ワトソン（Watson） (G検定)

1. 定義と概要

ワトソン（Watson）とは、IBM（International Business Machines）が開発した質問応答システムの通称です。DeepQA（ワトソンの中核技術で、大量の文章から複数の解答候補を並行して探し、確信度で絞り込む仕組み）と呼ばれる技術基盤のもと、百科事典・辞書・ニュース記事といった大量の非構造化テキストデータ（形式が整っていない文章データ）を解析します。

解析には統計的自然言語処理（単語の出現パターンや共起関係を手がかりに文章を扱う手法で、意味そのものを理解するわけではありません）と情報検索の技術を用います。複数の解答候補を並行して探索・評価し、確信度スコア（解答候補がどれだけ正しそうかを数値で示す指標）をもとに、最も確信度の高い答えを返す仕組みです。

名称は、IBMの初代社長で同社を育てたトーマス・J・ワトソンにちなみます。代表的な事例は2011年2月、米国のクイズ番組『ジェパディ！』で歴代の人間チャンピオンであるケン・ジェニングス、ブラッド・ラターと対戦し勝利したことです。獲得した賞金100万ドルは全額、慈善団体（World Vision・World Community Grid）へ寄付されました。

第2次AIブーム（専門家の知識をコンピュータに教え込む研究が盛んだった1980年代のブーム）の主流はエキスパートシステム（専門家の知識をif-thenルールとしてコンピュータに組み込んだ仕組みで、MYCIN等が該当します）でした。専門家の知識を明示的にルール化するルールベース（あらかじめ定めた規則に従って判断する方式）の手法が中心だったため、ルール化できる範囲を超えた曖昧な自然言語の質問には対応しにくいという制約がありました。

ワトソンは統計的自然言語処理・機械学習・情報検索を組み合わせ、あらかじめルール化されていない大量のテキストから根拠を探索し、確信度スコアで解答を絞り込む方式を採用しました。この方式により、クイズ番組特有の言い換えや比喩を含む質問文にも対応できました。

2011年の勝利は、AIが特定領域の知的タスクで人間を上回った象徴的な出来事として注目を集めました。その後IBMは、ワトソンの技術をWatson Health（ワトソンの技術を医療分野向けに展開したIBMの事業部門）・金融・カスタマーサービスなど企業向けAIサービスへ展開していきます。

2. 試験対策ポイント

まず整理したいのは、ワトソンが特定のタスク（質問応答）に特化した特化型AI（弱いAI。特定の課題だけに対応できるAIで、あらゆる領域に対応できる汎用人工知能とは区別されます）の代表例として扱われる点です。この区別は、東ロボくんやAlphaGo、Ponanza等の応用事例とあわせて、AIの分類を整理するうえでの要点になります。

中核技術の「DeepQA」は、統計的自然言語処理・情報検索・機械学習を組み合わせ、1つの質問に対し複数の解答候補を並行して評価し、確信度スコアをもとに最終的な解答を選ぶ仕組みを持ちます。あらかじめ専門家の知識をif-thenルールとして組み込むエキスパートシステム（MYCIN等）とは技術思想が異なる点が、対比の形で押さえておきたい違いです。

「ワトソンは意味を理解しているわけではなく、統計的なパターン処理で解答している」という指摘は、認知科学者ダグラス・ホフスタッターらが唱えた批判として知られています。統計的自然言語処理を用いる他のAI応用事例（東ロボくん等）にも共通する論点として扱われます。

医療分野への展開は、Watson for Oncology等として進みました。しかし、2020年のWatson for Genomics終了をはじめとする医療向けサービスの相次ぐ終了や、2022年のWatson Health事業の一部売却という経緯もあります。この経緯は、AI導入への期待と実務適用のギャップを示す事例として参照されます。

3. 関連概念との比較・相違点

東ロボくんとの最大の共通点は、どちらも統計的自然言語処理で解答し、文章の意味そのものを理解しているわけではないという性質です。一方で相違点は、挑んだタスクの範囲にあります。

