人工知能の定義と、人工知能分野で議論される問題（シラバス2024・技術分野の第1節）

2026年9月11日 12:19

出典: ワイズデータ [聞き流しで受かるIT・データ資格チャンネル] https://www.youtube.com/watch?v=2UB6HnB349E
公開: 2024-06-03 / 13分 / 8.6万回再生（2026-09-11時点）
扱う範囲: G検定シラバス2024（2024年11月試験から適用）の技術分野「人工知能とは」。「人工知能の定義」と「人工知能分野で議論される問題」の2項目

この動画で扱う範囲

シラバス2024の「人工知能とは」に載っているキーワードを、用語ごとに定義と具体例で読み上げていく回。前半は「人工知能の定義」で、AI効果・エージェント・人工知能の4レベル・AIとロボットの違い・機械学習・ディープラーニングを扱う。後半は「人工知能分野で議論される問題」で、シンギュラリティからフレーム問題まで13語を扱う。各項目の冒頭で、シラバスに書かれた学習目標を読み上げてから用語に入る。

要点

人工知能の定義の学習目標

シラバスの「人工知能の定義」には4つの目標が掲げられている。人工知能とは何かを具体例を用いて説明できること。人工知能のレベルを「単純な制御プログラム」「古典的な人工知能」「機械学習」「深層学習」の4つに分類し、それぞれを説明できること。AI効果を説明できること。人工知能とロボットの違いを説明できること。▶ 0:36

AI効果・エージェント・人工知能の定義

AI効果は、AIの仕組みや原理を知ることで、人々がその技術を特別視しなくなり、単なる自動化や高度なアルゴリズムに過ぎないと認識する心理状態を指す。AIの実際の能力が理解されるにつれて魔法のような印象が薄れ、単なるツールとして捉えられるようになる現象と説明される。▶ 1:08

エージェントは、特定の目的を達成するために自律的に行動するシステムやソフトウェア。具体例として自動運転車、ゲームで対戦相手などを務めるNPC、スマートフォンのSiriやGoogleアシスタントのようなバーチャルアシスタントが挙げられる。▶ 1:40

人工知能（AI）は、コンピュータやソフトウェアが人間の知能を模し、学習・推論・問題解決・意思決定などのタスクを自動的に実行する技術。定義は一意に定まっておらず、専門家の間ですら異なる。同じものを見ても、誰もがそれを人工知能だと認識するとは限らない。▶ 2:10

人工知能の4つのレベル

レベル1は単純な制御プログラム。事前に定義されたルールや条件に基づいて動作するプログラムで、基本的な自動化タスクに使われる。具体例は、温度センサーでエアコンのオン・オフを制御するもの、センサーが人を検知するとドアを開ける自動ドア。▶ 2:40

レベル2は古典的な人工知能。論理的ルールや知識ベースシステムに基づいて問題を解決する。自ら学習はしないが、掃除ロボットのように複雑な振る舞いを見せる機構を備えている。▶ 3:10

レベル3は機械学習を取り入れたAI。データからパターンを学習し、そのパターンを元に予測や分類を行う。ルールの抽出はアルゴリズムがデータから自動で行う。具体例は通販サイトの推薦システムと、大量のスパムメールを学習して新しいメールがスパムかどうかを予測するスパムメールフィルター。▶ 3:40

レベル4はディープラーニング（深層学習）を取り入れたAI。深層学習はニューラルネットワークを使用した機械学習の一種で、多層のニューラルネットワークを用いて高度な特徴抽出と予測を行う。大量のデータと計算資源を使って高度な認識能力を実現する。具体例は画像の中の物体や顔を認識する画像認識システムで、Googleの画像検索やFacebookの写真タグ付け機能が該当する。▶ 4:12

人工知能とロボットの違い、機械学習とディープラーニング

人工知能は環境からのデータを元に学習し、複雑な思考や高度な判断を行う能力を持つ。具体例は自動運転、画像認識技術。ロボットは人間が設計したプログラム通りに正確に動作し、プログラム外の行動は行わない。具体例は自動ドア、体温自動測定器。▶ 4:42

機械学習は、コンピュータが大量のデータを使って学び、その学習結果を使って予測や判断をする技術。AIに大量のコップの画像を学習させると自動的に特徴を見つけ、他のコップの画像も認識できるようになる、という例が挙げられる。ディープラーニングは人工知能の一種で、大量のデータから自動的に特徴を学習し、複雑な問題を解決する技術。与えられた画像が猫の画像かを判別する例が挙げられる。▶ 5:14

人工知能分野で議論される問題（前半）

この項目の学習目標は2つ。人工知能分野で議論されている代表的な問題について説明できること。汎用的な人工知能の実現可能性について、いくつかの例を取り上げて説明できること。▶ 5:44

