第1次ブームのあとの冬

「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

「冬」の日本の研究は英語資料に名前が出るか：ノーベル賞解説の本文は福島だけ、中野・甘利は参考文献のみ

2024年のノーベル物理学賞の解説（12ページ）では、福島邦彦のネオコグニトロンが本文に名前つきで登場する。しかし中野馨（1972）と甘利俊一（1972）は、参考文献の番号（[5-10]の範囲）に含まれるだけで本文に名前はない。AIの歴史の代表的な英語書籍Nilsson（2010、707ページ）では、NakanoとAmariの言及は0回で、Fukushimaは注に1回だけ（ページ番号の誤りつき）登場する。同じ本で、金出武雄と日立の江尻の研究は本文で紹介されている。

「冬」の日本の国会：『人工知能』は0回。話されていたのは『人工頭脳』『電子頭脳』『パターン情報処理』

1966〜1980年の国会の発言を調べると、『人工知能』という言葉は一度も出てこない（1947年から1983年2月22日までで0件）。そのかわり、コンピュータを『人工頭脳』（6件）や『電子頭脳』（8件）と呼んでいた。また国の大型プロジェクト『パターン情報処理システム』（『パターン情報処理』を含む発言が12件）や『パターン認識』（10件）が議論されていた。1980年10月には、NHKの研究成果として、福島邦彦の『コグニトロン』の理論が国内外で高く評価されていると説明された。

分かっていないこと：国会で使われた言葉の件数は、会議録の表記の揺れ（『コンピューター』『コンピュータ』など）によって変わる。ここでは完全一致の検索結果だけを数えた。

米委員会が「役に立つ機械翻訳の見込みは、すぐにも、予測できる先にも無い」と報告（ALPAC報告）

アメリカ政府で研究費を出す3つの機関（国防総省・CIA・全米科学財団）の依頼で、全米科学アカデミーの委員会（ALPAC、委員長はBell研究所のJohn R. Pierce）が、ロシア語の文書などを英語に機械翻訳する研究を調べた。報告書は、人の翻訳や手直しに頼らない機械翻訳という意味で「一般の科学の文章の機械翻訳はこれまで無く、すぐの見込みも無い」と書いた（p.19）。そして予算を、「計算言語学」（言葉のしくみの研究）と「翻訳の改善」（人の翻訳を速く安くする工夫。機械の助けもふくむ）の2つに回すよう勧めた（p.34）。

京都大学・長尾真のグループの1970年代 ── 日本語の文を読んで答える研究から、論文の題名の機械翻訳TITRANへ

京都大学の長尾真と辻井潤一は、質問に答えるシステムのために、化学の教科書の日本語文を解析して、内容を意味ネットワーク（意味のつながりの網）の形にするプログラムを作った。1976年にアメリカの計算言語学の学術誌で発表された。前の文の内容（文脈）を使って代名詞の指示先を決めたり、省略された言葉を補ったりするのが特徴である。論理式だけに頼る当時の多くのAIとは異なり、人間の直観的な推理は言葉の働きそのものに基づく、という立場をとった。長尾自身の1993年のまとめによれば、京都大学の機械翻訳研究は1962年に始まった。1973年には文法記述言語PLATON、1979年には理工学論文の題名を英日翻訳するシステムTITRANを開発し、文献データベースINSPECの翻訳に利用した。TITRANは題名の構造を十数個の『骨組み』に分類して語順を入れ替える方法で、誤り率は5%未満だった（長尾1982）。

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）。

「『パーセプトロンズ』が脳をまねたAIの研究を止めた」は本当か：意見が分かれている

「1969年の本が、脳の神経をまねて学ぶ機械（ニューラルネットワーク）の研究を止め、その後10年以上の冬を呼んだ」という話がよく語られる。ノーベル物理学賞の解説（2024）は、この本が研究費の空白につながったと書く。一方、歴史をまとめたNilsson（2010）は「そう言う人もいるが私は疑う」と書いた。科学の社会学の論文（Olazaran 1996）は、次のように論じた（要旨）。本の証明は、ニューラルネットではこれ以上進歩できないことを示すと受けとられた。それは、記号を使うAIが主流として根づき、正しいとされていく中でできた公式の解釈だった。1980年代後半の復活のあとには、論争の『公式の歴史』が書き直された。著者たちも1988年に、本のせいだというよくある見方に対して「十分な基本の理論が無いため、進歩はすでに事実上止まっていた」と反論した。

