
【第13回】AIは専門家の代わりになれる?エキスパートシステムとは
AI研究者たちは、「知能とは何か」を考えるだけでなく、実際に人間の専門知識をコンピュータで再現しようとしました。
医者や弁護士のような専門家が持つ知識を、コンピュータで再現できるとしたらどうでしょうか?
その考え方をもとに作られたのがエキスパートシステムです。
この記事では、ルールで動くAIの代表例をやさしく解説します。
1. 読み方
エキスパートシステム (Expert System)
2. 意味(定義)
エキスパートシステムとは、「特定の分野における『専門家(エキスパート)』の知識をコンピュータに詰め込み、その知識を使って問題を解決させる仕組み」のことです。
このシステムは、大きく分けて2つのパーツで構成されています。ここが試験でも超重要です!
知識ベース(Knowledge Base): 「もし〜ならば、〜である」という、専門家が持っている膨大な「ルール」や「知識」を蓄積したデータベース。いわば、AIの「教科書」です。
推論エンジン(Inference Engine): 知識ベースにあるルールを使い、「この場合は、こうなるはずだ!」と論理的に考えて答えを導き出す仕組み。いわば、AIの「思考回路」です。
「教科書(知識)」と「考える力(推論)」が組み合わさることで、専門家が経験から行う判断を、ルールを使って再現します。
例えば、医者の知識をコンピュータに入れたとします。
「もし、患者の熱が38度以上で(条件)、かつ喉が痛いならば(条件)、風邪である可能性が高い(結論)」 というルールを数万個集めて登録しておけば、コンピュータは医者のように診断を下せる、という仕組みです。
⚠️ よくある誤解
・エキスパートシステムは、自分で学習して賢くなるわけではありません(ルールは人間がすべて与えます)。
・あらゆる分野に使えるわけではなく、「ルールが明確な分野」に向いています。
3. 歴史・背景
エキスパートシステムが脚光を浴びたのは、1980年代の「第2次AIブーム」の時代です。
当時の研究者たちは、「知識こそが知能の本質であり、その知識をコンピュータに与えれば知的な振る舞いが実現できる」と考えていました。
この時期、医療診断、地質調査、製造業の故障診断など、専門的な分野で実際に使われるようになり、特定の分野では驚異的な成果を上げました。そして大きなブームとなりました。しかし、同時に大きな壁にもぶつかります。
それは、「人間の知識をすべてルール化してコンピュータに教え込むのは、気が遠くなるほど大変すぎる」という問題(知識獲得のボトルネック)でした。
さらに、ルールが増えすぎると、「あるルールと別のルールが矛盾してしまう」といった問題も発生し、システム全体の整合性を保つことが難しくなります。
この限界が、後の第3次AIブーム(現在のディープラーニング)へとつながる歴史的な転換点となります。
4. 比較・対比(似た用語との違い)
試験で混乱しやすい「現代のAI」との違いを整理しましょう。
【エキスパートシステム vs 機械学習(現在の主流AI)】
エキスパートシステム: 「人間がルールを教える」方式。 (例:「熱が38度以上なら、風邪と判断せよ」というルールを人間が書き込む)
機械学習: 「データからルールを自ら見つける」方式。 (例:大量の患者データを見せて、「この症状のときは風邪が多いな」とAI自身に発見させる)
【エキスパートシステム vs 人工知能(広義の概念)】
人工知能(AI): コンピュータに知的な振る舞いをさせる技術全体の総称。
エキスパートシステム: AIという大きなカテゴリーの中の、一つの「手法(ルールベース型)」のこと。
5. 活用シーン(実社会のどこで使われるか?)
エキスパートシステムは、「ルールが明確な分野」で今もその精神が受け継がれています。
医療診断支援: 症状のパターンを入力すると、過去の症例ルールに基づいて病名を推測する。
故障診断・トラブルシューティング: 工場の機械が「異音が発生」「温度上昇」といった状態になったとき、「もしAかつBなら、部品Cを交換せよ」という指示を出す。
法律・コンプライアンスチェック: 膨大な法令ルールに照らし合わせて、特定の契約書に問題がないかを自動判定する。
※なお、このような「ルールで判断する仕組み」は、現在のAIシステムでも一部で使われており、機械学習と組み合わせて活用されることもあります。
6. G検定での出題傾向
キーワード: 「知識ベース」「推論エンジン」「ルールベース」「第2次AIブーム」「もし〜ならば(If-Then)」。
構成要素の理解: 「知識ベース」と「推論エンジン」の組み合わせであることを問われます。
限界の理解: 「知識獲得のボトルネック」と、その弱点として「人間が知識を登録する必要がある」「ルール作成が大変」がよく出題されます。
手法の違い: 「人間がルールを与えるもの」か、「データから学習するもの」かの区別が重要です。
7. G検定の例題
【問題1:基本の理解】(最頻出)
エキスパートシステムの構成要素として、適切な組み合わせはどれか?