シンギュラリティは、人工知能が急速に進化し人間の知能を超える時期のこと。2045年頃に到来すると言われている。▶ 6:16

シンボルグラウンディング問題は、AIが記号と現実世界の関係を認識できないことを指す。人間は「シマウマ」という単語を聞けば、実際にシマウマを見たことがなくても縞模様のある馬を想像できる。AIにとってシマウマはただの文字列に過ぎず、人間のように連想することはできない。AIが物事や文脈の本質を理解していないことを示す問題とされる。▶ 6:48

身体性は、物理的な身体が存在することで得られる効果を論じる問題。人間は身体を通じて環境と相互作用し、体験を通じて高度な知能を獲得する。AIは身体を持たないため、人間と同じようには知能を獲得できないという課題がある。身体性はシンボルグラウンディング問題にも関係し、人工知能が人間のように言葉を理解するには身体性が不可欠とされる。▶ 7:22

ダートマス会議は1956年にアメリカのダートマス大学で開催された会議で、人工知能の研究分野の誕生を象徴するイベント。この会議で初めて「人工知能」という用語が使われ、AIの基礎的な概念や目標が議論された。▶ 7:55

トイプロブレムは、コンピュータで扱いにくいほど複雑な問題を、本質を損なわずに簡略化したもの。これを使うと問題の核心を理解できる一方、限定された状況で設定された問題であり、実世界の問題には適用できないことが次第に明らかになった。▶ 8:27

知識獲得のボトルネックは、コンピュータが知識を獲得することの困難さを指す。第2次AIブームでは専門知識を備えたエキスパートシステムが盛んに開発されたが、その過程で膨大な知識を収集・管理する難しさや、専門家の暗黙知を取り込む難しさが浮かび上がった。シンボルグラウンディング問題などの課題もあり、収集した知識が増えると情報の矛盾や一貫性の問題が顕在化した。▶ 8:27

人工知能分野で議論される問題（後半）

強いAIは、幅広い領域で人間と同等またはそれ以上の知識や理解力を持ち、多様な問題に対処できるAI。複雑な問題を解決し新しい状況に適用する能力を持つが、現在の科学技術では作り出すことは不可能とされる。弱いAIは、限られたタスクや特定のドメインで高いパフォーマンスを示すが、一般的な知識や理解力に欠けるAI。音声認識や画像分類など特定の任務を行うAIが該当する。▶ 8:57

チューリングテストは、コンピュータが人間と区別できないほど自然な会話を行うかどうかを判断するテスト。人間とコンピュータの間で会話を行い、外部の審査員がどちらが人間かを判断する。コンピュータが人間と同等の知能を持つかを評価する際に使われる。▶ 9:57

中国語の部屋はチューリングテストの一種で、コンピュータが中国語で会話をしてコンピュータだと気づかれないようにするテスト。コンピュータは中国語を理解できず、マニュアルに従って動作するだけなので弱いAIと見なされる。テストに合格する弱いAIはあるが、物事を理解する強いAIは実現できないと言える、という説明がされる。▶ 10:29

ローブナーコンテストは、人工知能が自然な人間の対話を模倣できるかの精度を競う大会。チューリングテストに基づき、審査員が人間とコンピュータとの会話を通じてどちらが人間かを判断する。1991年から毎年開催されている。▶ 11:01

統計的機械翻訳（SMT）は、統計モデルを使用して文の翻訳を行う機械翻訳の手法。大規模な文書の集合を使い、言語間の文の対応関係や確率を統計的に学習する。例として、英語の bank は money や employee と一緒に使われる場合に「銀行」と訳される確率が高い、という文脈による意味の変化を統計的に学習する。ルールベース機械翻訳（RBMT）は、人間が作成した言語規則を使用して文の翻訳を行う手法。文法や語彙、文脈などの言語的な規則を明示的に定義し、規則に基づいて翻訳する。▶ 11:33

フレーム問題は、本来問題解決に必要のない背景まで考慮して計算し続けてしまい、情報処理能力を超えて機能が停止する問題。買い物を例にすると、AIは商品の配置が変わる可能性、他の顧客の動き、在庫状況など無数の要素を全て計算しようとするため処理に時間がかかり、目的の達成が難しくなることがある。▶ 12:03

