AIの全歴史

1985年の国会で、AIは「現在第二回目のブーム」と言われていると説明される

東京大学の石井威望さんが国会（衆議院の委員会）に呼ばれ、「このAIというのは現在第二回目のブームになっていると言われておりまして」と説明した。1回目は1960年代中ごろから後半のアメリカ中心の試みで、2回目は日本の第五世代コンピュータ計画だと話した。ブームを何回目と数える見方は、2回目のブームのさなかにすでにあった。

分かっていないこと：「第二回目のブーム」という言い方を、1985年より前に誰が始めたかは分かっていない（国会会議録の範囲で見つかった一番古いものがこれ）

1984年、「AIの冬（AI Winter）」は、来るかもしれない最悪の事態の名前として語られた

AAAI-84の討論会で、司会のドリュー・マクダーモットさんが、AIへの期待が高すぎて、いつか大変なことになるのではという不安が研究者の間にある、と話した。最悪の筋書きとして、5年後にstrategic computing initiative（戦略的コンピューティング計画）がみじめに失敗し、日本の第五世代もうまくいかず、日本政府がすぐにコンピュータから手を引き、新興企業はみな倒産し、AI関連には何もお金が出なくなる様子を挙げた。そして、それを「一部で『AIの冬』と呼ばれるこの状態」と表現した。そうならないよう自分たちを戒め、世の中に伝えようと呼びかけた。つまり『AIの冬』は、第2次ブームのさなかに未来への警告として出てきた言葉だ。1970年代の研究費の減少を『第1の冬』と呼ぶのは、後から付けた呼び方である。

分かっていないこと：『AI Winter』を最初に言った人は分かっていない（討論の中でも『by some』）。Ngramの1983年の小さな値が何の本かは確かめていない。

「第1次・第2次…ブーム」と番号で呼ぶのは主に日本の数え方（英語は『冬』に番号をつける）

英語書籍の単語頻度（Google Books Ngram）を見ると、「AI winter（AIの冬）」は1983年から登場し、2010年代後半に大きく増えた。「first AI winter」「second AI winter」のように冬に番号をつける表現もある。一方で「second AI boom」「third AI boom」「fourth AI boom」は、数えられるほどの量が無かった。日本語では、1982年の雑誌に『第一次人工知能ブーム』、1985年の本に『第二次人工知能ブーム』、1985年の国会で『第二回目のブーム』が見られる。さらに2014年から学会誌で第一次・第二次・第三次AIブームが使われ、2015年の松尾豊さんの本の章名や、2016年以降の国の白書でも使われている。

分かっていないこと：中国語（第三次人工智能浪潮 など）や韓国語での数え方は調べていない。Ngramは2022年までの書籍だけが対象なので、2023年以降の英語での表現は分かっていない

チューリング「計算可能な数について」──「計算できる」とは何かを頭の中の機械で定義する

アラン・チューリングが論文『計算可能な数について、決定問題への応用とともに』を発表した。紙と鉛筆で計算する人の手順を、マス目に区切ったテープ（紙の代わり）、1マスずつ読み書きするヘッド、有限個の状態だけで動く『機械』にまで単純化した（1節・9節）。この機械で小数を書き出せる数を『計算可能』と定義した。さらに、ほかの機械の説明をテープで受け取れば、どの計算可能な列も計算できる1台の機械（万能機械）を作れることを示した（6節）。そして、論理の式が証明できるかどうかを決まった手順で必ず判定する方法（決定問題の答え）は無いことを示した（11節）。このモデルは翌年『チューリング機械』と名づけられ、計算の理論と計算機科学の土台のモデルとされる。

マカロックとピッツの論文：脳の神経細胞を、発火するかしないかのスイッチの回路として式で書く

ウォーレン・マカロックとウォルター・ピッツが、論文『神経の活動に内在する考えの論理計算』を発表した。神経細胞（ニューロン）の活動は『全か無か』（発火するか、しないか）であるため、神経ネットワークの働きは命題論理（真か偽かの2つの値だけの論理）で記述できると考えた。計算の前提として、発火は全か無かであること、一定数のシナプスが同時に刺激されると発火すること、抑制性のシナプスが1つでも働くと発火しないこと、ネットワークの構造は時間で変化しないことなどを置いた（118ページ）。さらに、テープと読み取り装置をつければ、このネットワークはチューリング機械と同じ数を計算できると書いた（129ページ）。のちの人工ニューロン研究の出発点とされる。

分かっていないこと：論文自身も、学習するネットワークを構造の変わらないネットワークで置き換えられるという『形の上の同じさ』は、実際の脳の事実の説明ではないと断っている（117ページ）。実際の神経がこの前提（全か無か・構造が変わらない）どおりに動くわけではないことは、モデルと本物の違いを理解する例として使える。

チューリングが「まねっこゲーム」で機械の知能を論じる論文を発表

イギリスの数学者アラン・チューリングが、「機械は考えられるか」という問いを「まねっこゲーム」（imitation game）に置きかえる論文を発表した。もとは、別室にいる男女の性別を、質問者が文字のやり取りだけで当てるゲームである。チューリングは、男性役を機械が務めたら質問者がどれくらい間違えるか、という問いにした。さらに、9つの反対意見への答えや、教育によって育てる「子どもの機械」（child machine）の構想も論じている。

