① 人工知能の基礎と動向 ／ 2. 人工知能分野で議論される問題
知識獲得のボトルネックとは
知識獲得のボトルネックとは、専門家の知識を人手でルールとして書き出すことの難しさを指します。第2次AIブームを支えたエキスパートシステムが限界を迎えた主因であり、機械学習が台頭する背景として押さえておきたいところです。
この用語はG検定シラバスの「2. 人工知能分野で議論される問題」に含まれます。 章全体の用語は用語解説①（全54語）にまとまっています。
一言でいうと
専門家の知識を人がルールとして書き出すのが難しすぎる、という問題です。
なぜルール化が難しいのか
- 暗黙知が多い：熟練者は「なんとなく分かる」判断を言語化できないことが多い
- 数が膨大：例外や条件分岐を書き出すときりがない
- 保守が困難：ルールが増えるほど矛盾が生じ、修正が難しくなる
この問題を軽減するためにインタビューシステムのような支援の仕組みも作られましたが、根本的な解決には至りませんでした。
機械学習への転換
「人がルールを書けないなら、データから学ばせればよい」という発想が機械学習です。知識獲得のボトルネックは、ルールベースから機械学習へ主役が移った理由そのものだと理解すると流れがつかめます。
また、一般常識を書き出そうとしたCycプロジェクトは、この困難さを象徴する例としてよく取り上げられます。
第2次AIブームの終わりとして
エキスパートシステムはDENDRALやMYCINのように特定分野では成果を上げました。
しかし分野を広げようとするほどルールが増え、作るのも直すのも追いつかなくなります。この行き詰まりが第2次AIブームの終わりにつながりました。
🎯 G検定での押さえどころ
- エキスパートシステムが抱えた最大の課題
- 専門家の知識には言語化しにくい暗黙知が多い
- 機械学習が主流になった背景として押さえる
⚠️ よくある誤りの選択肢
- 「知識獲得のボトルネックとは、コンピュータの記憶容量が不足する問題である」→ 誤り。人手でルール化することの難しさを指します
- 「インタビューシステムによって知識獲得のボトルネックは解消された」→ 誤り。軽減はしても解消はしていません
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。