世界を変えたAIの歴史

まず一望する――世界AI史の転換点

AIの歴史は一直線の進歩ではなく、異なる考え方が受け継がれ、組み合わされた歴史です。

第1章　AI以前の夢――機械は記号を扱えるか

AIの物語は、電子回路ではなく歯車とパンチカードから始まります。

1834年、英国の数学者チャールズ・バベッジは解析機関を構想しました。完全な形では建造されませんでしたが、演算を行う部分、記憶する部分、命令を与える仕組みを持つ汎用計算機として考えられていました。

1843年、エイダ・ラブレスは解析機関についての論文を翻訳し、長い注釈を加えました。彼女は、数が音符や文字などを表す規則さえ作れば、機械は算術を越えて記号を操作できると考えました。

第2章　「知能」を機械の研究にする

1950年代、哲学的な問いが、具体的な研究計画へ変わります。

1950年、英国の数学者アラン・チューリングは論文『Computing Machinery and Intelligence』を発表しました。「機械は考えられるか」という言葉の定義争いを避け、人間と機械を文字で会話させ、その応答から知的な振る舞いを考える模倣ゲームを示しました。

1955年、ジョン・マッカーシーらは翌夏の研究会を提案し、その文書でArtificial Intelligence（人工知能）という名称を掲げました。1956年のダートマス夏季研究会は、言語、抽象概念、問題解決、学習を機械で扱う研究を一つの分野としてまとめる象徴的な出発点になりました。

第3章　熱狂と「AIの冬」

華々しい実演の裏で、現実世界の複雑さが立ちはだかりました。

初期のAIは、定理証明、ゲーム、簡単な会話など、よく整理された問題で成果を見せました。やがて専門家の判断規則を大量に登録するエキスパートシステムも企業へ広がります。

しかし、狭い実験では動いても、曖昧で例外の多い現実世界へ出ると性能は急に落ちました。計算機は遅く、学習に使えるデータも少なく、知識を人手で追加し続ける費用も膨らみました。大きすぎた期待との落差から、研究資金や社会の関心が冷え込む時期はAIの冬と呼ばれます。

第4章　データと計算力が、学習を主役にする

1990年代以降、手で規則を書く方法から、データで性能を上げる方法へ重心が移ります。

1997年、IBMのチェス専用コンピューターDeep Blueは、当時の世界王者ガルリ・カスパロフとの6局の再戦に勝利しました。これは人間のように何でも考える機械ではなく、膨大な局面探索とチェスの専門知識を一つの目的へ集中させた成果でした。

2012年、AlexNetと呼ばれる深いニューラルネットワークが大規模画像認識で従来を大きく上回りました。ニューラルネットワークの考え自体は新しくありません。大量の画像、GPUによる高速計算、学習技術がそろったことで、古くからの発想が実用的な力を得たのです。

2016年には、Google DeepMindのAlphaGoが囲碁棋士イ・セドルに4勝1敗で勝利しました。人間の棋譜から学ぶだけでなく、自己対局で強くなる強化学習と、候補手を読む探索を組み合わせたことが重要でした。

第5章　ことばを学ぶ機械――生成AIへ

AIは、分類する道具から、新しい文章や画像を組み立てる道具へ広がりました。

2017年に発表されたTransformerは、文章のどの語がどの語と関係するかを「注意」の仕組みで捉える構造を提案しました。計算を並列化しやすく、大量の文章から学ぶ大規模言語モデルの発展を支える基盤になりました。

2022年11月30日、OpenAIはChatGPTを研究プレビューとして公開しました。自然な会話で依頼でき、追加質問にも続けて答える形は、文章生成AIを多くの人にとって身近なものにしました。

終章　歴史が教える三つのこと

AIを過大評価も過小評価もせず、道具として見るための手がかりです。

新しいAIも、長い積み重ねの上にある

解析機関、記号処理、ニューラルネットワーク、探索、確率、計算機性能。現在の生成AIは、異なる時代の発想が重なって生まれました。

一つの成功は、万能知能の証明ではない

チェス、囲碁、画像認識、文章生成は、それぞれ異なる仕組みと条件で成り立ちます。得意な場面と不得意な場面を分けて見る必要があります。

技術の歴史は、社会との関係の歴史でもある

何を自動化するか、誰が利益を得るか、誤りの責任をどう持つか。AIの価値は性能だけでなく、使い方と制度によって決まります。