分かっていないこと：研究費がどれだけ減ったかを、ニューラルネットワークの研究に絞った数字で示した資料は見つけられていない。本の影響の大きさは、数字ではなく人の証言や解釈で語られている。

『パーセプトロンズ』の日本語訳が、原書の2年後に出る（東京大学出版会）

ミンスキーとパパートの本は、1971年に『パーセプトロン：パターン認識理論への道』として日本語に翻訳された（斎藤正男 訳、東京大学出版会、292ページ）。1988年の増補版も、1993年に中野馨・阪口豊の訳で出版された（パーソナルメディア）。1993年の訳者の中野馨は、国会図書館の目録では『アソシアトロン』の本（1979年、昭晃堂）の著者と同じ名前で、共訳者の阪口豊との共著論文（1992年）も目録にある（同一人物と考えられるが、目録に明記はない）。

甘利俊一「適応的なパターン分類器の理論」（誤差から少しずつ重みを更新する学習理論）

甘利俊一さんが、データを1つ見るたびに、誤差に応じて重み（どの特徴をどれだけ重視するか）を少しずつ更新していく学習法を数学的に解析した。英語論文の要約には、きれいに分類できないデータでも最適な重みに近づくことの証明や、学習の速さと正確さの引きかえ、区分線形な（折れ線のような）判別への拡張が書かれている。1968年の日本語の解説では、この学習法を「確率的降下法」と呼んでいる。シュミットフーバー（2022）は、多層ニューラルネットワークを確率的勾配降下法（現在のディープラーニングの基本となる学習法）で学習させた、おそらく最初の論文だと書いている。

分かっていないこと：5層のネットワークで実際にどこまで学習できたか（1968年の本・H. Saitoの修士論文）は、元の資料を開いていないため分からない。

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。

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。

ライトヒルの見通し：これからの25年でAIという分野はほぼ分裂し、汎用プログラムは「相変わらず遠いように見える」

ライトヒルは報告の4節「これからの25年」で、応用に結びついた研究（工場の自動化や脳の研究など）はそれぞれの専門分野と強く結びついて進むと書いた。一方でロボット開発のような『橋渡し』は評価と研究費を失い、AIというひとまとまりの分野は解体するだろうと予想した。3節では、大量の知識を使って自分で学習する汎用的な仕組みを20世紀中に期待するのは現実的でない、という研究者たちの結論を紹介し、何でもできるプログラムは『相変わらず遠いように見える』とした。

その後：(1) 1970〜80年代には、言語処理・エキスパートシステム・画像処理など応用分野への特化が実際に進んだ（Nilsson p.265）。一方で『AI』という呼び名のまとまりは消えず、Nilssonは1975〜1985年ごろをAIの『好景気（boomtimes）』と呼んでいる（p.343）。(2) 20世紀中には、大量の知識を使って自分で学習する汎用的な仕組みは作られなかった。深いニューラルネットワークを学習させることは1990年代の多くの研究者にとって実現困難とみられており、状況が変わったのは2000年代だった（ノーベル委員会2024）。

1972年、名前の出ない科学者たちの予言：1980年代に「人間規模の知識をもつ万能の知能」、2000年までに「人間の知能を超える機械の知能」の可能性

ライトヒル報告の3節によると、『有能で尊敬される科学者たち』がライトヒルへの手紙で予言を伝えていた。AIは進化の次の一歩であり、1980年代には人間並みの知識をもつ汎用知能が実現する可能性があり、2000年までに人間を超える機械の知能という『畏れを感じさせる』可能性があるという。ライトヒルは、こうした予言が1972年になっても出されていることを、過去の予言と実際の成果を比べるべき理由として挙げた。

その後：1980年代：汎用知能は実現せず、期待に届かなかったことが1980年代半ば〜後半の『AIの冬』の一因になった（Nilsson p.408）。その冬の間、研究者はより控えめな目標に向かい、大胆な予言は減った（p.429）。2000年：予告された期限までに、機械の知能が人間を全体として超えることは起きなかった（深いニューラルネットワークを本格的に学習させられるようになったのは2000年代以降。ノーベル委員会2024 p.7）。

