【DENDRAL🧫】有機化合物の分子構造を推定するエキスパートシステム✨：G検定合格講座 No.28

DENDRAL🔬

第2次AIブームの幕開けを象徴する最重要キーワードがエキスパートシステムであり、その先駆けとなったのがDENDRAL（デンドラル）です✨

本稿では、DENDRALの歴史的背景から技術的詳細、数学的側面までを徹底的に解説しますので、一緒に学習していきましょう💚

DENDRALの誕生と歴史的意義

1960年代半ば、初期のAI研究は「一般問題解決者（GPS）」のように、どんな問題でも解ける汎用的なアルゴリズムを目指していました。
しかし、現実世界の複雑な問題に対しては、探索空間が膨大になりすぎる「組合せ爆発」に直面し、行き詰まっていました。
この状況を打破したのが、スタンフォード大学のエドワード・ファイゲンバウムらによって開発されたDENDRALでした📝

DENDRALは、特定の分野（有機化学）に特化した知識をコンピュータに組み込むことで、未知の有機化合物の構造を質量分析データから特定するシステムとして構築されました。
これは「知識こそが知能の源泉である」という知識工学の考え方を世界で初めて実証した例であり、AIの歴史を汎用的探索から知識重視へと大きく転換させた金字塔といえます🏅

エキスパートシステムの構造とDENDRALの処理フロー

DENDRALは、現代のエキスパートシステムの基本形である「知識ベース」と「推論エンジン」の分離という概念を既に持っていました。
その処理は、大きく分けて三つのフェーズで構成されています🔖

第一にPlan（計画）フェーズです。
ここでは質量分析器から得られたデータに基づき、化学的に不可能な部分構造を持つ候補を排除します。

第二にGenerate（生成）フェーズです。
ここではグラフ理論に基づいたアルゴリズムを用い、理論的にあり得る分子構造の全パターンを網羅的に列挙します。

第三にTest（検証）フェーズです。
生成された各候補について、もしその構造が正しい場合に得られるであろう質量分析データをシミュレーションし、実際の実測データと照らし合わせて最も一致するものを正解として出力します。

グラフ理論と数学的制約モデル

DENDRALの核心的な技術は、分子構造をグラフとして捉える数学的アプローチにあります🌟
有機化合物は、原子を頂点（ノード）、化学結合を辺（エッジ）とするグラフ構造と見なせます。
与えられた分子式に対して、不変なグラフ（同型でないグラフ）を効率よく生成することが求められました。

ここで、探索空間を限定するために用いられた重要な指標が、不飽和度（水素欠乏指数）$${ U }$$です。

分子式を$${ C_x H_y N_z O_w }$$としたとき、不飽和度$${ U }$$は以下の数式で定義されます。

$${ \Large U = \frac{2x + 2 + z - y}{2} }$$

この$${ U }$$の値は、分子内に含まれる「二重結合の数」と「環（サイクル）の数」の合計を表します。

DENDRALはこの値を制約条件として用いることで、生成すべきグラフの種類を劇的に制限し、計算効率を飛躍的に高めました。

具体的な計算演習

それでは、簡単なエクササイズとして、不飽和度を用いた構造推論の計算問題を解いてみましょう👍

例題：質量分析の結果、ある有機化合物の分子式が$${ C_6 H_{10} }$$であることが判明しました。
この化合物が持ち得る「二重結合と環の数の合計」を求めてください。

解答と解説：不飽和度の公式$${\Large  U = \frac{2x + 2 + z - y}{2} }$$に値を代入します。
この分子式では$${ x = 6 }$$（炭素数）、$${ y = 10 }$$（水素数）、$${ z = 0 }$$（窒素数）となります。

$${ U = \frac{2 \times 6 + 2 + 0 - 10}{2} }$$
$${ U = \frac{12 + 2 - 10}{2} }$$
$${ U = \frac{4}{2} = 2 }$$

計算の結果、不飽和度は$${ 2 }$$と求まりました🧮

これにより、この化合物は「二重結合が2個」「環が2個」「二重結合1個と環1個」「もしくは三重結合が1個」のいずれかの構造的特徴を持つことが数学的に保証されます。
DENDRALはこのように、化学的知識を数学的制約に落とし込むことで、膨大な探索空間を効率的に探索しました。