分かっていないこと：「チューリング・テスト」という呼び名を、誰がいつ最初に使ったのかは、このサイトでは確かめていない。

ケンペレンの「チェスを指すトルコ人」── 中に人が隠れていた

ハンガリーのプレスブルクの貴族ケンペレンが、ウィーンの宮廷で女帝マリア・テレジアのために、トルコ風の服の人形が箱の上でチェスを指す機械を作って見せた。ヨーロッパやアメリカを回って多くの人を驚かせたが、実は箱の中にチェスの上手な人が隠れて動かしていた。1784年にはもう、中に人が隠れて指していると書いた本が出版され、1821年には隠れ方を図で説明する本が出た。機械は1854年、フィラデルフィアの火事で焼けた。

「人工知能」という名前を掲げた、夏の研究会の計画書

マッカーシー、ミンスキー、ロチェスター、シャノンの4人が、翌夏にダートマス大学で「人工知能」の研究会を開く計画書を作成し、ロックフェラー財団に資金提供を求めた。計画書は、学習のあらゆる側面や、知能のほかのどんな特徴も、原理的には「機械にまねさせられるほど正確に書き表せる」という予想から出発した。機械による言語の使用、概念の形成、自己改善などを研究課題に並べている。申請した額は合計13,500ドルだった。

海軍の発表と新聞の見出し「新しい海軍の装置は、やってみて学ぶ」

1958年7月、アメリカ海軍がワシントンで記者向けの実演を行った。気象局の大型コンピュータIBM 704が、カードの印が右か左かを50回ほどの試行で識別できるようになった。通信社UPIの記事は、海軍はこの“胚”（まだ生まれる前の段階）が、いずれ歩き、話し、見て、書き、自分を増やし、自分の存在を意識できるようになると期待している、と報じた。ローゼンブラットは記事の中で、人間の脳のように考える最初の機械になる、初めは間違えるが経験で賢くなる、惑星に送る探検機になるかもしれない、と話した。専用の機械（パーセプトロン）はまだなく、1年ほどかけて10万ドルで製作する予定とされた。

分かっていないこと：記事にある海軍の期待が、海軍の誰の発言だったのかは記事からは分からない

予言「10年以内に、計算機がチェスの世界チャンピオンになる…」（1957年の講演）

サイモンとニューウェルは、10年以内に計算機がチェスの世界チャンピオンになる（ルールで大会から締め出されなければ）と予言した。

その後：1967年4月の時点で、最も強いチェスプログラムの一つ（MITのMAC HACK VI）はアマチュア中級の強さ（アメリカのレーティングで1450）だった。1968年には、チェスの国際マスターのレビーと研究者たちが、10年以内に計算機がレビーに勝てるかどうかで賭けをした。1978年にレビーが計算機に勝ち、賭けに勝利した。計算機が現役の世界チャンピオン（カスパロフ）に6局の対局で勝利したのは、予言から約40年後の1997年5月だった（IBMのディープ・ブルー、3.5対2.5）。なお、計算機が人間の世界チャンピオンの称号そのものを獲得したことはない（予言にも「ルールで締め出されなければ」とある）。

経路探索A*（エースター）── ここまでの道のり＋ゴールまでの見積もりで探す

ピーター・ハート、ニルス・ニルソン、バートラム・ラファエルが、論文『最小の費用の道を、手がかりを使って決めるための形式的な基礎』を発表した。地点を結んだグラフの中で最小費用の経路を見つける問題に、問題から得られる手がかり（ヒューリスティック：経験や見積もりによる近道の知恵）を組み込む理論を作り、ある探索法が最適であることを示した（論文の要旨）。ニルソンの回想によると、ロボット『シェーキー』の経路探索のために、ゴールまでの『まっすぐ測った距離』を見積もりに使う案（ニルソン）に、『ここまで進んだ距離』を足す案（ラファエル）を加えた。そして、見積もりが実際の残りの距離を超えなければ必ず最短経路が見つかることを、ハートが示した。この探索法はA* と名づけられ、現在はカーナビの道案内やゲームなどでも使われている（Nilsson 2010）。

文字で会話するプログラムELIZA。作者の論文のねらいの1つは、すごそうに見える魔法の種明かし

MITのワイゼンバウムさんが、コンピュータと文字で対話できるプログラムELIZAを論文で発表した。人が入力した文からキーワードを見つけ、規則に従って組み替えて返答する仕組みである。会話の相手の役割は「台本（スクリプト）」を入れ替えて変更でき、1966年の時点で英語のほかウェールズ語とドイツ語の台本もあった。論文の初めで本人は、プログラムの中身を平易な言葉で説明すれば魔法は崩れ、単なる手順の集まりだと分かる、この論文はそのためのものだ、という趣旨を書いている。

手書き郵便番号の自動読取区分機（東芝・郵政省、1968年）

郵便番号制度が始まった1968年7月1日、東芝が郵政省の指導で開発した郵便番号自動読取区分機（TR-3・TR-4）が東京中央郵便局で公開された。人が自由に手書きした数字を機械が認識して郵便物を仕分けるのは、世界初とされる。全国から集めた約30万字の手書き数字を分析して、字形のくせの出やすさを調べ、赤枠を光学フィルターで消して数字の線だけを抽出した。1秒に約6通の速さで上3桁を読み取り、認識できない文字は「読取拒否」として人に回した。

