あり学習」の一部とされます。最近では、ディープラーニングに関する書籍や資格・検定が増えており、専門的な知識を学ぶための環境が整ってきています。

また、東京大学大学院工学系研究科教授である松尾豊氏が理事を務める「一般社団法人 日本ディープラーニング協会」による産業促進の取り組みにより、ディープラーニングの普及スピードは加速しています。

ディープラーニングにはトレーニングに時間がかかるという特徴がありますが、膨大なデータを使用することで、機械学習を上回る性能を発揮します。そのため、効率性を重視したい場合には、ディープラーニングを活用することで多くの利点を享受できると考えられます。

さらに、ディープラーニングは、機械学習では対応が難しい高度な処理も可能です。人間の精度を超えるケースも珍しくなく、これまで人が行ってきた業務の一部をAIに置き換えることも実現可能です。たとえば、医療画像診断では、膨大な数の画像データを学習して病気の特徴を認識し、人間の医師と同等、またはそれ以上の精度で病変を検出することができます。また、自動運転技術では、ディープラーニングが車両周辺の環境を認識し、適切な運転行動を判断する際に活用されています。

特に、医療や自動運転のように高い安全性が求められる分野では、精度が不可欠な要素となります。そのため、ディープラーニングはこれらの分野で重要な役割を果たすと期待されています。

日本でAIが注目されはじめたのはいつから？

先述の通り、日本では1982年から1992年にかけて、AIの活用を目指した国家プロジェクト「第五世代コンピュータ・プロジェクト」が進められていました。しかし、一般的にAIが本格的に注目されるようになったのは、2010年以降のことです。

その背景には、2000年以降のインターネットの急速な普及がありました。この環境整備が進んだことで、2010年以降にディープラーニングの実用化が可能となりました。さらに、2012年にはコンピューター将棋ソフトが永世棋聖に勝利し、2016年にはAIがプロの囲碁棋士に勝利するという画期的な出来事が起こり、大きな話題を呼びました。

最近では、ディープラーニング技術を活用した「AI秘書」や「AI弁護士」といった実用的なサービスも登場しています。「AI秘書」はスケジュールや顧客情報の管理を行い、「AI弁護士」は過去の判例をもとに相談内容に適した情報を提供するなど、さまざまな分野での活躍が進んでいます。