推論 (G検定)

1. 定義と概要

推論とは、既知の事実やルールから、決められた手続きに従って新しい結論を導き出す処理のことです。人工知能研究では、人間が頭の中で行っている「考える」という思考過程を、記号（言葉や数式のように意味を表す印）を用いて表現し、コンピュータ上で実行させる手法として発展してきました。

代表的な推論の形式には2種類があります。前提が正しければ結論も必然的に正しくなる演繹推論（前提となる規則が正しければ、結論も必ず正しくなる推論の形。例えば「人間はいつか死ぬ」「ソクラテスは人間である」という前提から「ソクラテスはいつか死ぬ」という結論を導きます）と、複数の個別事例の積み重ねから一般的な規則を導き出す帰納推論（複数の個別の事例を積み重ねて、一般的な規則を導き出す推論の形。「カラスAは黒い」「カラスBも黒い」という観察の積み重ねから「カラスは黒い」という規則を導きます）です。

1956年のダートマス会議（「人工知能」という言葉が初めて使われたとされる会議）を契機として、第1次AIブーム（1950年代後半から1960年代にかけて起きた最初の人工知能研究の盛り上がり）が始まりました。この時期には、コンピュータに人間の思考過程を記号によって表現・実行させる研究が進みました。

迷路やパズル、数学の定理証明のようにルールとゴールが明確な問題を、探索（考えられる選択肢を順にたどりながら目的の答えを見つけていく処理）と推論という2つの処理の組み合わせで解く手法が中心となります。代表例が、数学の定理を自動的に証明したロジック・セオリスト（1956年に登場した、記号処理によって論理的推論を実装したプログラムで、世界初の人工知能プログラムとされます）です。

この推論を実行する仕組みは、第2次AIブーム（第1次AIブームに続く、二度目の人工知能研究の盛り上がり）で新たな発展を遂げます。知識ベース（専門家の知識やルールを蓄積したデータ）と組み合わさり、推論エンジン（知識ベースに蓄積されたルールを使って結論を導く、エキスパートシステムの中核となる仕組み）として機能するようになりました。この仕組みは、エキスパートシステム（専門家の知識をルールとして持たせ、専門家のように判断するコンピュータプログラム）に引き継がれました。

2. 試験対策ポイント

G検定では、推論と探索が第1次AIブームを支えた2つの中心技術として並べて語られます。探索は考えられる選択肢を体系的にたどり目標への道筋を探す処理であるのに対し、推論は前提となる知識やルールから結論を論理的に導き出す処理です。この役割の違いは、混同しやすい点です。

試験対策として重要な論点になるのが、3つの推論形式の違いです。演繹推論は、一般的な前提（規則）が正しければ結論も必然的に正しくなる形式論理的な推論で、三段論法（2つの前提を組み合わせて結論を導く、演繹推論の代表的な形式）が代表例にあたります。一方、帰納推論は個別の事例の積み重ねから一般的な規則を導く推論であり、絶対的な正しさは保証されません。この2つの取り違えは注意が必要な論点です。

さらに第3の形式として、結果から最も合理的な原因を仮説として推測するアブダクション（仮説形成推論。結果から、最も合理的だと考えられる原因を仮説として推測する推論の形）もあわせて理解しておきたい概念です。例えば、地面が濡れているという結果から「雨が降ったのかもしれない」と推測する考え方がこれにあたり、演繹推論・帰納推論との対比で整理される論点です。

3つの形式は、何から何を導くかという向きと、導いた結論をどこまで信頼できるかという2点で並べると違いがはっきりします。

推論形式	何から何を導くか	結論の確からしさ
演繹推論	一般的な前提（規則）から個別の結論を導く	前提が正しければ結論も必然的に正しい
帰納推論	個別の事例の積み重ねから一般的な規則を導く	絶対的な正しさは保証されない
アブダクション	結果から最も合理的だと考えられる原因を導く	仮説として推測したものにあたる

この表の並びで覚えておくと、選択肢の説明文がどの形式を指しているかを見分けやすくなります。

推論を実際に実装した例としては、数学の定理を自動証明したロジック・セオリストが挙げられます。当時のコンピュータが数値計算にしか使われていなかった状況の中で、記号処理によって人間の論理的思考を模倣した点が評価されています。

また、推論を実行する仕組みは、第2次AIブームで知識ベースと組み合わさった推論エンジンとして発展し、エキスパートシステムの中核部分に引き継がれたという歴史的な流れも押さえておきたいところです。

3. 関連概念との比較・相違点

探索との最大の違いは、第1次AIブームを支えた両輪としての役割にあります。探索は、考えられる選択肢の中から目標への道筋を体系的にたどる処理で、迷路やパズル、ゲームの一手を探索木でたどるような場面に使われます。これに対して推論は、既知の事実やルールから論理的な手続きに従って新しい結論を導く処理です。

数学の定理証明のように、推論規則を適用しながら証明の道筋を探索するという形で、両者が組み合わさって使われる場合もあります。このように、推論と探索は互いに独立した処理でありながら、複雑な問題を解く場面では補完し合う関係にあります。

推論エンジンとの違いは、一般概念と実装の違いにあります。推論は、ルールから結論を導くという思考プロセスそのものを指す一般的な概念です。一方、推論エンジンは、その推論処理をコンピュータ上で実行するエキスパートシステムの構成要素であり、知識ベースと対になる具体的な仕組みを指します。思考プロセスとしての推論と、ソフトウェアの構成要素としての推論エンジンとは、抽象度の異なる別の概念として区別されます。

4. ビジネス・実務での活用シナリオ

契約審査・コンプライアンスチェックの分野では、個別の契約条項という事実の積み重ねから契約類型に共通する審査基準を導く場面が帰納推論的な考え方に相当します。逆に、法令や社内規定という前提から個別契約の適否を判定する場面は演繹推論的な考え方にあたり、AIによる契約審査支援システムの設計に応用されています。

カスタマーサポート・トラブルシューティングの現場では、問い合わせ内容やエラーの兆候という結果から最も可能性の高い原因を推測して対応を絞り込む一次切り分けが行われます。これはアブダクションに近い考え方で、チャットボット（文字や音声で自動的に会話を行うプログラム）の応答ロジックの設計に応用されています。

医療診断支援の分野でも、推論の考え方は活用されています。症状や検査データという事実の集積から診断ルールを適用して結論を導く場面は、第2次AIブームのエキスパートシステムに代表される、推論を用いた意思決定支援の実務活用例です。

5. 要点まとめ

• 推論とは、既知の事実やルールから論理的な手続きに従って新しい結論を導き出す処理で、探索とともに第1次AIブームを支えた中核技術です。
• 代表的な推論形式には、前提が正しければ結論も必然的に正しい演繹推論、個別事例の積み重ねから一般法則を導く帰納推論、結果から最も合理的な原因を仮説として推測するアブダクションの3種類があります。
• 記号処理による推論を実装したロジック・セオリストが代表例で、推論を実行する仕組みは第2次AIブームで推論エンジンとしてエキスパートシステムに引き継がれました。

6. 確認問題