分かっていないこと：「世界で初めて」という記述は、日本の学会・博物館・会社の説明による。外国の同じ時期の機械と比較した資料は開いていない。

サイモンの予言「20年以内に、機械は人ができるどんな仕事もできるようになる」（1965年の本／もとは1960年の論文）

サイモンは1965年の著書で、機械は20年以内に人間ができるどんな仕事もできるようになる、と書いた。もとになった1960年の論文では、25年よりずっと短い期間で、組織内の人間のどんな働きも機械で置き換える「技術的な力」を持つだろう、と書いている。ただし直後に、技術的に可能なことと、それを実際にどう使うかは別だと続けた。そして、長期的に見れば働きたい人はほぼみな働ける（完全雇用）と仮定し、人と機械の分担は「比較優位」（それぞれが相対的に得意なことを受け持つ）で決まると論じた。

その後：1985年までに、機械が人間のどんな仕事もできるようになったとする資料は見つけられなかった。Nilsson（2010）は、サイモンの1957年の同じ種類の発言（機械が扱える問題の広さが人の頭と同じになる）について、2010年の時点でもまだ遠いと述べている。一方、サイモン自身は技術的な力と雇用を分けて考え、長期的に見て失業は増えないと予想していた（1966年の返信では、失業率は4%未満で、下がっていると書いた）。

「第1次のAIの冬」は何年から何年？──資料によって答えが違う。「第1次のAIの冬は無かった」という歴史家もいる

日本の総務省の白書（2016）は1970年代を『冬の時代』とし、Wikipediaは1974〜1980年とする。一方、AIの歴史を著した研究者Nilsson（2010）は1975〜1985年ごろをAIの『好景気（boomtimes）』と呼び、『AIの冬』は1980年代後半のことだとした。また歴史家Haigh（2023）は、コンピュータ学会ACMのAI分科会（SIGART）の会員が1973〜1978年にほぼ3倍に増えたことなどから、『第1次のAIの冬は無かった』と論じた。そもそも『AIの冬（AI Winter）』という言葉は、これから来るかもしれない冬を心配する言葉として1984年に使われたのが早い例である。

分かっていないこと：1970年代のAI全体の研究費を、国ごと・年ごとに並べた数字は見つけられていない。『冬』だったかどうかは、何を基準にするか（大規模研究所の予算／学会の会員数／言葉の使われ方）によって答えが変わる

ミンスキーとパパートの本『パーセプトロンズ』、単純なニューラルネットワークの限界を数学で示す

MITのMarvin MinskyとSeymour Papertが、1950年代にRosenblattが作った学習する機械「パーセプトロン」（ニューラルネットワークによるパターン認識の仕組み）の力を数学で調べた本。各部品が見る点の数を限ると、「どちらか一方だけ」（XOR）より複雑な「点の数が偶数か奇数か」や「図形が1つにつながっているか」は識別できないと証明した。多層ネットワークについては、拡張しても「実りがない」という直観的な判断を書きつつ、それを確かめる（または退ける）のは大事な研究課題だとも書いた（Pollackが引くp.231）。

イギリスのライトヒル報告：「この分野のどこでも、これまでの発見は、当時約束された大きな影響を生んでいない」

イギリスの研究助成機関（科学研究会議SRC）の依頼で、流体力学の大家James Lighthillが1人でAI研究を見渡してまとめた報告。AIをA（自動化）・B（ロボットづくりなどの橋渡し）・C（脳や神経をコンピュータで調べる研究）に分類し、AとCを評価した一方、Bには厳しかった。進展しない大きな理由として、調べる組み合わせの数が爆発的に増える現象（組み合わせの爆発）に気づいていなかった点を挙げた。この報告の後、イギリスのAI研究への信頼と研究費は大きく落ち込んだ。

中野馨（東京大学）の「アソシアトロン」：一部を見せると全体を思い出す、脳をまねた記憶の仕組み

東京大学の中野馨は、情報を0と1のパターンとしてネットワーク全体に分散して記憶し、その一部から全体を思い出す仕組み『アソシアトロン』を発表した。手がかりが大きいほど正確に、小さいとあいまいに思い出す。脳の神経のネットワークを単純化したモデルで、隣どうしだけがつながった素子が同時に動く形で作れるとした。コンピュータで実験し、概念の形成やゲームに応用する例も示した。

MYCIN（マイシン）：感染症の薬選びを医師に助言する「もし〜なら〜」のAI。評価は専門医並みでも、病院でふだん使われず

スタンフォード大学で、医学生だったエドワード・ショートリフさんたちが、細菌感染症（血液感染、のちに髄膜炎）の薬選びを医師に助言するプログラムMYCINを開発した。医師の知識を、もし（検査の結果が〜）なら（菌は〜らしい）という規則（当初は約200、1978年には約500）として組み込み、判断理由の説明も可能にした。1979年の評価では、髄膜炎の患者10人について、スタンフォード大学外の感染症専門医8人が名前を伏せてMYCINと医師たちの処方を採点した。MYCINの処方は65%が『受け入れられる』とされ、スタンフォードの専門医5人は42.5〜62.5%（平均55.5%）だった。それでも開発者たちの本は、『MYCINは患者の診療でふだんに使われることはなかった』と記している。

