2025.04.11
人工知能（AI）は、1950年代に誕生して以来、いくつかの大きなブームを経験してきました。現在は「第四次AIブーム」と呼ばれる時代に突入したという指摘があります。
そして今、生成AIの急速な発展によって、私たちの生活や仕事のあり方が大きく変わろうとしています。
そこで今回は、AIの誕生から現在までの進化の過程を振り返り、各時代における技術的ブレークスルーや課題についてまとめました。AIの歴史の流れを知ることで、未来が見えてくるかもしれません。
- もくじ
1．AIの誕生と第一次AIブーム（1950年代後半〜1970年代）
1-1 AIという言葉の誕生
人工知能（AI）という言葉が初めて使われたのは、1956年に開催された「ダートマス会議（Dartmouth Conference）」内でした。ダートマス会議は後に人工知能という学術研究分野を確立した会議として高く評価されています。ここから第一次AI（人工知能）ブームが始まったといってよいでしょう。
主催者の一人であるジョン・マッカーシー氏は、ダートマス会議でコンピュータを使って人間のように思考し、問題を解決する技術を「Artificial Intelligence（人工知能）」として紹介しました。人類史上初めて「Artificial Intelligence（人工知能：AI）」という用語が正式に使われたことになります。
ダートマス会議には、マービン・ミンスキー氏、クロード・シャノン氏、アレン・ニューウェル氏など、後のコンピュータサイエンスの発展に大きく貢献する研究者たちが参加しており、「機械による思考」の実現に向けた議論が交わされました。この時、研究者たちは「コンピュータはやがて人間と同じように考え、学ぶことができるようになる」と考えていたようです。
1-2 推論と探索
第一次AIブームの時代、AI研究の中心的なテーマは「推論」と「探索」でした。
その頃のAIは、与えられたルールやデータに基づいて推論を行い、問題解決のための最適な道筋を探ることが主な目的となっていました。代表的な例として、チェスや将棋のようなゲームにおける「探索アルゴリズム」が研究され、コンピュータが数手先を予測して最善の一手を導き出す技術が開発されています。
初期のAI研究では、アレン・ニューウェル氏とハーバート・サイモン氏による「Logic Theorist」のような数学の定理を証明する人工知能プログラムや、「一般問題解決（GPS）」と呼ばれる様々な問題を解決するための方法を提供するシステムが開発されました。
また、IBMのアーサー・サミュエル氏が「IBM 701」上で開発したボードゲームのチェッカー（checkers）が遊べるチェッカープログラムは、自己学習機能を持ち、プレイを重ねるごとに強くなるという特徴を持っていました。このプログラムの影響でIBMの株価が一気に上がったと伝えられています。
1-3 自然言語処理の始まり
この頃、AIは人間の言葉を理解して、対話を行う研究にも取り組み始めました。その代表例が1960年代に開発された「ELIZA」です。
MITのジョセフ・ワイゼンバウム氏によって1966年に開発された「ELIZA」は、用意されたルールに基づいてユーザーと会話をするプログラムで、まるで人間と話しているかのような錯覚を生み出しました。
「ELIZA」は、精神科医の対話スタイルを模倣し、ユーザーの発言をパターンマッチングでとらえて、それを質問形式などの発言に変換して返していました。例えば、ユーザーが「私は悲しい」と入力すると「ELIZA」は「なぜあなたは悲しいのですか？」と返答するようなシンプルな仕組みでした。
「ELIZA」は本当の意味で言葉を理解していたわけではありません。しかし、多くの人々がこのプログラムに感情的に反応し、中には本物の人と対話しているかのように感じる人も多くいました。その影響もあって「ELIZA」以降、人工無能が一部で盛り上がることになりました。
人工無能とはチャットボット（chatbot）の一種で、質問に対して定義された内容を自動的に回答するシステムのことをいいます。単純に思えるかもしれませんが、よくできた人工無能は「まるで人間のようだ」と人気を集めていきます。現在、生成AIはチャットのように使いますから、ある意味、「ELIZA」と人工無能は生成AIに大きな影響を与えたのかもしれません。
「ELIZA」は人間とコンピュータのコミュニケーションの可能性を示すと同時に、人間が機械に人間らしさを投影する傾向があることも明らかにしたといってよいでしょう。
1-4 第一次AIブームの終焉
「ELIZA」のようなプログラムは注目を集めましたが、当時のAI技術はまだ実用的とはいえませんでした。
とくに、現実世界の複雑な問題を解決する能力には限界がありました。簡単にいえば、当時のAIは特定のルールに基づいた推論しかできなかったのです。学習して新しい知識を獲得することもできませんでした。