用語

AI効果 AI effect AIの仕組みや原理を知ると、人々がその技術を特別視しなくなり、単なる自動化やアルゴリズムと認識する心理状態。
エージェント agent 特定の目的を達成するために自律的に行動するシステムやソフトウェア。自動運転車、ゲームのNPC、バーチャルアシスタントが例。
単純な制御プログラムレベル1 事前に定義されたルールや条件に基づいて動作するプログラム。エアコンの温度制御、自動ドアが例。
古典的な人工知能レベル2 論理的ルールや知識ベースシステムに基づいて問題を解決する。自ら学習はしないが複雑な振る舞いを見せる。
機械学習 Machine Learning、レベル3 データからパターンを学習し、予測や分類を行う技術。ルールはアルゴリズムがデータから自動的に抽出する。推薦システム、スパムフィルターが例。
ディープラーニング深層学習、レベル4 多層のニューラルネットワークを用いて高度な特徴抽出と予測を行う機械学習の一種。画像認識システムが例。
ロボット robot 人間が設計したプログラム通りに正確に動作し、プログラム外の行動は行わない。自動ドア、体温自動測定器が例。
シンギュラリティ singularity 人工知能が急速に進化し人間の知能を超える時期。2045年頃に到来すると言われる。
シンボルグラウンディング問題 symbol grounding problem AIが記号と現実世界の関係を認識できない問題。「シマウマ」が AI にはただの文字列に過ぎない。
身体性 embodiment 物理的な身体が存在することで得られる効果を論じる問題。人間のように言葉を理解するには身体性が不可欠とされる。
ダートマス会議 Dartmouth Conference 1956年にダートマス大学で開催。初めて「人工知能」という用語が使われた。
トイプロブレム toy problem 複雑な問題を本質を損なわずに簡略化したもの。限定された状況の問題で、実世界には適用できない。
知識獲得のボトルネック knowledge acquisition bottleneck コンピュータが知識を獲得することの困難さ。第2次AIブームのエキスパートシステム開発で、専門家の暗黙知を取り込む難しさとして浮かび上がった。
強いAI strong AI 幅広い領域で人間と同等以上の知識や理解力を持ち、多様な問題に対処できるAI。現在の科学技術では作れない。
弱いAI weak AI 限られたタスクや特定のドメインで高いパフォーマンスを示すAI。音声認識、画像分類が例。
チューリングテスト Turing test コンピュータが人間と区別できないほど自然な会話を行うかを、外部の審査員が判断するテスト。
中国語の部屋 Chinese room チューリングテストの一種。マニュアルに従って中国語で会話するコンピュータは中国語を理解しておらず、弱いAIと見なされる。
ローブナーコンテスト Loebner Prize チューリングテストに基づき、対話の自然さを競う大会。1991年から毎年開催。
統計的機械翻訳 Statistical Machine Translation、SMT 大規模な文書集合から言語間の対応関係や確率を統計的に学習して翻訳する手法。
ルールベース機械翻訳 Rule-Based Machine Translation、RBMT 人間が作成した文法・語彙・文脈の規則を明示的に定義し、規則に基づいて翻訳する手法。
フレーム問題 frame problem 問題解決に必要のない背景まで考慮して計算し続け、情報処理能力を超えて機能が停止する問題。買い物の例。

出題されやすい点

動画が「シラバスに掲げられた学習目標」として読み上げた項目は次の通り。

人工知能とは何かを、具体例を用いて説明できること
人工知能のレベルを「単純な制御プログラム」「古典的な人工知能」「機械学習」「深層学習」の4つに分類し、それぞれを説明できること
AI効果を説明できること
人工知能とロボットの違いを説明できること
人工知能分野で議論されている代表的な問題（シンギュラリティ、シンボルグラウンディング問題、身体性、フレーム問題など）について説明できること
汎用的な人工知能の実現可能性について、いくつかの例（強いAIと弱いAI、チューリングテスト、中国語の部屋など）を取り上げて説明できること

チャプター

0:04 シラバス2024（2024年11月試験から適用）の「人工知能とは」を扱う回であることの説明
0:36 「人工知能の定義」の学習目標4つ
1:08 AI効果
1:40 エージェント（自動運転車、NPC、バーチャルアシスタント）
2:10 人工知能の定義。専門家の間でも定義が異なる
2:40 レベル1 単純な制御プログラム、レベル2 古典的な人工知能
3:40 レベル3 機械学習、レベル4 ディープラーニング
4:42 人工知能とロボットの違い
5:14 機械学習（コップの例）、ディープラーニング（猫の例）
5:44 「人工知能分野で議論される問題」の学習目標2つ
6:16 シンギュラリティ（2045年）、シンボルグラウンディング問題（シマウマ）
7:22 身体性、ダートマス会議（1956年）
8:27 トイプロブレム、知識獲得のボトルネック
8:57 強いAIと弱いAI、チューリングテスト
10:29 中国語の部屋、ローブナーコンテスト（1991年から）
11:33 統計的機械翻訳（SMT）、ルールベース機械翻訳（RBMT）
12:03 フレーム問題（買い物の例）