分かっていないこと：『法律や責任』の話を誰がいつ最初に言ったのかは、確かめていない。

1984年、AIの大会の展示会場で「もっといい脳を作った」という宣伝 ── 今度こそ本物という空気の記録

科学記者のジョージ・ジョンソンが、1984年8月のアメリカ人工知能学会（AAAI）大会の展示会場の様子を書いた。研究者の多くは小さな進歩を話し合いに来ていたが、出展企業の中には、人の知能を持つ仲間を作る昔からの夢がすでにかなったかのように振る舞う所があった。専門家の知識を書き込むAIの道具TIMMのパンフレットは『もっといい脳を作った』とうたい、エキスパートシステムは病気にならず、辞職も早期退職もしないと書いていた。記者は、売る人たちの言葉がときに『新しい時代を告げる預言者』のように聞こえた、と書いている。

分かっていないこと：TIMMを販売していた企業の名前は、記事に書かれていない。

仙台市の地下鉄が開業し、列車の自動運転に「予見ファジィ制御」（あいまいさを扱うルールのAI）を使う

1987年7月15日に仙台市の地下鉄（全国で9番目の都市地下鉄）が開業した。日立製作所が開発した自動列車運転装置は『予見ファジィ制御』を採用した。『IF〜THEN〜形式』（もし〜なら〜する、という形）で書いたAI（知識工学）のルールで、熟練運転士の技を置きかえるものだった。記事は、乗り心地や停止精度の向上、省エネが実現したと書き、この予見ファジィ制御を『世界で最初のもの』と紹介している（作った会社の記事の言葉）。

分かっていないこと：『世界で最初』は作った会社の記事の言葉であり、ほかの資料では確かめていない。

1981年の見通し：1990年代初めに、目・耳・口があり、話がわかり、自動翻訳・通訳もできるコンピュータが現れるといわれている

計画前の調査（1979〜1981年、委員長は東京大学の元岡達さん）の報告は、1990年を目標の年として試作機を完成させると記述した。それを一般向けに解説した冊子は、第五世代のコンピュータは「1990年代初頭に出現するといわれている」、「1990年にプロトタイプを実現する」（試作機を作る）には早く研究を始めなければならない、と書いた。目指す姿として、音声・図形・画像・文字をそのまま扱える『目、耳、口のあるコンピュータ』、日常の言葉で話せる『話がわかるコンピュータ』（その力で自動翻訳・通訳も可能）、常識を持って初めての問題も推論で解くコンピュータ、プログラムを書かなくても使えるコンピュータなど8つの機能を挙げた。

その後：計画は1982〜1992年度に行われた。1993年の最終評価報告書によると、推論速度の目標（1秒に1億回）は1億5千万回以上で達成して超えた。一方、音声や画像で人とやりとりする仕組みは、大量の背景知識が必要だと分かり、途中から言語研究の基盤に絞ったため、具体的な仕組みを作るまでには至らなかったと書かれている。所長の渕一博さんは1992年に、機械翻訳のような応用システムを作ることは、1982年に計画が始まった時点で目標から外していた、と話している。

分かっていないこと：翻訳の単語数や正解率などの数字の目標が書かれた『研究開発課題説明書』（1981年、7グループ26課題）は見つけられず、確かめていない。

第五世代の成果：並列推論マシンPIMと言語KL1（最大の機械は512台、5つの型の合計で1,000台超）

第五世代は、多数のコンピュータをつないで同時に推論（規則から結論を導くこと）を行う『並列推論マシンPIM』と、その専用言語『KL1』を開発し、1992年6月の国際会議FGCS'92で発表した。KL1は、研究員の上田和紀さんが考案した言語GHCの仕組みをもとに、近山隆さんが設計した（所長の渕一博さんの講演）。PIMは仕様の異なる5つの型が作られ、最大のPIM/pは512台のコンピュータで、1秒に1億5,600万回の推論ができた。5つの型を合わせると1,000台を超える。最終評価は、1秒に1億回という目標を超えたと書いている。

分かっていないこと：PIMが計画の後にどう使われたか（何台がどこで何年動いたか）は確かめていない

「第五世代コンピュータは失敗した」という話 ── 当事者・評価委員会・外部の研究者はそれぞれ何と書いたか

1992年6月、計画のしめくくりの国際会議（FGCS'92）の直後に、新聞The Baltimore Sunの社説（アメリカの企業に向けて書かれたもの）は、計画の「失敗が、6月1日に東京のセミナーでついに認められた」と書いた。けれども、その会議の基調講演で所長の渕一博さんは、「このプロジェクトは失敗だ、という評論が国の内外で現れたりしています」と紹介した。その上で、『人工知能（AI）の難問を10年で片付けようとしている』『人間並みの機械翻訳システムを作ろうとしている』といった大きな像は、計画前の1981年の会議から広まったものだと説明した。1982年に始まった計画はもっと控えめな中身（並列推論）で、成功だったと信じている、と話した。推進委員会の最終評価（1993年）も「当初の期待に十分応え」たとした。通商産業省の研究所の報告（1995年）は、製品にならないから失敗というのは、計画の狙い（基礎研究と国際貢献）を十分に分かっていない意見だ、と書いた。一方で同じ報告は、作った計算機の仕組みそのものは、小型コンピュータの進歩のため、将来の技術に使われるとは思われない、とも書いている。外部の研究者の歴史書（Nilsson 2010）は、成果の多くは今では歴史的な意味しかないと考える人が多い、と書く。

