第1次人工知能ブーム (G検定)

1. 定義と概要

第1次人工知能ブームとは、1956年にアメリカで開催されたダートマス会議（人工知能という学問分野を確立したとされる研究会議）を契機として、1950年代後半から1960年代にかけて起こった人工知能研究最初の活況期です。コンピュータによる探索（起こりうる選択肢を枝分かれの形でたどり、目標に至る道筋を探す処理）と推論（既知の情報から結論を導く処理）が、当時の中心技術でした。

これらの技術によって、迷路やパズル、チェスやオセロ、数学の定理証明のように、ルールとゴールがあらかじめ明確に決まった問題を解くことができました。代表例として、数学の定理を自動的に証明するロジック・セオリストが1956年に発表されています。また、汎用問題解決機（GPS）とは、さまざまな種類の問題を同じ手順で解くことを目指して1957年に発表された人工知能プログラムです。

このダートマス会議では、当時ダートマス大学にいたジョン・マッカーシー（ダートマス会議で人工知能という言葉を初めて提唱した計算機科学者）が「artificial intelligence」という言葉を初めて提唱しました。この会議では、アレン・ニューウェル、ハーバート・サイモン、クリフ・ショウが開発したロジック・セオリストも実演されています。このプログラムは、数学書『プリンキピア・マテマティカ』に収められた52の定理のうち38を自動で証明し、ブームの起点となりました。

探索・推論の手法は、迷路やパズル、ゲームのようにルールが明確な問題では成果を上げました。その一方で、機械翻訳のように現実世界の膨大な知識や曖昧さを扱う複雑な問題には対応できませんでした。

1966年には、アメリカの諮問委員会がまとめたALPACレポート（機械翻訳研究の実用性の低さを指摘し、AIへの期待を失わせる一因となったアメリカの報告書）が機械翻訳研究の実用性の低さを指摘し、AI研究への期待は急速に失われていきます。1970年代には、研究資金や関心が縮小するAIの冬（研究への期待が薄れて資金や関心が縮小する、人工知能研究の停滞期）を迎えました。

2. 試験対策ポイント

まず整理しておきたいのは、第1次人工知能ブームの起点が1956年のダートマス会議にあるという点です。この会議でジョン・マッカーシーが「artificial intelligence」という言葉を初めて提唱し、アレン・ニューウェル、ハーバート・サイモン、クリフ・ショウが開発したロジック・セオリストが実演されました。会議の開催年、提唱者、実演されたプログラムの組み合わせは、押さえておきたいポイントです。

中心技術は探索と推論であり、迷路・パズル・チェス・オセロ・定理証明のように明確なルールとゴールを持つ問題を、探索木（起こりうる選択肢を枝分かれの形で表し、目標に至る道筋を探すための図式）によって解く手法が用いられました。

その代表例のひとつが、アレン・ニューウェル、ハーバート・サイモン、クリフ・ショウの3人が1957年に開発した汎用問題解決機（GPS）です。GPSは、現在の状態と目標の状態の差を縮める操作を選んで繰り返すことで問題を解く手段目標分析という考え方を採用しました。

一方で限界となったのは、こうした手法がトイ・プロブレム（迷路やパズルのように、ルールとゴールがあらかじめ明確に決まった簡易な問題）しか解けなかった点です。現実世界の複雑な問題は考慮すべき要素が膨大であり、探索・推論だけでは対応できませんでした。1966年のALPACレポートが機械翻訳研究の実用性の低さを指摘したことも、AIへの期待が失望に変わる一因となり、1970年代のAIの冬につながっています。

同時期の成果としては、フランク・ローゼンブラットが1958年に提案したパーセプトロン（人間の脳の神経細胞の仕組みを模した、初期のニューラルネットワークのモデル）も挙げられます。ただし1969年にはその限界（線形分離可能な問題しか扱えないこと）が指摘され、こちらも第1次ブーム終焉の一因として関連づけられます。

3. 関連概念との比較・相違点

第1次人工知能ブームの位置づけは、後続の2つのブームと並べると輪郭がはっきりします。時期・中心技術・行き詰まりの理由を対応させると、次のように整理できます。

ブーム	時期	中心技術	行き詰まりの理由
第1次	1950年代後半〜1960年代	人手で与えたルールによる探索・推論	トイ・プロブレムしか解けなかった
第2次	1980年代	専門家の知識をルール化したエキスパートシステム	知識獲得のボトルネック
第3次	2000年代〜現在	データから学習する機械学習・ディープラーニング	現在も続く活況期

第2次人工知能ブームとの最大の違いは、この表の中心技術と限界の欄にあらわれています。第1次ブームは探索・推論によってトイ・プロブレムを解く技術が中心で、ルールを人手で与えていました。

これに対して第2次ブームは、専門家の知識をルール化したエキスパートシステム（専門家の知識をルールとして組み込み、専門家のように判断するコンピュータープログラム）が医療診断や化学分析といった実務的な課題に対応しました。ただし第2次ブームも、専門家の知識を人手で聞き取ってルール化する知識獲得のボトルネックという限界を迎えています。

第3次人工知能ブームとの違いは、データとの関係にあります。第1次ブームは人間があらかじめ与えたルールに沿って探索・推論する手法が中心でした。これに対して第3次ブームは、ビッグデータの蓄積とコンピュータの計算性能向上を背景としています。

機械学習（データから規則やパターンを自動的に学び取る技術）やディープラーニング（人間の脳の神経回路を模した多層のニューラルネットワークを用いて、データから特徴を自動的に学習する手法）が、データから自らパターンを学習します。この点が、第1次ブームとの根本的な違いです。第1次から第3次まで、AIブームは人間がルールを与える時代からデータが規則を教える時代へと軸足を移してきたと整理できます。

4. ビジネス・実務での活用シナリオ

物流・ナビゲーションの分野では、第1次人工知能ブームで発展した探索の考え方（起こりうる選択肢を枝分かれの形でたどり、目標への道筋を探す処理）が今も参照されています。現在のカーナビゲーションや配送ルートの最適化で使われる経路探索アルゴリズムの基礎的な発想として受け継がれています。

ゲーム開発・エンターテインメントの分野でも、チェスやオセロを探索木で解くという第1次ブームの発想は、現代のボードゲームAIや対戦ゲームのキャラクター行動ロジックの基礎的な考え方として受け継がれています。

AI導入プロジェクトの企画・実証実験（PoC）設計の場面でも、第1次ブームの歴史が引き合いに出されます。トイ・プロブレムの域を出られず終焉した歴史は、現代のAI導入プロジェクトが実証実験の範囲では成果を出せても本番運用のスケールで行き詰まる状況と重ねて語られ、適用範囲を見極める重要性を考える材料となっています。

5. 要点まとめ

• 第1次人工知能ブームは、1956年のダートマス会議を契機に1950年代後半〜1960年代にかけて起こった、探索・推論を中心とする人工知能研究最初の活況期です。
• ロジック・セオリストや汎用問題解決機（GPS）などの探索・推論に基づく手法は、迷路やパズルのようなトイ・プロブレムしか解けず、1966年のALPACレポートによる機械翻訳への失望も重なり1970年代に「AIの冬」を迎えました。
• 専門家の知識をルール化した第2次ブーム（1980年代）、データと計算資源を背景とする第3次ブーム（2000年代〜）との違いが試験の重要な論点です。

6. 確認問題