フレーム問題 (G検定)

1. 定義と概要

フレーム問題とは、有限の情報処理能力しか持たない人工知能が、現実に起こりうる無数の出来事の中から、今取り組んでいる作業に関係のある事柄だけを選び出すことが困難であるという課題です。1969年にジョン・マッカーシー（「人工知能」という言葉を作ったとされる研究者）とパトリック・ヘイズ（フレーム問題をマッカーシーとともに指摘した、英国出身のコンピュータ科学者）の論文で指摘されました。

人間は意識せずに関係のある情報だけへ注意を向けられますが、AIにとってはこの取捨選択そのものが大きな壁になります。

1980年代の第2次AIブーム（1980年代に知識表現とエキスパートシステムを中心に起きたAI研究の盛り上がり）では、知識表現（コンピュータが扱えるように知識をルールの形で書き表す手法）が主要なテーマになりました。それまで中心だった探索や推論（与えられた条件から結論を導き出す処理）に代わる位置づけです。専門家の知識をルールとしてコンピュータに与えるエキスパートシステム（専門家の知識をルール化してコンピュータに判断させる仕組み）の研究が、その中心を担いました。

しかし、与えられたルールの外にある状況変化まで考慮しようとすると、関係のある情報とない情報を切り分けるだけで計算量が膨れ上がることが明らかになりました。フレーム問題は、こうした知識表現アプローチの本質的な限界を示す課題として位置づけられ、現在も本質的な解決には至っていません。

2. 試験対策ポイント

フレーム問題の提唱者と年代の組み合わせは、まず整理しておきたいポイントです。1969年にジョン・マッカーシーとパトリック・ヘイズが指摘した事実に加え、哲学者ダニエル・デネット（フレーム問題をロボットの思考実験でわかりやすく説明した哲学者）が示した、洞窟のロボットと爆弾の思考実験も具体例として教材で扱われます。

この思考実験には3種類のロボットが登場します。どのロボットがどの失敗を表すかという対応関係を並べると、次のように整理できます。

ロボット	とった行動	失敗のしかた
1台目（R1）	バッテリーを取りに行き、載っていた爆弾ごと運び出した	副次効果に気づかず爆発した
2台目（R1-D1）	行動に伴うあらゆる副次効果を検討し続けた	いつまでも動けなくなった
3台目（R2-D1）	関係の有無を判定してから動こうとした	判定自体に膨大な計算を要し、洞窟に入る前に停止した

副次効果への無視、検討の無限化、関係の有無の判定そのものの重さという3段階の失敗パターンについて、どのロボットがどの失敗を表すかという対応関係の整理が要点です。

フレーム問題は、第2次AIブームで中心となった知識表現・エキスパートシステムの限界を象徴する課題として扱われ、ブームが停滞した一因ともされます。また、目的や状況があらかじめ限定された特化型AI（画像認識や将棋など特定の目的・範囲に限定して作られたAI）では顕在化しにくいという特徴があります。一方、あらゆる状況に対応する汎用人工知能（特定の用途に限らずあらゆる状況に対応できることを目指す人工知能）を目指すほど、フレーム問題は避けて通れない課題になるという関係も重要な論点です。

シンボルグラウンディング問題（記号接地問題。記号とその記号が指し示す現実の意味を結びつけられないというAIの課題）とは、並べて理解したいテーマです。フレーム問題は関係のある情報を選び出せない課題であるのに対し、シンボルグラウンディング問題は記号とその意味を結びつけられない課題であり、両者の違いは取り違えやすい点です。

フレーム問題は現在も本質的には未解決の課題として位置づけられており、人間の思考もこの問題を原理的には完全に解決していないという説明とセットで扱われます。

3. 関連概念との比較・相違点

シンボルグラウンディング問題との最大の違いは、AIのどの能力が壁にぶつかるかという点にあります。二つの課題を軸ごとに対応させると、次のように分かれます。

課題	壁にぶつかる能力	限界の内容
フレーム問題	情報の取捨選択	現実の無数の出来事から、今の作業に関係のある事柄だけを選び出せない
シンボルグラウンディング問題	意味理解	記号と、その記号が指し示す現実の意味を結びつけられない

フレーム問題では、膨大な選択肢の中から関係するものだけを絞り込もうとするほど計算量が膨れ上がり、処理そのものが立ち行かなくなってしまいます。どちらもAIの本質的な限界を示す代表的な思考実験として並べて語られますが、対象としている壁は別のものです。両者は混同しやすい組み合わせであり、どちらの限界を指しているかを見分ける視点が分かれ目です。

特化型AIと汎用人工知能との違いは、フレーム問題の顕在化しやすさにあります。目的や状況があらかじめ限定された特化型AIでは、考慮すべき事象の範囲が最初から絞られているため、フレーム問題は起きにくくなります。将棋や画像認識のように扱う対象と目的があらかじめ定まっていれば、関係のある情報を探す範囲もおのずと狭くなるためです。

これに対して、あらゆる状況に対応する汎用人工知能を目指すほど、関係のある情報を無数の出来事から選び出す必要が増え、フレーム問題は避けて通れない課題になります。G検定では、この顕在化しやすさの違いが特化型AIと汎用人工知能を区別する論点の一つとして扱われます。

4. ビジネス・実務での活用シナリオ

物流・倉庫の搬送ロボットでは、稼働エリアや扱う対象をあらかじめ限定した特化型ロボットとして設計する手法が採られています。あらゆる事態を検討する必要がなくなるため、高速かつ安定した動作を実現できます。稼働範囲を絞り込む設計そのものが、フレーム問題による処理の行き詰まりを避ける実務上の工夫になっています。

カスタマーサポートのチャットボット（文字での問いかけに自動で応答するプログラム）では、想定問答の範囲をFAQなど限られたシナリオに絞り込む設計がとられます。無関係な文脈まで検討する必要がなくなるため、即座に応答できる仕組みが成り立ちます。対応範囲を広げすぎると、関係のある情報を選び出す処理が重くなり、応答速度や精度が損なわれることがあります。

自動運転の分野では、走行可能な条件を高速道路のみに絞るといった運行設計領域（ODD。自動運転システムが安全に対応できる走行条件の範囲）を設定することで、考慮すべき事象の範囲を限定し、フレーム問題の影響を抑えています。あらゆる道路状況を無制限に検討しようとすると判断が追いつかなくなるため、運行条件を区切ること自体が安全性を支える設計思想になっています。

5. 要点まとめ

• フレーム問題とは、有限の情報処理能力しか持たないAIが、今取り組んでいる作業に関係のある事柄だけを現実の無数の出来事から選び出せないという課題で、1969年にジョン・マッカーシーとパトリック・ヘイズが提唱しました。
• 哲学者ダニエル・デネットが示した洞窟のロボットと爆弾の思考実験は、副次効果への無視・無限の検討・関係の有無の判定自体での停止という3段階の失敗パターンでフレーム問題を説明しています。
• あらゆる状況に対応する汎用人工知能を目指すほど顕在化する課題で、記号とその意味を結びつけられないシンボルグラウンディング問題とは区別され、現在も本質的には未解決のまま特化型AIの設計などで実務上は回避されています。

6. 確認問題