分かっていないこと：『失敗』という評判がアメリカで最初にどこから広まったか（1992年6月のNew York Timesの記事『Fifth Generation Became Japan's Lost Generation』など）は、その記事を開けず、確かめていない。

多層ニューラルネットワークを誤差逆伝播法で学習させる論文がNatureに載る

ラメルハート、ヒントン、ウィリアムズが、入力と出力の間に「隠れ層」を持つニューラルネットワークの学習法を発表した。出力と正解の差（誤差）を出力側から入力側へと順に戻しながら、結合の強さを少しずつ更新していく（「誤差を逆に伝える」＝バックプロパゲーション）。隠れ層が、教えていない特徴を自分で表すようになることを実験で示した。

分かっていないこと：隠れ層の中で何が表現されているかを人が読み取るのは、この論文の小さな例（家系図）ではできた。しかし、大きなネットワークでは今も一部しか分かっていない（第4次の単元につながる）。

1984年の討論が描いた「AIの冬」の最悪の筋書き ── その後の答え合わせ

アメリカ人工知能学会（AAAI）の大会で「AIの暗黒時代 ── 避けられるか、生き残れるか」という討論会が開かれた。司会のドルー・マクダーモットさんは、産業界のにぎわいの裏で、長年研究してきた人たちの間に『AIへの期待はもしかすると高すぎ、それがいずれ大惨事を招く』という心配からくる深い不安がある、と話した。最悪の筋書きとして、5年後にアメリカの『戦略的コンピューティング計画』が失敗し、日本の第五世代も行きづまり、ベンチャー企業がつぶれ、AIへの資金提供が止まって、みんなが研究の名前を別のものに変える、という姿を描いた。そして、この状態を『AIの冬』と呼ぶ人がいる、と紹介した。ただし本人は、そうなる見込みは高くないと思う、とも述べた。討論では、ほかの研究者（ロジャー・シャンクさん）が、破局が来ると思うかと聞かれて来ると答えた、という話をした。一方で、『AIの冬は来るのか？AIの夕暮れになるかもしれないと思う』という意見も出た（同じ人は続けて、泡がはじけるのではなく、少し小さくなるかもしれない、と話した）。

その後：その後、計画の目玉の1つだった自動運転車（ALV）の開発は1988年4月に打ち切られた。1987年に着任した担当部門の責任者も、AI計画の一部を打ち切っている。計画は1993年にDARPAの予算から消えた。アメリカ人工知能学会の会員数は1987年の16,421人をピークに、1996年には4,000〜5,000人に落ち着いた。エキスパートシステムを開発するAI企業の多くは、消えるか買収されるか事業を変えた。日本の第五世代コンピュータプロジェクトは1992年度で本体を終えた。Nilssonは、こうした出来事が1980年代半ばから後半に重なり、『AIの冬』と呼ばれるようになった、と記している。

分かっていないこと：シナリオの1つ『みんなが急いで研究計画の名前を別の物に変える』が1990年代に本当に起きたかは、元の資料で確かめていない（u08で扱う候補）

LSTM：長い文や音の前のほうを覚えておけるニューラルネットワークの発表

ホッフライターとシュミットフーバーが、時系列データ（音や文字の並び）を扱うニューラルネットワークに、「覚えておく箱」と、箱への出し入れを開け閉めする「門」を組み込んだLSTMを発表した。それまでの方法では、誤差逆伝播法で直す信号が時間をさかのぼるうちに消えたり（ゼロに近づく）、ふくれ上がったりして、ずっと前のことを覚えられなかった。LSTMは1000歩以上離れた過去の手がかりも保持して活用できた。

バプニクたち、データの間に最も広い道を引いて分けるサポートベクターマシンを作る

2種類の点を分ける線を引くとき、どちらの点からもできるだけ離れた、最も広い道の真ん中に線を引く。すると、初めて見る点もうまく分けられる。バプニクたちはこの考えを、道の端にある少しの点（サポートベクター＝道を支える点）だけで計算できるようにした。手書き数字のMNISTでは誤り率1.1%（CortesとVapnik）と、ニューラルネットワークのLeNetに近い成績を出した。2000年ごろの実用の場では、この種の方法が主流になった。

プリンストン大学のフェイフェイ・リーらが、名前つきの写真を何百万枚も集めたImageNetを発表。確かめたのはネットで仕事を受けた人たち

リーらは、概念を階層構造で整理した辞書WordNetを土台に、約8万の名詞のまとまりごとに平均500〜1000枚の写真を集めるImageNetを発表した（論文の例では「ビルマ猫」）。発表時点で12の分野、5247のカテゴリー、320万枚に達していた。画像は検索エンジンで収集し、対象の物体が正しく写っているかを、Amazonメカニカル・タークでお金をもらって仕事を受けた世界中の作業者が1枚ずつ確かめ、何人もの投票で決めた。