初期のAI研究者たちは、チェスなどのボードゲームの人工知能対戦や数学の定理の証明など、特定の領域では大きな成果を上げましたが、同時に、人間のような知能を持つ機械の実現は想像以上に困難であることが明らかになったのが第一次AIブームの成果でした。
この時期の研究成果や教訓は、後のAI研究の重要な基盤になっていきます。問題解決には莫大な「知識」が必要であり、それをコンピュータに入力する方法が確立できていないことも明確になりました。
また、当時のコンピュータの処理能力と記憶容量にも限界がありました。こういった課題に直面することでAIへの熱は徐々に冷めていき、いわゆる「AIの冬」と呼ばれる停滞期に入っていくことになります。
2．第二次AIブーム（1980年代）と知識ベースシステム
2-1 エキスパートシステムの台頭
それでもAIに関する研究は続いており、1980年代に入るとAIは「エキスパートシステム」という形で再び脚光を浴びることになります。
1965年にエドワード・ファイゲンバウム氏によって世界で初めてのエキスパートシステム「Dendral」が開発されています。
エキスパートシステムとは、特定の分野における専門家の知識をデータベース化し、それをもとに推論を行う人工知能プログラムのことです。例えば、医療診断や故障診断などの分野でエキスパートシステムが活用され、専門家が行う判断をコンピュータが支援するようになりました。
エキスパートシステムは、専門家から集めた知識をルールベースで表現し、それに基づいて推論を行います。例えば、「もし症状Aと症状Bが見られるならば、病気Cの可能性が高い」といった「IF-THEN」型のルールを多数組み合わせることで、専門家の判断プロセスを再現しようとしました。
この時代の代表的なシステムとして、スタンフォード大学でプログラミング言語Lispを使って開発された「Mycin（マイシン）」があります。Mycinは血液感染症の診断と抗生物質の推奨を行うシステムで、多くの場合、専門医と同等以上の診断精度を示したといいます。
また、地質調査のための鉱物資源探査システム「PROSPECTOR」は、実際にモリブデン鉱床の発見に貢献しています。
そして、エキスパートシステムの開発や構築保守を扱う「知識工学」も発展していくことになります。
2-2 日本の「第五世代コンピュータ」
1980年代初頭、日本は「第五世代コンピュータ」プロジェクトが開始されています。
このプロジェクトは、通商産業省（現在の経済産業省）が主導して、10年間で総額540億円が投じられた国家プロジェクトでした。
第五世代コンピュータプロジェクトの目標は、従来の計算処理中心のコンピュータを超え、人工知能技術を基盤とした新しいコンピュータアーキテクチャを開発することでした。日本がコンピュータの分野で世界をリードしようという野心的な試みで、「Prolog」と並行論理の研究に力が入れられました。
このプロジェクトは、評価は分かれますが、世界に影響を与えたとはいい難いという評価が一般的です。しかし、AIに関する関心を広め、その後の研究の礎となったという見方もあります。
2-3 機械翻訳への挑戦
1980年代は機械翻訳技術も大きく発展した時期でした。機械翻訳とは、コンピュータを使って一つの言語から別の言語へと自動的に翻訳を行うシステムです。
初期の機械翻訳システムは単純なルールベースで動作し、単語ごとに翻訳を行うものでした。しかし、文脈を考慮できないため、翻訳の精度には限界がありました。それでも、コンピュータが言語を処理できる可能性が広がりました。
この影響で、1980年代後半には、パソコン用の機械翻訳ソフトも市販されるようになりました。例えば、1986年には東芝が「AS-TRANSAC」という英日・日英翻訳システムを発売しています。これらの初期の翻訳ソフトは、単語の置き換えや文法規則に基づいたルールベースの手法を用いており、翻訳精度は限定的ではありましたが、簡単な文章であれば実用レベルの翻訳が可能でした。
1990年代に入ると、インターネットの普及に伴い、WEBベースの翻訳サービスも登場し始めました。例としては、1997年に登場した「Babel Fish」は、無料でウェブ上の文章を翻訳するサービスとして人気を集めました。これにより、一般ユーザーが手軽に機械翻訳を利用できるようになりました。
ちなみに「Babel Fish」の名は、SF小説『『銀河ヒッチハイク・ガイド』（ダグラス・アダムズ）に登場するバベルフィッシュという言語を一瞬で翻訳する動物が由来です。
2-4 第二次AIブームの限界
エキスパートシステムは一定の成功を収めましたが、その成長には限界がありました。最大の問題は知識獲得のボトルネックでした。
エキスパートシステムは膨大な専門知識を必要としましたが、その知識を入力するには人間が手作業でデータを整理しなければならず、膨大な時間と労力がかかったのです。