分かっていないこと：手紙を書いた科学者が誰なのかは、報告からは分からない。

テレビ公開討論：ライトヒル対ミッキー、マッカーシー、グレゴリー（BBC「Controversy」、王立研究所）

1973年7月4日、報告の内容をめぐってロンドンの王立研究所（Royal Institution）で公開討論が開かれた。BBCがテレビ番組「Controversy（論争）」の1回として収録し、8月30日にBBC2で放送した。討論の題は「汎用ロボットは幻（The general purpose robot is a mirage）」で、一般の人々が客席を埋めた。ライトヒルは報告を説明し、自動化と、本人が『幻（mirage）』と呼んだ汎用ロボットとの違いを話した。エジンバラ大学のDonald Michie、スタンフォード大学のJohn McCarthy、ブリストル大学のRichard Gregoryが反論した。MichieはロボットFreddy IIが模型を組み立てる映像を見せた。録画は約81分で、エジンバラ大学が公開している。

アメリカ国防総省DARPAの5年の「話し言葉を分かる機械」計画：目標達成の装置が出たのに後続計画は打ち切り

DARPAは1971年から5年間、年間約300万ドルの研究費を、つながった話し言葉を理解する機械の研究（SUR）に出した。目標は語彙数1000語、多くの話者、意味の誤り率10%未満などだった。1976年、カーネギーメロン大学（CMU）のHarpyが1011語で意味の誤り率5%を達成し、目標をクリアした。しかしDARPAは予定していた後続計画に予算を出さず、話し言葉の研究を大規模に再開したのは1984年だった。

その後：1976年9月、CMUのHarpyが1011語・意味の誤り率5%を達成し、引き下げた目標を満たした（CMU報告）。当初の1万語・電話越しの構想は、この計画内では実現しなかった。DARPAは後続の計画を出さなかった。

アメリカの法律で、国防の予算を「軍の特定の働きや作戦と、直接で明らかな関係がある研究」だけに使うと決まる（マンスフィールド修正条項）

ベトナム戦争のころ、アメリカ議会は国防予算に関する法律（Public Law 91-121）の第203条で、「軍の特定の働きや作戦と、直接で明らかな関係がある研究」にしかこの法律の予算を使ってはいけないと定めた。提案者の名前から「マンスフィールド修正条項」と呼ばれる。AIの研究費を多く支出していた国防総省のARPA（後のDARPA）は、研究が軍の役に立つことを示すよう求められるようになった。

日本電気（NEC）の迫江博昭・千葉成美が、話す速さの違いを「動的計画法」でそろえて声を聞き分ける方法（DPマッチング）を発表

人は同じ言葉でも話す速度が変わる。NEC中央研究所の迫江博昭と千葉成美は、音声の時間の伸び縮みを、動的計画法（多くの候補から最適な手順を効率よく探す計算方法）でそろえて登録音声と比較する手法を示した。1971年の論文では、5人が話した1けたの数字2400回で平均99.8%、続けて話した2けたの数字500回で99.6%を正しく認識した。1978年には改良版をIEEEの学術誌に発表した。

日本の国の大型研究「パターン情報処理システム」開始（1971〜1980年度）：パターン認識するコンピュータづくり

アメリカやイギリスでAIの研究費が削減されていた1971年、日本の通商産業省は、国のお金で進める大型プロジェクトに『パターン情報処理システム』を加えた。文字や図形などを認識するコンピュータを、電子技術総合研究所を中心に民間企業と協力して開発する計画で、国会では『第四世代のコンピューター』とも説明された。開始時の説明は『全額国が支出をいたしまして、八年間に三百五十億円程度』（8年間で350億円ほどを、全部国が出す）だったが、1985年の国会答弁では、1971〜1980年度の委託費は約220億円とされた。