分かっていないこと：作業者の人数や居住国、報酬の金額については、この論文には記載されていない（未確認）。

画像認識コンペ（ILSVRC 2012）で、トロント大学の深層畳み込みニューラルネットワーク（SuperVision）が大差で1位。2位は東京大学のチーム

写真から1000種類の物体を識別する大会で、クリジェフスキー、サツケバー、ヒントンのチーム「SuperVision」は、5回まで回答できるルールでの誤り率を15.3%（大会が用意したデータのみなら16.4%）に抑えた。2位の東京大学のチーム（ISI）は26.2%で、約11ポイントの差がついた。6000万個のパラメータを持つ8層のニューラルネットワークを、ゲーム用のGPU（画像処理用の半導体、NVIDIA製）2基で学習させた。大会の主催者は後の論文で、この年を多様な物体を認識する研究の「転換点」と書いている。

ヒントンたちが深いニューラルネットワークを「1層ずつ」学ばせる方法を発表。深層学習（「ディープラーニング」）への大事な一歩とされる

層をたくさん重ねたニューラルネットワークは、誤差逆伝播法だけではうまく学習できなかった。ヒントンたちは、まず1層ずつ、正解を与えずに「データの特徴」をつかませ（事前学習）、そのあと全体を誤差逆伝播法で調整する方法を示した。手書き数字のMNISTで誤り率1.25%（Neural Computationの論文）、画像や文書を少ない数で表す処理でも、それまでの方法より優れていた（Scienceの論文）。

映画の好みを当てる賞金100万ドルの大会「Netflix Prize」（2006〜2009年）：優勝は20分の差

2006年10月、映画のDVDを貸し出していたNetflixは大会を開催した。自社の推薦システム（Cinematch）より10%正確に映画の評価を予測できれば賞金100万ドルを授与するという内容だった。名前を番号に置き換えた約48万人による、約1万8000本の映画への1億件を超える評価（1〜5の星）が配布された。約3年後の2009年9月21日、チームBellKor's Pragmatic Chaosが優勝した。2位のチームも同じ点数（誤差0.8567、10.06%の改善）だったが、提出時刻が約20分早かった側が勝者となった（同点なら先着順という規定による）。

AlphaGoが、世界の一流棋士イ・セドルさんに4勝1敗（ソウル）

2016年3月、韓国のソウルで、AlphaGoと、世界タイトルを18回獲得したイ・セドル九段がハンデなしの5番勝負を行った。AlphaGoが4勝1敗で勝利した。第4局はイ・セドル九段が78手目の思いがけない一手から勝利を収めた。DeepMindは、賞金100万ドルを教育や囲碁の団体とユニセフに寄付すると発表した。

囲碁ソフトを強くした「モンテカルロ木探索」の元になった2本の論文

囲碁は1つの局面で打てる手が多く、局面の評価も難しい。そのため、チェスのような探索法では強くならなかった。2006年、フランスのクーロンさんの論文は、新しい探索法（モンテカルロ木探索、MCTS）を示した。ある局面から終局までランダムに何度も打ってみて（モンテカルロ）、勝率で手を比べ、有望な枝ほど深く調べる方法である。クーロンさんは9路盤の囲碁ソフトCrazy Stoneで、コンピュータ囲碁大会（KGS）に優勝した。同じ年、ハンガリーのコチシュさんとセペシュヴァーリさんは、どの枝をどれだけ試すかを決める手法UCTを提案した。10年後のAlphaGoの論文（2016年）は、この2本をMCTSの文献として引用し、MCTSに2つのニューラルネットワーク（次の一手の予測と局面評価）を組み合わせた。

情報処理学会、コンピュータ将棋が「トッププロ棋士に追い付いている」としてプロジェクトの終了を宣言

情報処理学会は2010年から「トッププロ棋士…に勝つコンピュータ将棋」の実現を目指すプロジェクトを進めていた。2015年10月、「2015年の時点でトッププロ棋士に追い付いているという分析結果が出ています」としてプロジェクトの終了を宣言した。「追い付いている」とは毎回勝つという意味ではなく、たくさん対局すれば勝ち越す見込みが高いという意味だと説明された。ただしこの時点では、トッププロ棋士との直接対局はまだ実現していなかった。

その後：約1年半後の2017年4月1日と5月20日、将棋ソフトPONANZAが、名人の佐藤天彦さん（叡王として出場）に2局とも勝利した。主催者はこの対局をもって電王戦を終了した。

オックスフォード大学の研究「アメリカの雇用全体の47%が、危険の高い区分にある」（コンピューターに置き換えられる危険。2013年）

2013年9月、オックスフォード大学のカール・ベネディクト・フレイさんとマイケル・オズボーンさんは、アメリカの702の職業について、コンピューターに代替される確率を推計した論文を発表した。アメリカの雇用の47%が『危険が高い』区分に入るとしている。この数字はのちに『仕事がなくなる予測』として受け取られ、検証の対象にもなった（例：ITIFの2022年の記事の題『おっと：予測されたAIによる47%の雇用喪失は起きなかった』。このサイトとは別に調べている、仕事の予測の答え合わせの記録から）。詳しい内容とその後の検証は、このサイトとは別の調べもの（AI時代の仕事の予測の答え合わせ）で記録している。