ワトソンは『ジェパディ！』という事実検索型のクイズ、つまり知識を正確に引き出せば答えが定まるという明確に区切られたタスクで勝利を収めました。これに対し東ロボくんは、数学・国語・英語など多科目にまたがる大学入試という総合的タスクに挑み、なかでも読解問題という意味理解を要する領域でその手法の限界がより明確に表面化し、新規挑戦の断念に至りました。

ワトソン側から見ると、タスクを的確に絞り込んだ設計が成功の一因になっているといえます。的を絞れば統計的手法でも高い成果を出せる一方、意味理解を要する領域まで踏み込むと同じ手法では通用しにくくなるという構図が、両者の対比から浮かび上がります。

MYCINとの違いは、知識をどこから得るかという設計思想にあります。MYCINは、第2次AIブームを代表するエキスパートシステムです。両者を並べると、知識の由来と対応できる範囲の違いが見えてきます。

観点	ワトソン	MYCIN
知識の由来	大量のテキストデータから統計的に導き出す	専門家の知識をif-thenルールとして人間が与える
未知の質問	大量データから根拠を探索して対応する	ルール化された範囲を超えると対応できない

知識をルールとして人間があらかじめ与えるか、データから統計的に導き出すかという違いは、第2次AIブームと現代のAIをつなぐ転換点として位置づけられます。エキスパートシステムは専門家が想定した範囲では高い精度を発揮しますが、ルール化されていない未知の質問には対応できません。ワトソンはこの制約を、大量データからの統計的な根拠探索によって乗り越えようとした点に技術的な意義があります。

4. ビジネス・実務での活用シナリオ

医療分野では、「Watson for Oncology」として韓国・中国など複数の医療機関でがん治療方針の意思決定支援に活用され、医師の診断との一致率を検証する研究が行われました。

一方、米MDアンダーソンがんセンターでは2012年から白血病等の治療支援プロジェクト（Oncology Expert Advisor）を進めましたが、臨床導入に至らないまま2016年9月に契約終了となりました。大学の監査報告書は、6,200万ドル超のコストがかかったと指摘しています。Watson for Genomics は2020年に終了し、Watson for Oncology も相次いで提供を終えたと報じられています。医療AIの導入は、成果と限界の両面が報告されている領域です。

金融・カスタマーサービスの分野では、コールセンターの問い合わせ対応や社内ヘルプデスクにおける自然言語での応答支援に、ワトソンの技術が組み込まれる事例があります。あらかじめ用意したFAQ検索とは異なり、言い換えを含む自然な質問文にも対応できる点が、業務効率化の観点で評価されています。

IBMの事業戦略としては、2022年にWatson Health事業の一部（ヘルスケア領域のデータ・アナリティクス資産）をフランシスコ・パートナーズへ売却しました。あわせて、ハイブリッドクラウド（自社設備と外部のクラウドサービスを組み合わせて使う仕組み）分野へ経営資源を集中する方針へ転換しています。当初思い描かれた汎用的な医療AI事業からの事実上の撤退ともいえる路線変更は、先端AI技術を事業として成立させることの難しさを示す事例として参照されます。

5. 要点まとめ

• ワトソンは、IBMが開発した質問応答システムです。2011年に米クイズ番組『ジェパディ！』で歴代チャンピオンに勝利したことで知られています。技術基盤は「DeepQA」で、統計的自然言語処理・情報検索・機械学習を組み合わせて解答候補を確信度スコアで絞り込みます。
• ルールベースのエキスパートシステム（MYCIN）とは知識表現の設計思想が異なります。統計的パターン処理で解答する点は東ロボくんと共通しますが、事実検索型のクイズという的を絞ったタスクで成功を収めた点が対照的です。
• 2011年以降、IBMは医療・金融等へワトソンの技術を展開しました。一方で、MDアンダーソンがんセンターのプロジェクト終了（2016年）やWatson Health事業の一部売却（2022年）など、実務適用の難しさを示す経緯もあわせて報告されています。

6. 確認問題