分かっていないこと：計画の詳しい内容（どんな装置を作り、何ができたか）の報告書は、このサイトでは開いていない。成果の評価は未確認。

日立中央研究所のロボットHIVIP：3方向の図面を読み、部品を見つけて自力で組み立てる

日立（Hitachi Ltd.）中央研究所のMasakazu Ejiriらは、目（EYE）・頭脳（BRAIN）・手（HAND）の3つからなるロボットHIVIPを開発した。1台目のカメラが3方向から描かれた組み立て図を見て、完成形と部品、組み立て順を読み取る。2台目のカメラが台の上にばらばらに置かれた部品の形・位置・向きを認識する。コンピュータが手順を決め、7つの自由度（動く向き）を持つアームが組み立てる。扱える対象は簡単な多面体（角ばった積み木のような形）に限られていた。論文は、将来の工場の組み立てや検査には、人間の目と手の働きを機械で実現することが必要だと述べている。

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。

甘利俊一（東京大学）の「自己組織するネットワーク」：パターンやその並びを安定状態として覚える

東京大学の甘利俊一は、神経細胞を模したしきい素子のネットワークが、外から見せたパターンやパターンの並びを、落ち着いた状態や決まった状態遷移として『覚える』仕組みを理論的に調べた。多数のパターンを同時に記憶できる条件や、ノイズがあっても思い出せるかどうかを示した。10年後の1982年にHopfieldが発表して有名になる連想記憶（一部から全体を思い出すネットワーク）のモデルと数学的に同等であると、京都賞（2025）の紹介文に記されている。

名古屋で日米の、学習する機械の研究集会：パターン認識と学習制御の28本

1970年8月、名古屋で『制御系の学習過程に関する日米セミナー』が開かれた。日米科学協力事業として、アメリカの全米科学財団と日本学術振興会が支援した。パターン認識（ものを識別する仕組み）や、経験から学習して良くなる制御（学習制御）について28本の論文が提出された。日本からは、教師なし学習、ニューラルネットワークによる手書き文字認識、中野馨の連想記憶モデル、ファジィを使った学習制御などが発表された。

福島邦彦（NHK放送科学基礎研究所）の「コグニトロン」：教師なしで自ら組み上がる多層ネットワーク

NHKの研究所の福島邦彦は、脳の神経の結びつきが強まる仕組みについて新しい考えを示した。それを使い、多層ニューラルネットワークが『先生』（一つ一つの細胞がどう反応するかを細かく教える役）なしで自ら組み上がる方法を示した。『コグニトロン』と名づけてコンピュータで試すと、深い層ほど広い範囲を受け持ち、最後の層のニューロンは特定の模様にだけ反応するようになった。

福島邦彦の「ネオコグニトロン」：位置ずれに強い多層ニューラルネットワーク。今の画像認識AI（CNN）の源流とされる

NHKの研究所の福島邦彦は、コグニトロンを発展させ、文字などのパターンを、位置がずれたり形が少し崩れたりしても識別できる多層ニューラルネットワーク『ネオコグニトロン』を発表した。脳の視覚の研究（HubelとWiesel）を参考に、特徴を抽出するS細胞の層と、位置のずれを吸収するC細胞の層を何段も重ねた。同じ面の細胞は、同じ結合の重みを、位置だけずらして持つ。教師なしで学習し、コンピュータで7層のネットワークを試した。2024年のノーベル物理学賞の解説は、今の画像認識AI（畳み込みニューラルネットワーク、CNN）の源流にこの研究を挙げる。

金出武雄（京都大学）の博士論文：コンピュータが顔写真から目・鼻・口を自動検出し20人を識別

京都大学の金出武雄は、中型コンピュータと高速なミニコンをつないだ画像処理システムを開発した。顔写真から目・鼻・口などの特徴点を自動検出するプログラムを作成した。うまくいかないときは前の段階に戻ってやり直す『フィードバック』の工夫を取り入れ、約800枚の顔写真で検証した（うち688枚は1970年の大阪万博で集めた顔）。さらに20人の顔（1人2枚、1か月あけて別の場所で撮影）を、特徴点から計算した16個の数値で識別する実験を行った。

大阪万博の「コンピュータの天眼鏡」：カメラで撮った顔を自動で読み取り、性格の型を答えるショー

1970年の大阪万博の住友童話館で、NECが『コンピュータの天眼鏡』というショーを作って動かした。テレビカメラで来場者の顔を撮り、コンピュータ（NEAC 2200モデル200）が濃淡の模様から線を抽出して、鼻・口・あごなどを検出した。顔の3つの角度から、制作者側が用意した21種類の『性格基本型』のどれかを選び、音声と有名人の似顔絵ランプで伝えた。仕組みとプログラムは京都大学の坂井利之教授と長尾真助教授の協力で開発された。ここで集められた顔データの一部は、のちに金出武雄の顔の研究に使われた。

