DENDRALとは？世界初のエキスパートシステムの仕組みと意義

DENDRALとは？世界初のエキスパートシステムの仕組みと意義

DENDRAL（デンドラル）は、人工知能の歴史を学ぶうえでよく登場する初期のAIシステムです。現在の生成AIのように大量の文章や画像を学習して答える仕組みではなく、化学者の専門知識をルールとして整理し、未知の有機化合物の構造を推定するために作られました。

この記事では、DENDRALとは何か、どのように質量分析データを使ったのか、なぜ世界初のエキスパートシステムと呼ばれるのかを、初心者向けに整理します。

DENDRALとは何か

DENDRALは、1960年代にスタンフォード大学で開発された人工知能プログラムです。中心人物として知られるのはエドワード・ファイゲンバウム氏で、化学者の知識を計算機で扱える形に整理し、未知の有機化合物を特定することを目指しました。

有機化合物は、同じ元素や同じ数の原子からできていても、原子のつながり方によって性質が変わります。そのため、分析装置から得られる数値だけを見ればすぐ正解が分かる、という単純な問題ではありません。DENDRALは、こうした複雑な候補を生成し、化学的にあり得るかどうかを判断しながら絞り込む仕組みを持っていました。

重要なのは、DENDRALが単なる計算機プログラムではなく、専門家の判断の一部を計算機上で再現しようとしたAIだった点です。数値計算だけでなく、知識に基づく推論を行ったことが、AI史で大きく評価されています。

DENDRALの基本情報

DENDRALを理解するうえでは、「AIが自分で何でも発見した」というより、専門家が持つ判断基準を計算機に渡し、候補を効率よく探索できるようにしたと考えると分かりやすくなります。この考え方は、後の知識ベースシステムやエキスパートシステムの土台になりました。

DENDRALが化合物を推定する仕組み

DENDRALの対象は、質量分析法によって得られるデータでした。質量分析とは、物質をイオン化して質量ごとに分け、どのような成分が含まれていそうかを調べる分析方法です。結果はスペクトルという波形やピークの形で表れ、化合物の分子量や構成に関する手がかりになります。

DENDRALは、まずスペクトルから分子式を推定します。分子式とは、炭素、水素、酸素などの原子がどれだけ含まれているかを表す式です。ただし、同じ分子式でも原子のつながり方が異なる物質があり、これを構造異性体と呼びます。

次に、DENDRALは考えられる構造異性体を列挙します。ここで化学の制約が重要になります。原子の結合数、あり得ない構造、質量分析で見られる分解パターンなどを使い、候補を機械的に増やすだけでなく、化学的に不自然な候補を除外していきます。

最後に、各候補について予測されるスペクトルと、実際に測定されたスペクトルを比較します。測定結果に最もよく合う構造が、未知の化合物の有力候補として提示されます。つまりDENDRALは、データ、候補生成、専門知識による制約、比較評価を組み合わせて問題を解いていました。

なぜ世界初のエキスパートシステムと呼ばれるのか

エキスパートシステムとは、特定分野の専門家が持つ知識や判断規則を計算機に組み込み、専門的な問題解決を支援するシステムです。DENDRALは、化学者が行う構造推定の考え方を計算機で扱えるようにしたため、世界初のエキスパートシステムとして紹介されます。

DENDRAL以前のAI研究では、ゲーム、パズル、論理問題のように、比較的閉じた課題が多く扱われていました。DENDRALが画期的だったのは、化学という現実の科学研究に踏み込み、熟練者の知識が必要な作業を支援した点です。

この成功は、AI研究者に「知能らしさは汎用的な探索だけでなく、専門知識をどう表現し、どう使うかにもある」と示しました。後に医療診断支援システムのMYCINなど、多くのエキスパートシステムが開発される流れにつながっていきます。

DENDRALの応用例

DENDRALは、主に化学分野で構造が分からない有機化合物の解析に使われました。天然物化学、環境化学、微生物が作る化合物の分析など、候補が多く人手での判断が難しい領域で価値を発揮しました。

