←

修改词条 / Edit entry / 词条を編集

词条标题 / Entry title / 词条タイトル语言 / Language / 言語分类 / Category / カテゴリ二级分类 / Subcategory / サブカテゴリ Markdown 正文 / Markdown body / Markdown 本文

# AI冬

## 1 定義と背景

### 1.1 AI冬の概念
AI冬（AI Winter）とは、人工知能研究分野において、過度な期待と技術的限界の乖離から研究資金や関心が急減する歴史的停滞期を指す用語である。この現象は主に、大規模な研究プロジェクトの中止、政府や企業の投資撤退、学界の熱意低下として現れる。初めてこの言葉が用いられたのは1980年代半ばであり、気候の冬に例えた比喩表現として定着した。AI冬は複数回発生しており、1970年代の第一次と1980年代後半～1990年代初頭の第二次が特に有名である。

### 1.2 人工知能の初期発展と楽観主義
1950年代から1960年代にかけて、人工知能研究は急速な発展を遂げた。アラン・チューリングのチューリングテスト提唱（1950年）、ダートマス会議（1956年）での「人工知能」命名、ニューエルとサイモンによる「論理理論家」プログラムなど、初期の成果は研究者に強い楽観主義をもたらした。この時期、多くの研究者は「10年以内に人間と同等の知能を持つ機械が実現する」と予言し、米国国防総省や主要大学は積極的に研究資金を投入した。しかし、この楽観主義は現実の技術的課題を過小評価しており、後のAI冬の遠因となった。

## 2 第一次AI冬（1970年代）

### 2.1 背景と原因
第一次AI冬は1970年代半ばに発生した。それまでに蓄積された過度な期待が、基礎技術の壁に直面して崩壊したことが直接的な原因である。特に、機械翻訳や問題解決プログラムの成果が限定的だったこと、そして後述する二つの重要な批判的報告が影響を与えた。

#### 2.1.1 パーセプトロンの限界とMinsky論文
1969年、マービン・ミンスキーとシーモア・パパートは『パーセプトロン』を出版し、単純パーセプトロンがXOR（排他的論理和）のような単純な非線形問題すら解けないことを厳密に証明した。この論文は、当時盛んだったコネクショニスト研究に決定的な打撃を与えた。パーセプトロンはニューラルネットワークの基本的な構成要素であり、その限界が明らかになったことで、多くの研究者がこのアプローチを放棄し、研究資金も激減した。ミンスキー自身は後のニューラルネットワーク復活時に批判されることになるが、当時の数学的証明は揺るぎないものであった。

#### 2.1.2 Lighthill Reportの影響
1973年、英国の数学者ジェームズ・ライトヒル卿は英国科学研究評議会の依頼を受け、人工知能研究の現状を調査する報告書を発表した。ライトヒル報告は、当時のAI研究の多くが実用的成果を上げておらず、特にロボット工学や機械翻訳の分野で過大評価されていると指摘した。この報告書の影響で、英国政府はAI研究への資金を大幅に削減した。他の国々でも同様の傾向が生じ、第一次AI冬が本格化した。

### 2.2 結果と影響
第一次AI冬の直接的結果として、大学のAI研究部門が閉鎖されたり縮小されたりした。米国ではDARPA（国防高等研究計画局）が音声認識や機械翻訳への資金を大幅に削減。英国ではエディンバラ大学など主要研究拠点が打撃を受けた。この時期に多くの研究者がAI分野を離れ、認知科学やコンピュータサイエンスの他の分野に移行した。しかし、この冬の期間にも一部の基礎研究（例えば探索アルゴリズムや知識表現）は地道に続けられ、後の復活の種となった。

## 3 第二次AI冬（1980年代後半～1990年代初頭）

### 3.1 背景：専門家システムの普及と挫折
1980年代、専門家システム（エキスパートシステム）がAI商業化の旗頭となった。MYCINやXCONなどの成功例に刺激され、企業はこぞって専門家システムを導入した。しかし、これらのシステムは知識ベースの維持・更新が極めて困難で、新しい事例に対応できない脆さを持っていた。1987年には専門家システムへの投資がピークに達したが、その後急速に失速した。ユーザー企業は期待された生産性向上を実感できず、多くのプロジェクトが放棄された。

### 3.2 原因

#### 3.2.1 専門家システムの維持困難
専門家システムはドメイン知識をルールベースで表現するが、ルールの追加・変更が他のルールと矛盾を生じさせやすく、大規模なシステムになると悪魔的な複雑さに陥った。知識獲得のボトルネック（知識エンジニアが専門家から知識を抽出する困難さ）も解決できず、システムの精度向上が限定的だった。さらに、専門家自身の知識が暗黙的で形式化しにくい場合が多く、システムのメンテナンスコストは初期開発コストを大きく上回った。