分かっていないこと：顔から性格が分かるという考え（人相）自体には、科学的な裏づけがあるとは言えない。この展示の判定ルールは制作者側（プロデューサー）が用意したもので、技術が見せたのは、顔の部分を自動で見つけるところまで。

早稲田大学のWABOT-1：2本の足で歩き、手でつかみ、目で見て、日本語の音声命令で動く人間型ロボット

早稲田大学の加藤一郎たちの研究グループは、ロボットを『作業する手と移動する足と意識する頭とが一体…自律的に行動する機械』（手と足と頭が一体で、外と内の情報を取り入れて自分で動く機械）と定義し、人間型ロボットWABOT-1を開発した。油圧駆動の2本の足で歩き、両手で物をつかみ、人工の目で物の位置を捉えた。小型コンピュータ（ミニコン）を頭脳として搭載し、区切って発声された日本語の命令を認識して声で応答した。1973年の報告では、20 kgの荷物を載せ、音声の命令どおりに直進や方向転換ができたと記されている。

森政弘「不気味の谷」── 人に似すぎたロボットは、かえって気味が悪い？

当時東京工業大学のロボット工学の教授だった森政弘が、エッソ（Standard Oilの日本の会社）の雑誌『Energy』の、ロボットと思想を特集した号に、随筆『不気味の谷』を発表した。努力が増えれば収入が増えるように、ふつう、ものごとは『単調に増える』と思われがちだが、山登りの道のように途中に谷があることもあると前置きした。そして、ロボットの見た目や動きが人に近づくほど親しみが増すものの、人そっくりになる手前で急に気味悪さに変わる谷がある、という考えをグラフで示した。例として、本物と見分けがつかない義手が、作り物と分かった瞬間に気味悪く感じられることを挙げた。そのうえで、谷をこえて人そっくりを目指すより、ほどほどの人らしさの『最初の山』をねらい、わざと人らしくない形にするよう、ロボットの設計者に勧めた。

分かっていないこと：なぜ人は、人に似すぎたものを気味悪く感じるのか。脳波などで谷があることを示す研究はある。しかし森自身は2012年に、脳波の研究は『そもそもなぜ気味悪く感じるのかを、まだ説明していない』と話していた。

国産初の産業用ロボット「川崎ユニメート2000」── 人手不足の日本で大きな反響

1966年、川崎重工業がアメリカのユニメーション社からエンゲルバーガーを招いてセミナーを開いた。これが予想に反して大盛況となり、日本の産業用ロボットブームの火付け役となった（発明協会）。川崎重工は1968年に同社と技術提携し、1969年に国産初の産業用ロボット『川崎ユニメート2000型』の1号機を明石工場で完成させた。高度経済成長期の人手不足を補う存在として、大きな反響を呼んだ（川崎重工）。当初は評価用にとどまっていたが、1973年に日産自動車とトヨタ自動車へスポット溶接ロボットを納入してから、自動車工場で本格的に使われ始めた（発明協会）。

分かっていないこと：同じ産業用ロボットでも、アメリカでは『雇用を奪ってしまうのではないか』と労働者から心配された（発明協会）。一方、高度成長期の日本では『働き手不足を補うロボット』の出現として大きな反響を呼んだ（川崎重工）。同じ技術の受け止め方が、国の人手の事情でどう変わるかは、今のAIにもつながる問いである。

マンガ『ドラえもん』の連載が始まる ── 22世紀から来たネコ型ロボット

藤子・F・不二雄のマンガ『ドラえもん』が、小学館の学年別学習雑誌（学年誌）で連載を始めた。第1話『未来の国からはるばると』は『小学四年生』1970年1月号に掲載され、同じ月の『小学三年生』などにも別の話が載った。のちには『小学一年生』から『小学六年生』までの6つの雑誌で、学年に合わせて描き分けた話を同時に連載した。学年誌を中心に26年にわたって連載は続いた（小学館）。ドラえもんは、怠け者ののび太を助けるために未来から来たネコ型ロボットである。公式サイトの紹介では誕生日は2112年9月3日とされている。

