文系GのG検定対策｜AIって結局なに？をやさしく整理（第1章）

「森 → 木 → 枝 → 葉」の学習アプローチで、G検定の「森」全体を見渡した次のステップは、各章を「木」として俯瞰することです。

第1章は、G検定の出発点となる章です。「AIとは何か」「どんな歴史を経て今のAIがあるのか」「なぜAIには限界があるのか」という3つの問いに答えながら、AIという言葉の輪郭をつかんでいきます。

この章でやることは、細かい用語の暗記ではありません。「説明できる」状態を目指すことが目標です。

第１章の全体像

第1章は、白本（公式テキスト）の構成に沿って、次の3節で構成されています。

この章を一言でまとめると、「AIは何ができて、何ができないのか」を、歴史と哲学の両面から整理する章です。

1-1｜AIとは何か

AIの定義——なぜ定まらないのか

「人工知能」という言葉は、1956年にアメリカで開催されたダートマス会議でジョン・マッカーシーが初めて使ったとされています。それから70年近くたった今も、AIの定義は専門家の間でも共有されていません。

理由はシンプルです。そもそも「知性」や「知能」自体の定義がないからです。「人間と同じ知的な処理能力」の解釈が研究者によって異なるため、AIの定義も一意に定まらない。この「定義が定まっていない」こと自体が、試験でも問われるポイントです。

AIのレベル分類——4段階で整理する

AIは「人の関与が減り、自律性が高まる」という流れで、4段階に分類できます。

試験では「人の役割」と「AIの役割の違い」が問われます。レベル3とレベル4のポイントは、特徴量を人が決めるか、AIが自動で学ぶか、という一点です。

AI効果——定義が変わり続ける理由

AIが新しいことを実現すると、人はこう思います。「それはもうAIじゃない、ただの自動化だ」。この心理的な現象をAI効果と呼びます。

チェスで人間に勝つコンピュータが登場したとき、「あれは計算しているだけで知能ではない」と言われました。囲碁で世界トップ棋士に勝ったAlphaGoのときも、同じような反応がありました。AIの定義が時代とともに変わり続けるのは、この効果の表れです。

AIとロボットの違い——混同しがちな2つの関係

AIとロボットをほぼ同じものと思っている人は少なくありませんが、専門家の間ではこの2つは明確に区別されています。

簡単に言えば、ロボットの「脳」にあたる部分が人工知能です。脳以外の部分——アームや車輪など物理的な機構——を研究するのがロボット研究であり、人工知能の研究はロボットの脳だけ、つまり「考える（知的な処理能力）」という目に見えないものを扱います。

たとえば将棋や囲碁のようなゲームでは、物理的な身体は必要ありません。人工知能の研究は「考える」ことを実現する学問であり、必ずしもロボットと結びつくわけではないのです。

「1-1｜AIとは何か」のまとめ動画

1-2｜AIの歴史——ブームと冬の時代の繰り返し

AIの歴史は、「成功への期待 → 限界の発見 → 冬の時代 → 新技術の登場」というサイクルを繰り返してきました。各時代の「何ができたか」と「なぜ行き詰まったか」をセットで押さえることが、試験対策の急所です。

第1次AIブーム（1950〜60年代）——探索・推論の時代

コンピュータによる探索や推論が進み、数学の定理の証明や迷路の解法など、特定の問題が解けるようになりました。

しかし、迷路や定理の証明のような単純化した問題（トイ・プロブレム）は解けても、現実の複雑な問題には対応できないことが明らかになります。1970年代には冬の時代を迎えました。

第2次AIブーム（1980年代）——知識の時代

「コンピュータに知識を入れれば賢くなる」というアプローチが全盛になり、専門知識をルール化したエキスパートシステムが多数開発されました。日本では政府主導の「第五世代コンピュータ」プロジェクトも推進されました。

しかし、知識を蓄積・管理することの大変さが明らかになり、1995年ごろから再び冬の時代へ。この限界が後述する知識獲得のボトルネックです。

第3次AIブーム（2010年〜）——機械学習・特徴表現学習の時代

ビッグデータと計算能力の向上により、AIがデータから自ら知識を獲得する機械学習が実用化されました。さらに、特徴量もAIが自動学習するディープラーニングが登場。2012年の画像認識競技での圧勝、2016年のAlphaGoによる世界トップ棋士への勝利が象徴的な出来事として知られています。

現在は、大規模言語モデル（LLM）と生成AIの登場により、第4次AIブームとも呼ばれる局面に入っています。

「1-2｜AIの歴史」のまとめ動画

1-3｜AIの限界——なぜ現実で行き詰まるのか

AIが現実の場面でうまく動かない理由には、はっきりとした構造があります。「情報の選択が難しい」「意味がわからない」「知識が足りない」という3種類の壁です。

トイ・プロブレム

現実の問題は複雑すぎてそのままでは扱えないため、本質を損なわない程度に単純化した「おもちゃの問題」として研究されてきました。これがトイ・プロブレムです。迷路や数学の定理の証明がその代表例です。

トイ・プロブレムは、問題の本質を理解したり、複数の研究者がアルゴリズムの性能を比較したりするための共通の試験台としても使われます。ただし、第1次AIブームが「トイ・プロブレムは解けるが現実の問題は解けない」という失望で終わったことは、歴史の試験ポイントでもあります。