#### 3.2.2 第五世代コンピュータプロジェクトの頓挫
日本の通商産業省が1982年に開始した第五世代コンピュータプロジェクトは、AI技術を核とした次世代コンピュータの開発を目指した。この国家プロジェクトには世界中から注目が集まり、欧米でも対応する研究プロジェクトが発足した（例：英国のAlvey計画、ECのESPRIT計画）。しかし、第五世代プロジェクトは1990年代初頭までに目標達成のメドが立たず、象徴的な失敗として終わった。特に、並列推論マシンの高性能化が困難だったこと、知識処理の限界が露呈したことが大きい。この挫折は、政府や産業界からAI研究全体に対する信頼を大きく損なわせた。

### 3.3 結果と影響
第二次AI冬により、専門家システム関連企業の多くが倒産または事業縮小した。米国のベンチャー企業だけでなく、シンボルジェネティクス社やテクノナレッジ社など有力スタートアップも消滅した。大学のAI講座は再び学生数を減らし、研究予算が削減された。しかし、この冬の時期にもコネクショニストの研究（後のディープラーニングにつながる）や統計的手法は細々と続けられていた。また、この冬の経験が、後にAI研究者が過度な約束を避ける文化を醸成する一因となった。

## 4 AI冬の共通要因

### 4.1 技術的限界
AI冬はいずれも、当時の技術的限界が原因の一部であった。第一次ではパーセプトロンの能力限界と探索の組み合わせ爆発、第二次では知識表現の脆さと推論のスケーラビリティ問題が挙げられる。どの時代でも、コンピュータの計算能力や記憶容量の制約が最終的な壁となった。例えば、1970年代のコンピュータでは現実的な問題を解くために必要な推論ステップ数を処理できなかった。

### 4.2 社会的期待と現実の乖離
AI冬の最大の共通要因は、研究者自身が巻き起こした過度な楽観主義と、それに基づく社会の過大な期待であった。第一次では「人間並みの知能が数年で実現する」という予言、第二次では「専門家システムがあらゆる知識作業を代替する」というビジョンがそれぞれ過大であり、実現できないことが明らかになると、失望が一気に広がった。このサイクルは、AIが「次の大きなもの」として取り上げられるたびに繰り返される現象であり、現在でも教訓として語られる。

### 4.3 資金調達の不安定性
AI研究は政府や企業の大型プロジェクトに依存する傾向が強く、その資金は政策や景気変動に影響されやすい。第一次ではLighthill報告後の英国政府の予算削減、第二次では日本の第五世代プロジェクト頓挫後の世界的な投資冷え込みが典型的である。また、ベンチャーキャピタルや株式市場の熱狂とそれに続く冷却も、AI冬を加速させた。例えば1980年代半ばのAI関連企業の株価上昇と、1987年の暴落後の資金難がそうである。

## 5 AI冬からの回復と教訓

### 5.1 ニューラルネットワークの復権
1980年代後半から1990年代にかけて、バックプロパゲーション法（誤差逆伝播法）の再発見や、ラメルハートらによる『並列分散処理』の出版により、ニューラルネットワーク研究が復活した。これにより、第一次AI冬で否定されたパーセプトロンの限界が多層ネットワークで克服できることが示され、コネクショニスト分野が再び活気づいた。さらに、1990年代後半にはサポートベクターマシンなどの統計的学習理論が台頭し、AIは実用的な応用を拡大していった。

### 5.2 機械学習パラダイムの台頭
第二次AI冬以降、ルールベースのアプローチからデータ駆動型の機械学習への転換が進んだ。これは知識獲得のボトルネックを回避し、統計的パターン認識によって問題を解決する手法である。特に2000年代に入ると、ビッグデータの増加とコンピュータの計算能力向上（GPUの活用など）により、ディープラーニングが急速に発展した。2010年代以降のAIブームは、この機械学習パラダイムの成功に支えられている。

### 5.3 AI冬がもたらした教訓
AI冬の歴史は、現在のAI研究コミュニティに重要な教訓を残した。第一に、過度な約束や誇大広告は長期的な信用を損ねるため、研究発表やメディア対応には抑制が必要であること。第二に、基礎研究と応用研究のバランスを保ち、技術的な限界を正直に評価することが重要であること。第三に、研究資金の多角化と持続可能性を考慮し、単一の資金源や流行に依存しない体制を築くべきであること。これらの教訓は、2010年代以降のAIブームにおいても、再びAI冬を招かないための指針となっている。

## 6 関連項目
- 人工知能の歴史
- シンボリックAIとコネクショニズム
- 専門家システム
- ニューラルネットワーク
- 機械学習
- ディープラーニング
- ダートマス会議
- Lighthill報告

## 7 参考文献
- Crevier, D. (1993). *AI: The Tumultuous History of the Search for Artificial Intelligence*. Basic Books.
- Nilsson, N. J. (2009). *The Quest for Artificial Intelligence*. Cambridge University Press.
- Russell, S., & Norvig, P. (2020). *Artificial Intelligence: A Modern Approach* (4th ed.). Pearson.
- 日本学術振興会 人工知能研究の歴史に関する委員会（編）. (2021). 『人工知能の歴史と未来』. 共立出版.