元記事でも触れられているように、月面から持ち帰られた岩石の分析や、微生物が生成する化合物の分析は、DENDRALの応用例として紹介されます。こうした対象では、測定データから複数の候補が生まれやすく、化学的な背景知識を使った絞り込みが重要になります。

DENDRALの意義は、単に化学の作業を速くしたことだけではありません。専門家の知識を計算機で再利用できる形にするという考え方を、実用的なシステムとして示したことにあります。この考え方は、医療、地質探査、金融分析など、専門知識が意思決定に関わる分野へ広がっていきました。

DENDRALが後のAIに与えた影響

DENDRALの成功は、AIが研究室の理論だけでなく、現実世界の問題解決に使えることを示しました。特に大きかったのは、知識ベースシステムという考え方です。知識ベースシステムでは、人間の専門知識をルール、関係、事実として整理し、計算機が推論に使えるようにします。

この流れは、後のエキスパートシステムの発展につながりました。医療診断を支援するMYCIN、地質探査を支援するシステム、工場や金融分野の意思決定支援など、特定領域に深い知識を持つAIが数多く研究されました。

また、現代の知識グラフやオントロジーにも、DENDRALと共通する発想があります。知識グラフは、情報同士の関係を構造化して扱う仕組みです。オントロジーは、ある分野の概念や関係を体系的に整理する考え方です。DENDRALは、こうした知識表現の重要性を早い段階で示した例として理解できます。

現代AIとDENDRALの違い

DENDRALと現代の機械学習・生成AIは、同じAIという言葉で語られても、仕組みは大きく異なります。DENDRALは、専門家が整理した知識や制約を使って候補を絞るルールベース寄りのシステムです。一方、現代の機械学習は、大量のデータから統計的なパターンを学び、予測や生成を行う方法が中心です。

どちらが優れているかという単純な比較ではありません。DENDRALは、専門知識を明示的に扱うAIの強みを示しました。現代AIは、データから柔軟にパターンを学ぶ強みを持っています。AIの歴史を学ぶときは、この違いを押さえると、ルールベースAI、知識ベースAI、機械学習の関係が見えやすくなります。

学習するときの注意点

DENDRALを学ぶときは、「世界初のAI」と誤解しないように注意が必要です。DENDRAL以前にもAI研究は存在していました。DENDRALが重要なのは、世界初のエキスパートシステムとして語られるほど、専門家知識を実問題に使うAIの成功例だった点です。

また、DENDRALは現代の生成AIのように、何でも自然文で相談できる汎用AIではありません。対象は化学分析に絞られており、その分野の知識を深く組み込むことで力を発揮しました。この「狭い領域に特化するからこそ強い」という特徴は、エキスパートシステムを理解するうえで欠かせません。

もう一つの注意点は、専門家の知識をルール化する作業そのものが難しいことです。人間の専門家は、経験や直感を含めて判断している場合があります。それを計算機で扱える形に整理するには、多くの時間と専門的な対話が必要です。DENDRALの成果は、その難しさに向き合った点にもあります。

まとめ

DENDRALは、1960年代に開発された、未知の有機化合物の構造を推定するための人工知能システムです。質量分析データをもとに候補構造を作り、化学の専門知識によって候補を絞り込み、測定結果と照合することで有力な構造を提示しました。

AI史におけるDENDRALの価値は、専門家の知識を計算機に組み込み、現実の科学研究に役立てた点にあります。この成功は、エキスパートシステム、知識ベースシステム、知識表現の研究に大きな影響を与えました。

現代のAIは機械学習や生成AIが中心ですが、DENDRALを知ることで、AIがどのように「知識を使って推論するシステム」として発展してきたのかを理解しやすくなります。DENDRALは、現在のAIを学ぶうえでも重要な歴史的出発点の一つです。

更新履歴