A. 学習データ と 予測モデル
B. 知識ベース と 推論エンジン
C. ニューラルネットワーク と 重み
D. 入力データ と 出力結果
【問題2:歴史・背景】(頻出)
エキスパートシステムが主流であった「第2次AIブーム」において、技術的な課題となった現象はどれか?
A. コンピュータの計算能力が不足していたこと。
B. データの量が圧倒的に足りなかったこと。
C. 人間の知識をルール化して教え込むことが困難であったこと。
D. AIが自ら学習するアルゴリズムが存在しなかったこと。
【問題3:ひっかけ問題】(難問)
エキスパートシステムに関する記述として、不適切なものはどれか?
A. 「もし〜ならば、〜である」というルールを用いて判断を行う。
B. 特定の専門分野において、高度な判断を実現できる。
C. 大量のデータから、コンピュータが自ら特徴量を見つけ出す手法である。
D. 知識ベースに蓄積されたルールに基づき、推論エンジンが結論を導く。
8. 例題の回答と解説
【問題1 の回答】
正解:B
【解説】
エキスパートシステムの心臓部は、知識の貯蔵庫である「知識ベース」と、それを活用して考える「推論エンジン」の2つです。
AやCは、現代の機械学習(ディープラーニング)に近い概念です。
【問題2 の回答】
正解:C
【解説】
エキスパートシステム最大の弱点は、人間がルールを書き込まなければならない点にありました。これを「知識獲得のボトルネック」と呼びます。
Bは第3次ブーム(ビッグデータ)の課題として有名です。
【問題3 の回答】
正解:C
【解説】
Cは「機械学習(Machine Learning)」の説明です。
エキスパートシステムは、コンピュータが勝手に特徴を見つけるのではなく、人間があらかじめ与えたルールに従うのが特徴です。ここを混同しないようにしましょう!
Ankiアプリ用(CSV形式)
エキスパートシステムとは何か?,専門家の知識を利用して問題解決を行うAIシステム
エキスパートシステムの主要な構成要素は何か?,知識ベースと推論エンジン
知識ベースとは何か?,専門家の知識やルールを蓄積する場所
推論エンジンとは何か?,知識ベースのルールを使って結論を導く仕組み
エキスパートシステムで使われる代表的なルール形式は何か?,もし〜ならば(If-Then)ルール
エキスパートシステムが活躍した時代はいつか?,第2次AIブーム
エキスパートシステムの最大の弱点は何か?,知識獲得のボトルネック
知識獲得のボトルネックとは何か?,人間が知識やルールを登録する作業が非常に大変なこと
エキスパートシステムは自分で学習するか?,基本的には学習せず人間が与えたルールで動作する
エキスパートシステムと機械学習の違いは何か?,前者は人間がルールを与え後者はデータから学習する
エキスパートシステムに向いている分野は何か?,ルールが明確な専門分野
エキスパートシステムの医療分野での利用例は何か?,症状から病気を推定する診断支援
エキスパートシステムの工業分野での利用例は何か?,機械の故障診断や原因特定
AI全体とエキスパートシステムの関係は何か?,エキスパートシステムはAIの一手法である
エキスパートシステムの考え方を支えるものは何か?,専門家の知識をルール化すること
エキスパートシステムで結論を導く役割を担うものは何か?,推論エンジン
エキスパートシステムが抱えていた問題は何か?,ルールの増加による管理や整合性の維持
エキスパートシステムはどのようなAIか?,ルールベースAI
エキスパートシステムの本質は何か?,人間の知識をコンピュータ上で再現すること
次回学習するエキスパートシステムの重要な構成要素は何か?,知識ベース
📝 総評・まとめ
今回のテーマは、AIの歴史における「ルールによる勝利」のお話でした。
「知識こそが知能である」と考え、その知識をコンピュータに与えようとしたのがエキスパートシステムである。
エキスパートシステム: 「知識(ルール)」+「推論(考える力)」で専門家を模倣する。
強み: 特定分野での確実な判断。
弱み: 人間が教えるのが大変(知識獲得のボトルネック)。
現代のAIは、この「教え込む大変さ」を、「データから勝手に学んでもらう」という方法で突破してきました。エキスパートシステムを知ることは、今のAIがいかに革命的かを理解することでもあります。
✅ 絶対に覚えて!
・エキスパートシステム=専門家の知識を使って問題解決を行うAI
・構成要素=知識ベース+推論エンジン
・知識ベース=専門家のルールや知識を蓄積する場所
・推論エンジン=知識を使って結論を導く仕組み
・特徴=「もし〜ならば(If-Then)」のルールで判断する
・活躍した時代=第2次AIブーム
・弱点=知識獲得のボトルネック(人間がルールを登録するのが大変)
・本質=「知識を人間が教えれば、AIは専門家のように振る舞える」
🚀 次回予告
「ルールを与えても、そのルールを入れる『箱』がなければ意味がありません。 エキスパートシステムの心臓部、知識の貯蔵庫。 次回は、【第14回】AIは知識をどこに保存する?知識ベースとは です。 情報の整理術の極意に迫ります。」
✅ この記事が役に立ったら「スキ」で応援してください!
あなたの応援が、次の解説を作るエネルギーになります!🚀