また、膨大な数のルールを正確に定義して、ルール間の矛盾や不整合を解消することは困難な作業でした。また、専門家の言語化しにくい経験や勘に基づく知識である「暗黙知」をルールとして表現することも容易ではありませんでした。
さらに、エキスパートシステムを一度構築すると、新しい状況や例外的なケースに対応することが難しく、柔軟性に欠けるという問題点も指摘されました。
これらの課題に直面し、1990年代中頃には再び「AIの冬」が訪れ、AIへの投資や関心が下火となっていきました。AI研究者たちは、データからの学習を活用したAIの方法論を模索していくことになります。
3．第三次AIブーム（1990年代後半〜2010年代）と機械学習
3-1 「ビッグデータ」の時代の到来
1990年代後半から2000年代にかけて、インターネットの普及とコンピュータ技術の進化により、「ビッグデータ」の時代が到来します。
WEBサイトだけでなく、SNSや電子商取引（Eコマース）といった様々なオンラインサービスが誕生し、日々、人々の行動や嗜好に関する膨大なデータが蓄積されるようになりました。コンピュータのハードウェア性能が飛躍的に向上したことで、記憶装置の容量も急増し、巨大なデータを処理できるようになったのです。
こうした環境変化によって、これまでは取得や処理が困難だった大規模なデータを活用できるようになりました。
変化としては、AIの研究アプローチが「知識をプログラムする」というトップダウン的なアプローチから、「データから学習する」というボトムアップ的なアプローチへと重心が移ったことが大きいといえると思います。
3-2 機械学習の進歩
2000年代に入ると、統計的手法を用いた機械学習が急速に発展しました。機械学習とは、データから規則性やパターンを学習し、新たなデータに対して予測や判断を行う技術です。
この時期の代表的な機械学習手法には、サポートベクターマシン（Support Vector Machine：SVM）、ランダムフォレスト（Random Forest）、勾配ブースティング（Gradient Boosting：GBDT）などがあります。
これらの手法は、複雑なデータから特徴を抽出し、精度の高い予測モデルを構築することができました。とくにSVMは、画像認識や自然言語処理など様々な分野で高い性能を示して、最も成功した機械学習アルゴリズムの一つとされています。
また、この時期には「教師あり学習」「教師なし学習」「強化学習」といった学習の枠組みが整理され、それぞれに適した手法が開発されました。機械学習の進歩により、音声認識や画像認識、自然言語処理など様々な分野で精度が向上し、Googleの音声検索やAmazonのレコメンデーションシステムなど、実用的なAIサービスが広く普及しました。
このビッグデータの活用と機械学習の実用化により、第三次AIブームが始まります。第三次AIブームが現在まで続くとする見方も多いのですが、本記事では、次節で2022年からを第四次AIブームとしてまとめています。
3-3 IBMの「ワトソン」がクイズ王に勝利
2011年2月、IBMが開発した質問応答システム「ワトソン」が、米国の人気クイズ番組「ジェパディ！（Jeopardy!）」で、人間のチャンピオンに勝利して話題となりました。
ワトソンは自然言語で書かれた質問を理解し、大量の知識ベースを検索して回答を導き出すシステムで、IBMは「Augmented Intelligence（拡張知能）」の「AI」としています。
ワトソンとは、IBMの初代社長トーマス・J・ワトソン氏にちなんだ名前です。
「ワトソン」がクイズに答えて人間に勝利することで、AIが人間の専門知識や言語理解能力に匹敵する能力を持っていることを示した象徴的な出来事だったといます。
3-4 深層学習（ディープラーニング）の発展
2010年代に入ると、機械学習の一分野である「深層学習（ディープラーニング：deep learning）」が飛躍的な発展を遂げ、AIが革命的に進化することになります。
深層学習とは、人間の脳の神経回路を模した「ニューラルネットワーク」を多層化した手法で、従来の機械学習手法では困難だった複雑なパターン認識が可能になりました。
深層学習が注目を集めるきっかけとなったのは、2012年の画像認識コンペティション（物体の認識率を競う大会）「ImageNet Large Scale Visual Recognition Challenge（ILSVRC）」でした。トロント大学のジェフリー・ヒントン教授らのチームが開発した「AlexNet」と呼ばれるディープニューラルネットワークが、従来の手法を大幅に上回る精度で優勝しました。これをきっかけに、深層学習への関心が高まることになりました。
深層学習の大きな特徴は、データから自動的に特徴を抽出できることです。従来の機械学習では、人間が特徴量を設計する必要がありましたが、深層学習では生のデータから階層的に特徴を学習できるので画期的です。
これにより、画像認識や音声認識、自然言語処理など様々な分野でAIの性能が向上していくことになります。
