AI Wiki · 詳細ガイド · 歴史
AIの歴史
「機械は考えられるか」という70年来の問いは、記号の論理から統計、そして大量のデータと計算による学習へと、いくつもの盛衰を経て姿を変えてきた。
How it works
AIの時代区分(進化の道のり)
ステップ 1 / 6
記号的AI
1956年のダートマス会議で「人工知能」が命名され、知能は記号と論理規則の操作で作れると考えられた。1958年のパーセプトロンも同時代の萌芽。
詳しい解説
誕生 — ダートマスと記号の夢(1956〜)
1950年、チューリングは「計算機械と知能」で機械の思考を問い、模倣ゲーム(チューリングテスト)を提案した。1956年のダートマス夏季研究会でマッカーシーが「人工知能」という語を掲げ、分野が正式に誕生する。当時の中心は、知能を記号と論理規則の操作で再現しようとする記号的AIだった。1958年のローゼンブラットのパーセプトロンは学習する機械の先駆けだったが、1969年にミンスキーとパパートがその線形分離の限界(XOR問題)を示し、ニューラルネット研究は長い停滞に入った。
専門家システムのブームとAIの冬
1980年代、特定領域の専門知識を「もし〜ならば」の規則として書き下す専門家システムが商用化され、医療診断や設定業務などで一時的に花開いた。だが規則は手作業で増え続け、例外に脆く、常識を欠いた。約束された汎用知能が届かず、誇大な期待が反動を招いて研究資金と関心が急速に冷え込む「AIの冬」が1970年代と1980年代末〜90年代前半に繰り返された。この時代の教訓は、知識を人手で全部書き切る方式の限界を鮮明にし、データから学ぶ次の潮流を準備した。
学習革命 — 逆伝播、データ、GPU(1986〜2012)
1986年、ラメルハートらが誤差逆伝播法を広め、多層ニューラルネットの学習を現実的にした。1990年代〜2000年代は統計的機械学習(SVMなど)が主流だったが、真の転換点は2012年に訪れる。クリジェフスキーらの深いCNN「AlexNet」が、GPUと大規模画像データ(ImageNet)を使ってILSVRCで圧勝し、top-5誤差を一気に引き下げた。ここで「大量データ＋大きな計算＋深い網」という現代AIの勝ち筋が確立し、ディープラーニングの時代が始まった。効いたのはアルゴリズムだけでなく、データと計算の availability だった点が重要だ。
Transformerから生成AI、そしてエージェントへ(2017〜)
2017年、Vaswaniらの「Attention Is All You Need」が自己注意だけで系列を処理するTransformerを提案した。再帰を捨てて並列化できるこの構造は、モデルとデータを桁違いに大きくできる道を開き、スケール則が成り立つ土台になった。ここからGPT系の大規模言語モデルが生まれ、2022年末のChatGPTで生成AIが一般に普及する。2023年以降は、LLMを道具使用や多段の計画に拡張したエージェントが焦点となり、Stanford AI Index などの年次報告は、性能向上と社会実装・投資の加速を継続的に記録している。AIは「答える」段階から「行動する」段階へと重心を移しつつある。
主要な考え方・要点
記号的AI(1956〜)
知能を記号と論理規則の操作とみなす初期のパラダイム。探索・定理証明・計画に強い一方、曖昧さや知覚、常識に弱かった。
専門家システムとAIの冬
人手の規則で専門知識を写した1980年代の商用AIと、過大な期待が崩れて資金が引いた反動期。手書き知識の限界を露呈した。
機械学習(統計的転回)
規則を書く代わりにデータから規則性を学ばせる潮流。逆伝播やSVMなどが実用化を進め、次のディープラーニングの前提を作った。
ディープラーニング(2012〜)
GPUと大規模データで多層ネットを学習する時代。AlexNetの画像認識ブレイクを起点に、音声・言語へ広がった。
Transformerと生成AI・エージェント(2017〜)
自己注意でスケールする学習を可能にしたTransformerが、大規模言語モデルと生成AIを生み、道具を使うエージェントへと発展した。
最新の動向
生成AIから、道具を使い多段のタスクをこなす「エージェント」への移行が2024〜2026年の主要テーマになっている(Stanford AI Index の年次分析)。
米国が最先端モデルの開発をリードする一方、中国など他地域が性能差を急速に縮めていると Stanford AI Index 2025 は報告している。
推論に計算を割く「推論モデル」の登場で、学習時のスケールに加えて推論時のスケール(考える時間)が新たな性能の軸として注目されている。
データ・ベンチマーク
AlexNet の画像認識ブレイク(2012)
ILSVRC で top-5 誤差 約15.3%(2位を大差で上回る)
Krizhevsky・Sutskever・Hinton(2012, NeurIPS)の深いCNNは ImageNet ILSVRC で top-5 誤差約15.3%を達成し、次点(約26%)を大きく引き離してディープラーニングの時代を開いた。
分野の起点
1956年ダートマス会議で「AI」が命名
1956年のダートマス夏季研究会で John McCarthy が「artificial intelligence」の語を提案し、分野が正式に成立した(広く記録された歴史的事実)。
※数値は各出典に基づく参考値です。前提により変わります。最新情報は一次情報をご確認ください。