フレーム問題

「今の行動に関係ある情報だけを選び出す」ことが、AIには極めて難しいという問題です。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、未だに本質的な解決はされていない、人工知能研究最大の難問のひとつとされています。

台車にバッテリーと爆弾が乗っているとき、バッテリーだけを持ち出すよう命じられたロボットの思考実験が有名です。何も考えずに動いて爆発するロボット（1号）、持ち出し方を考えすぎて爆発するロボット（2号）、考え方の考え方を考えすぎて爆発するロボット（3号）——この3パターンがフレーム問題の本質を示しています。

なお、フレーム問題を提唱したジョン・マッカーシーは、AIという言葉を初めて使ったダートマス会議の主催者でもあります。試験では同一人物として問われることがあります。

シンボルグラウンディング問題（記号接地問題）

AIは「記号（文字）」の意味を理解していません。「シマウマ」という文字はただの記号の羅列であり、AIはその意味——縞模様のある馬——と結びつけることができません。

人間は「シマ」と「ウマ」の意味を知っているから、初めて見るシマウマを認識できます。コンピュータは記号とその対象をグラウンディング（結び付け）できないため、同じことができません。これが1990年に認知科学者のスティーブン・ハルナッドが提唱したシンボルグラウンディング問題です。

身体性

人間は、コップに触れてみることで「冷たい」「割れる」という感覚と「コップ」という記号が結びつきます。身体を通した体験があって初めて、言葉の意味が形成される——これが身体性のアプローチです。

AIはこの身体的な体験を持たないため、意味の理解に根本的な制約があると考えられています。

知識獲得のボトルネック

常識的な知識をすべてコンピュータに教え込むことは、事実上不可能です。たとえば「望遠鏡を持っているのは男性の方が多い」「庭にいるのは女性の方が多い」という膨大な常識的前提が、人間の翻訳や判断を支えています。これをすべて入力することは、知識の数が数千・数万になると矛盾や管理の問題が生じ、現実的ではありません。

この問題は第2次AIブームを終わらせた主要因であると同時に、機械翻訳の文脈でも繰り返し登場します。1文を訳すだけでも無数の常識が必要になるという問題がまさにこれです。現在のニューラル機械翻訳（ディープラーニング応用）はこのボトルネックを事実上乗り越えつつあります。

チューリングテストと「強いAI・弱いAI」

AIが「知能を持っているか」をどう判定するか。その代表的な考え方がイギリスの数学者アラン・チューリングが提唱したチューリングテストです。別の場所にいる人間がコンピュータと会話し、相手をコンピュータと見抜けなければ「知能がある」とみなすというものです。1991年以降、チューリングテストへの合格を目指すローブナーコンテストが毎年開催されています。

これに対して、アメリカの哲学者ジョン・サールは「中国語の部屋」という思考実験を提案しました。英語しか分からない人が、完璧なマニュアルを使って中国語で正しく受け答えをする——外から見れば中国語を理解しているように見えても、実際には意味を理解していません。これは「正しく答えられること」と「理解していること」は別だという主張です。

この議論から生まれたのが、強いAIと弱いAIの区分です。

試験での判断基準は「意味を理解しているか（強いAI）」か「パターンで再現しているか（弱いAI）」という一点です。

「1-3｜AIの限界」のまとめ動画

第１章のまとめ

第1章で理解しておくべきことを3行に絞るとこうなります。

• AIの定義は「知能」の定義が曖昧なため、時代とともに変わり続ける
• AIのブームは「成功 → 限界の発見 → 冬の時代 → 次の技術」というサイクルを繰り返してきた
• 現在のAIは「できること」と「理解していること」は別物であり、意味や常識の扱いに根本的な制約がある

この3点が説明できれば、第1章の「枝」はつかめています。

🔑 試験対策キーワード

ここからは「葉」のフェーズです。

「葉」のフェーズの意味が「？」な方は、先に「森 → 木 → 枝 → 葉」の学習アプローチを確認してから戻ってきてください。

そうすることで、あなたが手戻りするタイムロスを防げます。

さて、話を戻します。

まず、Mainキーワードを10秒で説明できる状態にすることを目指してください。

キーワードの記憶定着にはAnkiなど、いつでも、どこでも使えるアプリの活用をおすすめします。

Subは問題を解いていて「迷った・止まった」語句だけ追加していきます。

「説明できる」＝「選択肢で判断できる」状態です。

■ Main（説明の軸：10秒で言えようにすること）

■ Sub（補助説明：問題で迷ったら追加する）

■ Reference（見覚えがある程度でOK）

次のステップ

第1章で「AIとは何か」の輪郭がつかめました。次の第2章では、AIの具体的なアプローチ——探索・推論、知識表現、機械学習・深層学習——を俯瞰します。なぜ3つのアプローチが生まれたのか、その流れを押さえることが第2章の「枝」です。

文系GのG検定対策｜AIを賢くする3つのアプローチ（第2章）

「森 → 木 → 枝 → 葉」の学習アプローチで、G検定の「森」全体を見渡した次のステップは、各章を「木」として俯瞰することです。第１章でAIとは何か、どんな歴･･･

まんぷく.com