4．そして現在、第四次ブームが到来
4-1 今は「第四次」？ まだ「第三次」？
2020年代に入ると、AIは自然言語処理の分野で劇的な進歩を見せます。
とくに、OpenAIが開発した「GPT-3（Generative Pre-trained Transformer 3）」とその対話型モデルである「ChatGPT」が登場し、2022年11月30日にGPT-3.5がベースとなった「ChatGPT」公開されてオンライン利用が可能になると、AI業界だけでなく社会全体に大きな衝撃が広がりました。
これがきっかけとなり、第四次AIブームが始まったとされます。前述したように、第四次ではなく、現在は第三次AIブームが続いている、第三次AIブームの最中であるという考え方もあります。
4-2 GPT-3とChatGPTの衝撃
大規模言語モデルの「GPT-3」は、インターネット上の膨大なテキストデータを学習して、驚くほど自然な文章を生成できたので、人々は驚かされました。
論文の要約やプログラミングコードの生成だけでなく、一般的な質問に回答したり、詩や小説を創作したりするなど、幅広いタスクをこなせる汎用性の高さが魅力で、一気に世界中に広まることになりました。
2022年11月に一般公開された「ChatGPT」はGPT-3.5をベースにしており、対話型のAIで非常に使いやすいのが特徴です。ユーザーとの自然な会話を通じて様々な質問に回答したり、文章を作成したりすることができたことから、リリースからわずか5日で100万ユーザーを獲得することになります。2023年3月には次世代モデルGPT-4も発表され、さらに高度な能力を示しています。
その後は「Claude」や「Gemini」といった競合も力をつけ、シェアを争っている状況です。
4-3 画像生成AI
自然言語処理と並行して、画像生成AIも劇的な進化を遂げました。とくに、「DALL-E」「Midjourney」「Stable Diffusion」などのテキストから画像を生成できるAIが注目を集め、SNSでは、画像生成AIで作成した画像を投稿する動きが加速しました。
「DALL-E」は、OpenAIが開発したモデルで、テキストの説明から多種多様な画像を生成することができます。例えば、「宇宙服を着たトマトがステージの上でムーンウォークをしている写真」のような、現実には存在しないような無茶苦茶な設定でも、想像上のシーンでも驚くほどリアルな画像を作り出せます。下は実際に描かせてみた例です。
「Midjourney」は、芸術性の高い画像生成が特徴とされています。「Stable Diffusion」も注目を集めています。これら画像生成AIの登場によって、デザイン、広告、エンターテインメントなど様々な分野に影響を与えたとされます。広告やCMでも使われるようになりましたので、目にされた方も多いと思います。
4-4 AIの社会実装が進む
第四次AIブームの大きな特徴は、多くのAI技術が実際の社会やビジネスに広く実装されるようになったことといます。
注目されているのは自動車の自動運転技術や、医療分野でのX線やCT、MRIなどの医療画像からガンや骨折といった病気を検出する技術など、人間の生活により近づいたサービスの開発が続いています。
ビジネスでは、カスタマーサポートでの利用や業務の効率化にも活用されるようになっています。2025年現在、マイクロソフトは「Microsoft365」などに「Copilot」を組み込み、より踏み込んだ生成AIの利用を可能にしています。
4-5 AIの倫理的課題と規制の必要性
AIの急速な発展と社会への浸透に伴い、様々な倫理的・社会的課題が浮上しています。プライバシーとデータ保護の問題、AIの判断における偏り（バイアス）、AIシステムの透明性と説明可能性の問題、雇用への影響など、多くの懸念事項があります。
また、生成AIによって作成されたフェイクニュースやディープフェイクといった偽の映像や音声による詐欺の問題も報道されています。こうした課題に対応するため、各国・地域でAIに関する規制や指針の整備が進んでいます。EUの「欧州（EU）AI規制法」はAIシステムのリスクレベルに応じた規制を提案し、米国でもAIに関する規制の検討が進んでいます。
急激に進化を続けるAIの健全な発展と社会との調和のためには、技術開発と並行して、これらの倫理的・社会的課題に対する継続的な議論と適切な規制枠組みの構築が不可欠になってきているといってよいでしょう。
まとめ
AIの歴史を第一次AIブームから現在まで振り返ってきました。
AIは、ルールベースのシステムから機械学習、ディープラーニングへと進化し、現在では社会実装が進んでいる段階です。今後の発展においては、技術的な進歩に加えて、倫理的な課題への対応や社会との調和が重要なポイントとなってきます。
今後、人間はAIとどのように共存していくかを考える時代になってきているのだと感じさせられます。
