人工知能分野で議論される問題（シラバス 技術2）

出発点となったダートマス会議

1956年に米国のダートマス大学で開かれた研究会で、人工知能は1つの研究分野として歩み始めました。ジョン・マッカーシーやマービン・ミンスキーらが提案者です。

知能をどう判定するか

• チューリングテスト：アラン・チューリングが1950年の論文で示した考え方です。審査員が文字で会話し、相手が人間か機械かを見分けられなければ、その機械は知的にふるまっているとみなします。
• ローブナーコンテスト：チューリングテストの形式で会話プログラムを競う大会で、1991年に第1回が開かれました。
• 中国語の部屋：ジョン・サールが1980年に示した思考実験です。中国語を知らない人が手順書どおりに記号を組み合わせて返事をすると、外からは理解しているように見えます。サールは、テストに通るふるまいと意味の理解は別だと論じました。
• 強いAIと弱いAI：サールによる区別です。強いAIは本当に心や理解を持つ機械、弱いAIは知的なふるまいを再現する道具としての機械を指します。中国語の部屋は強いAIへの反論です。

AIの壁になった問題

• トイ・プロブレム：迷路やパズルのように、ルールとゴールがはっきりした小さな問題です。第1次AIブームの探索・推論はこうした問題しか解けず、現実の複雑な問題には通用しませんでした。
• 知識獲得のボトルネック：第2次AIブームのエキスパートシステムでは、専門家の知識を人手でルールに書き出す必要がありました。経験にもとづく知識は言葉にしにくく、ルールが増えるほど矛盾の管理も難しくなります。
• フレーム問題：マッカーシーとパトリック・ヘイズが1969年に提起しました。無数にある事柄のうち、いまの行動に関係するものだけを選んで考えることが機械には難しい、という問題です。
• シンボルグラウンディング問題：スティーブン・ハルナッドが1990年に論じました。「りんご」という記号を、実物の見た目や味の感覚と結びつけられなければ、意味を理解したとはいえないという問題です。
• 身体性：知能には、身体を通じて環境と関わる経験が必要だとする考え方です。シンボルグラウンディング問題への答え方の1つとして論じられます。

機械翻訳の移り変わり

ルールベース機械翻訳は、人が書いた文法規則と辞書に従って訳す方式で、規則の作成と保守に手間がかかりました。統計的機械翻訳は、大量の対訳データから語の対応や語順を確率として学習する方式で、1990年代初めのIBMの研究が代表的です。

汎用的なAIは実現できるか

シンギュラリティ（技術的特異点）は、AIが人間の知能を超えて自らより優れたAIを生み出し、技術の進歩を予測できなくなる転換点です。レイ・カーツワイルは、その時期を2045年ごろと予測しました。上の問題はどれも、人間のように幅広く考えるAIを作る難しさを示しており、意味の理解や常識の扱いをめぐる議論は今も続いています。