知識獲得のボトルネック

人工知能という新しい考え方が生まれた時、多くの人が大きな希望を抱きました。まるで人間のように考え、難しい問題を解いてくれる機械は、皆の夢でした。その夢を実現するために、人工知能の研究が盛んになった時期、とある方法に注目が集まりました。それは「専門家システム」と呼ばれるもので、特定の分野で活躍する専門家の知識を機械に教え込もうという試みでした。 専門家システムを作るには、まず、専門家がどのような知識を使って考え、判断しているのかを詳しく調べなければなりません。そして、その知識を明確な規則に変換し、機械が理解できる形に書き直す必要があります。例えば、医者が患者の症状から病気を診断する過程を、いくつもの「もし～ならば～」という規則で表現するのです。こうして、たくさんの規則を機械に覚えさせることで、まるで専門家のように考え、答えを出してくれるシステムを作ろうとしました。 しかし、この試みは大きな壁にぶつかりました。それは「知識獲得の難しさ」です。人間にとっては当たり前の知識や経験でも、機械に理解させるには、明確な規則や数値データに変換する必要があります。しかし、専門家の知識は必ずしも明確な言葉で表現できるわけではなく、経験に基づく直感や暗黙知といった、言葉で説明しにくいものも多く含まれています。このような知識を機械に教え込むことは、想像以上に難しい作業でした。たとえ専門家が丁寧に説明してくれたとしても、それを規則に書き換える作業は大変な労力を必要としました。また、専門家の知識は常に変化し、新しい情報が追加されていくため、システムを常に最新の状態に保つことも大きな課題でした。こうして、専門家の知恵を機械に移植するという試みは、当初の期待ほどには進展せず、人工知能研究は新たな局面を迎えることになります。