今の文章AIの元になった「トランスフォーマー」の論文が出る

グーグルの研究者たちとトロント大学の学生の8人が、文の中のどの単語とどの単語が関係しているかに「注意（アテンション）」を向ける仕組みだけで構成する、新しいAIの構造（トランスフォーマー）を発表した。論文で試したのは英語からドイツ語やフランス語への翻訳などで、従来より良い成績を、短い学習時間で出した。のちのGPTやBERTは、この構造を基盤にしている（それぞれの論文で確認）。

対話型AI「ChatGPT」が無料の『研究のお試し版』として公開される

OpenAIが、対話型AI「ChatGPT（チャット・ジー・ピー・ティー）」を公開した。発表文は、追加の質問に答え、自分の間違いを認め、間違った前提を指摘し、不適切な要求は断れる、としている。中身は2022年の初めに学習を終えたGPT-3.5の仲間を、人間が回答を採点して調整したものだ。「研究のお試し版」の間は無料で、利用者の感想を集めることが目的だと書かれている。

分かっていないこと：発表文は、間違いを直すのが難しい理由の1つに『強化学習の訓練の間は、今のところ正解の元が無い』ことを挙げている。もっともらしい間違い（のちに『ハルシネーション』と呼ばれる）が、なぜ・いつ起きるかは、この時点でも開発者が『難しい』と書いていた

「ChatGPTは2か月で1億人」は、会社の発表ではなく、銀行の分析担当がウェブの訪問数から出した推計

2023年2月、「ChatGPTは公開から2か月で1億人が使い、史上いちばん速く広まったアプリ」というニュースが世界に広まった。元をたどると、投資銀行UBSのアナリストによるメモだった。ウェブ解析会社Similarwebの数字から『1月の月間の利用者は1億人と推計される』とまとめたものだった（かぎかっこ内は、メモを伝えたロイターの記事の表現）。ロイターは『推計』と書き、Similarwebはその時点で数字の確認に答えていなかった。ガーディアン紙の本文では『1月の訪問は約5億9,000万回、別々の訪問者1億』というSimilarwebの数字として紹介されている。

大きくするほど決まった割合で性能が上がる法則の論文。ただし著者自身が『傾向はいつかは必ず頭打ちになる』と注記

OpenAIとジョンズ・ホプキンズ大学の研究者たちが、言語モデルの成績（次の単語の当てにくさで測る）が、パラメータ数・学習データの量・計算量を増やすと、きれいな決まった形（べき乗の法則）で良くなることを示した。この形は7けた（1,000万倍）以上の幅で続いていた。この考えは、その後の、もっと大きなAIを作る競争の土台の1つになった。

分かっていないこと：分かっていること：2020年までに調べた範囲では、規模を大きくするほど決まった規則に従って性能が上がった。分かっていないこと：どこまで続くのか、なぜそうなるのか（論文自体が『いつかは必ず頭打ちになる』『しっかりした理論的な理解は無い』と書いている）。

2025年までにAIが数学五輪で金を取るか──2022年、2人の研究者が8%未満と16%超と予想。2025年7月、結果が出た

AI研究者のポール・クリスティアーノさんとエリエゼル・ユドコウスキーさんは、AIの進歩についての考えが異なっていた。そこで白黒がつく予想として、国際数学オリンピック（高校生の大会）で『大会の前に作られたAIが…2022〜2025年のどれかで金を取れる』確率を公開した（時間などのルールはIMOグランドチャレンジに合わせる）。クリスティアーノさんは8%未満、ユドコウスキーさんは16%以上とした。最も難しい問題を解く確率は、クリスティアーノさんは4%未満と予想した。2025年7月、Google DeepMindは、Geminiの強化版が6問中5問を完答して42点中35点（金メダルの点）を獲得し、大会の採点者が正式に採点・確認したと発表した。4.5時間の制限時間内に、ふつうの言葉で解答を書いた。

その後：2025年7月、Google DeepMindのGeminiの強化版が42点中35点（金メダルの点）を獲得した。大会の採点者が正式に採点し、国際数学オリンピックの会長が『金メダルの点』と確認した（ただしブログによると、確認は解答についてであり、AIの仕組みの検証ではない）。4.5時間の制限時間内で行われ、一番難しい問題（第6問）は解けていない（6問中5問）。どちらの予想も確率のため的中か外れかは断定できないが、実際の結果は、確率をより高く見積もっていた側（16%超）に近かった。

96人の専門家の国際報告（30か国などが選んだ助言委員会を含む）「（汎用AIの）モデルの中のしくみは、作った人にとってもほとんど読み解けない」「この先数か月・数年に何が起きるかでも、専門家の意見は分かれる」

ブレッチリーの会議（2023年）を機に、ヨシュア・ベンジオさんを長とする96人の専門家（30か国と国連・EU・OECDが選んだ助言委員会を含む）が、AI安全性に関する国際報告書をまとめた（日本からは北野宏明さん）。報告書は、汎用AIモデルが『従来の意味でプログラムされているのではない』、学習によって構築されると説明し、『これらのモデルの中のしくみは、作った人にとってもほとんど読み解けない』『汎用AIのモデルがなぜその出力を出したのかを説明する、いまの解釈の技術は、まだ大きく限られている』と記した。今後の進展について、汎用AIの能力向上は『ゆっくり、速く、またはとても速く進みうる』とし、『さらに大きくする（スケーリング）ことの見込みについての見方の違いから、専門家はこの先の進む速さで意見が分かれる』とした。2026年2月の第2回報告書でも、『研究者は、ある力がいつ現れるかを確かには予測できない』『入れる物（計算・アルゴリズムの改良・データ）の指数関数的な増加が続くかどうかで、専門家の意見は分かれる』と指摘している。