MYCINへの継承と知識獲得のボトルネック

DENDRALの成功を受け、次世代のエキスパートシステムとして開発されたのがMYCIN（マイシン）です🔍
MYCINは、感染症の診断と抗生物質の処方を支援するシステムであり、DENDRALのような確定的知識だけでなく、不確実な知識を扱うために「確信度（Certainty Factor）」という統計的な概念を導入しました。

しかし、これらのシステムはやがて「知識獲得のボトルネック」という深刻な課題に直面します💣
人間の専門家の知識をルールとして手動で書き起こす作業は膨大であり、また複雑に絡み合うルールの保守が困難になったためです💦
この課題の反省が、後の「データから自動的にルール（特徴量）を学習する」機械学習やディープラーニングへの期待へと繋がっていくことになります。
歴史を学ぶ際は、この「手動の知識（第2次）」から「自動の学習（第3次）」へのパラダイムシフトを意識することが重要です。

絶対に覚えたいフレーズ🔖

【復習】3度のAIブーム

本日のアウトプットはここまでとします！

DENDRALは、1960年代にスタンフォード大学で開発された、未知の有機化合物構造を推定する世界初の実用的エキスパートシステムであることを学習しました✨
汎用的な探索アルゴリズムに限界が見えていた当時、特定のドメイン知識を「知識ベース」として活用する有効性を証明し、第2次AIブームを引き起こしました。
技術的には、グラフ理論と不飽和度などの数学的制約を用いることで、組合せ爆発を回避する仕組みを構築しました。
この成功は、医療診断システムMYCINなどへ継承されましたが、同時に人間の知識を記述し続けることの限界（知識獲得のボトルネック）を浮き彫りにし、後の機械学習の発展を促す契機となっていったのです⌛
上記のようなAI・機械学習の歴史をしっかり念頭において学習を進めていきましょう🔖


AIを味方に、DX人材としての自信と
キャリアの可能性をを手に入れるべく
引き続き、G検定合格を目指して
コツコツと学習を進めてまいります💚

引き続きよろしくお願いいたします！

前回のお復習い📚

復習を大切にして、確実にインプットした
知識を自分の記憶に留めておきましょう！

G検定とは？✨

G検定を取得するメリット💖

G検定の試験概要📝

• 主催団体: 一般社団法人日本ディープラーニング協会（JDLA）

• 試験形式: オンライン実施（自宅受験）

• 試験時間: 100分　※26年1月試験から変更。

• 出題形式: 知識問題（多肢選択式、約145~150問程度）

• 受験資格: 制限なし（誰でも受験可能）

• 受験料:

  • 一般：13,200円（税込）

  • 学生：5,500円（税込）

  • 再受験割引あり（受験日から2年以内は半額）

• 出題範囲: JDLAが公開しているシラバスに準拠

• 合格ライン: JDLAは公式に合格ラインを発表していませんが、一般的に70%程度の正答率が目安と言われています。

• 合格率: 開催回によって変動しますが、60%～75%程度で推移しています。

詳細な試験範囲：シラバスG2024#6

✅（シラバス）G2024#6～（出所）
技術分野と法令・倫理分野に分かれています！

今後はこちらのシラバスを参考に
試験対策に繋がる投稿を作成して
まいりますので、乞うご期待ください✨

G検定は、AI、特にディープラーニングに
関する基礎知識を幅広く習得し
ビジネスの現場でAIを活用するための
第一歩となる資格と言えるでしょう！

受験資格もなく、かつ、オンラインで
受験できるため、多くの方が挑戦しやすい
資格と言えるのではないでしょうか。

まずは、試験の合格に向けて
しっかりと学習に取り組んでまいります！

おすすめの参考書📚

おすすめマガジンのご紹介🔔

今後、さらにコンテンツを
拡充できるように努めて参りますので
何卒よろしくお願い申し上げます📚

最後までご覧いただきありがとうございました🌈

まだまだ浅学非才な私ですが
noteという最高の環境を活用して
日々、成長できるように精進します🔥

アウトプット前提のインプットを体現する
ことができるのは、本当に有意義であると
思いますし、成長の記録としても残るため
非常にやりがいを感じています。

社会人になってもnoteはなるべく
継続していきたいことではありますが
あくまで趣味としての取組みになりますので
優先順位を大切にして活動していきます！

お気軽にコメント、スキ&記事の共有
そして私のアカウントをフォローして
いただけると大変嬉しく思います✨

今後とも何卒よろしくお願いいたします！