マッカーシーとヘイズが、変わらないことまで全部書かないといけない問題（フレーム問題）に命名

論理式で世界を表現し計画を立てるAIでは、行動によって変わることだけでなく、変わらない事実も1つずつ記述する必要がある。John McCarthyとPatrick Hayesはこの困難を「フレーム問題」と名づけた。行動がn個、状態を表す量がm個あると、変わらないという条件をm×n個も記述することになりかねないと指摘した。

分かっていないこと：技術的な意味のフレーム問題は、現在ではほぼ解決したとされる（SEP、Shanahan）。一方、哲学的な意味（何が関係あるかの絞り込み）は議論が続いているとされる。現代の大規模なAIがこれをどう扱っているかは、このサイトではまだ調べていない。

「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

計算機のプログラムBKG 9.8が、バックギャモンの世界チャンピオンに7対1で勝つ。ただし作者は、今回はプログラムが「運の要素の恩恵を受けた」と書いた

1979年7月15日、モンテカルロで、カーネギーメロン大学のHans Berlinerが開発したバックギャモン（さいころを使う盤のゲーム）のプログラムBKG 9.8が、新しく世界王者になったLuigi Villaと7点先取で対戦し、7対1で勝利した。コンピュータがそのゲームで、公認の世界王者に初めて勝った、と作者は書いた。一方で、試合では王者のほうが明らかに上手で、今回はプログラムがさいころの運に恵まれた、とも書いている。

スタンフォード・カート：カメラ映像だけで障害物を避けるが、1 m進むのに10〜15分

スタンフォード大学の人工知能研究所で、Hans Moravecはテレビカメラを搭載した台車（カート）を、カメラ映像だけを頼りに、椅子などが置かれた場所で障害物を避けて進ませた。複数の角度から撮影した写真から物体の位置を立体的に把握し、回避する経路を計画した。少し進んでは止まって撮影し、長時間計算してから再び前進した。1 m進むのに10〜15分かかり、障害物を3〜4回避ける20 mのコースに約5時間かかった。

最初のコンピュータ将棋プログラム：初期の実力は「アマチュア20級」

NECの依頼を受け、1974年に早稲田大学の高橋磐郎教授、学生名人の星野隆一郎、大学院生の瀧澤武信の研究グループが将棋プログラムの開発を始めた。すでに日立の越智利夫らが詰将棋（王を詰める問題）を解くソフトを開発していたが、それとは別のものである。当初は、先の手を読んで手を選ぶ最も基本的な手法（ミニマックス法：自分は点数が最も高くなる手、相手は最も低くなる手を選ぶと考えて読む方法）だけだった。実力は『全くの初心者レベル』で、あえて言えばアマチュア20級だった。その後、大阪大学や東京農工大学のグループも開発に参入した。瀧澤は読みの方法を改良したが、1984年のテレビ企画で小学生名人と対局した際は惨敗し、5級と評価された（瀧澤・小谷2009）。

サールの「中国語の部屋」：記号操作で正しく答えても、意味を理解していると言えるか

哲学者John Searleは、ある思考実験を出した。中国語を知らない自分が部屋にこもり、英語で書かれた規則の本だけを使って、差し入れられた中国語の質問に中国語で答える。外から見ると中国語が分かる人と区別できなくても、部屋の中の自分は何も分かっていない。だから、プログラムに従って記号を操作するだけのコンピュータも、意味を分かっているとは言えない、と論じた。論文は27人の反論や意見と一緒に学術誌に載った。

分かっていないこと：記号を正しく操作するだけの機械が意味を分かっていると言えるかという問いは、1980年から現在まで議論が続き、合意がない（SEP 2024）。現在の文章生成AIにもそのまま向けられる問いで、分かっていないことの代表例として使える。

ELIZAを作ったワイゼンバウムが本で警告：「計算機にさせられるかどうかとは関係なく、させるべきではない仕事がある」

人と会話しているように見えるプログラムELIZAを作ったMITのJoseph Weizenbaumは、多くの人がELIZAを本気で相手にして心を打ち明けたことに驚き、AIを批判する立場をとった。1976年の本『Computer Power and Human Reason（計算機の力と人間の理性）』で、人間と機械は異なり、本当に人間的な選択や判断を機械に任せてはいけない、と書いた。