分かっていないこと：分かっていないこと（各国が選定した専門家による指摘）：①現代の大規模AIの内部動作（内部の仕組みは開発者にもほぼ読み解けず、説明技術も大きく限られている）。②今後の進歩の速さ（ゆっくりからとても速いまで、どれもありうる。スケーリングがどこまで効くかで専門家の意見が分かれている）。2026年の報告書でも同様の不確実性が続いている。

AIの予言は15〜25年後が多いとした研究（いまは論文の頭に「この論文の結果は、データセットの誤りに基づく」という注）

95件のAIの実現時期の予言を集めて分析した論文。「15〜25年後」という予言が最も多く、専門家とそうでない人の予言は見分けがつかないとした。公開されているPDFの1ページ目には、現在「この論文の結果は、データセットの誤りに基づく」という注が付いている。誤りの原因は、専門家かどうかの分類列の読み間違いだった（AI Impactsが2016年に指摘）。

分かっていないこと：予言がおよそ20年後に集まるかは、データの作り方によって変わる。はっきりしていない。

国の教材の予言「2025年には，人間一人の脳を完全にシミュレーション可能な性能に達する」を元までたどる ── 元は2005年のカーツワイルの本の、スーパーコンピュータの速さの図に引いた線

文部科学省の高校「情報Ⅱ」の教員向け教材（2020年）は、総務省の2014年情報通信白書の資料をもとに、こう書いている。計算速度がこのまま上がり続けると仮定すると、2025年には人間一人の脳を完全にシミュレーション（コンピュータの中でまねして動かすこと）できる性能に達する。出どころをたどると、白書は本文ではなく図表3-1-1-4「演算速度の向上」にこの記述を載せていた。図の出典は、2014年2月13日の総務省の会議で木谷強さん（資料表紙ではＮＴＴデータ技術開発本部）が出した資料である。その資料は、レイ・カーツワイルさんの2005年の著書『The Singularity Is Near』の図をもとに作った、と書いている。元の図はスーパーコンピュータの速さ（FLOPS：1秒に何回、小数の計算ができるか）の点と、1.2年で2倍になる直線（Trendline）を描いたもので、その線が10の19乗FLOPSに達する位置に「アップロードのための、人間の脳の神経のシミュレーションに要る（2025）」という注記が付けられていた。つまり原典は脳シミュレーションそのものではなく、計算速度の見通しだった。

その後：計算速度の検証：元の図と同じ指標（スーパーコンピュータの性能ランキングTOP500で用いられるHPL値。元の図もTOP500を出典に挙げる）では、2025年11月時点で首位のEl Capitan（アメリカ）が1.809エクサフロップス（毎秒約180京回）であり、10の19乗FLOPSの約5.5分の1にとどまる。2026年6月に1位となったLineShine（中国）も2.198エクサフロップスで、まだ届いていない。一方、桁数の少ない計算を混ぜた方式（mixed-precision）を測る別の順位表HPL-MxP（旧HPL-AI）では、2025年11月にEl Capitan（16.680）、Aurora（11.643）、Frontier（11.390）の3台が10の19乗FLOPSを突破した。10の16乗FLOPS（図では2013年と予測）には、日本の「京」が2011年11月に10.51ペタフロップスで到達していた。脳シミュレーションの実績：2013年に「京」の全計算ノードを用いて17億3,000万個の神経細胞と10兆4,000億個のシナプス（人間の脳の神経回路の約1%）をシミュレーションしたが、脳の1秒分の活動を再現するのに40分を要した（理化学研究所など）。2018年、理化学研究所は、当時の最高性能のスパコンでも人間の脳全体の規模のシミュレーションはできないと書き、2020年以降の次世代スパコンでの実現に向けたやり方を発表した。2025年11月にはアレン研究所や電気通信大学などが「富岳」を使い、ネズミの大脳皮質全体（約1,000万個の神経細胞、260億個のシナプス、86の脳領域）を細かくシミュレーションしたと発表した。アレン研究所のAnton Arkhipov氏は、長期的な目標は脳全体のモデル化であり、いずれは人間の脳モデルも目指すと述べている。このサイトで開いた当事者の発表の中には、2025年までに人間の脳全体をシミュレーションした、というものは無かった。

分かっていないこと：人間の脳全体のシミュレーションに本当はどれだけの計算が要るかは、見積もる人によって大きく異なる。同じ2014年情報通信白書の別章の注には、IBMのモジャさんの2008年の話として、2018年に38.5ペタフロップス（約4×10の16乗）で人間の脳のシミュレーションが可能になる、という見通しがある。カーツワイルの図の10の19乗とは約260倍の開きがある。神経細胞をどこまで細かくまねるかで、要る速さは変わる（たとえば2025年の「富岳」のシミュレーションは、神経細胞の枝の中の電気の流れまでまねた、と発表された）。2025年までに人間の脳全体をシミュレーションした例がどこにも無いかは、このサイトでは確かめきれていない（開いたのは当事者の3つの発表だけ）。