1 歴史的背景
1.1 開発の動機
1970年代、鉱物資源探査は高度な地質学的知識と多大なコストを要する作業であり、専門家の不足が深刻な問題となっていた。スタンフォード研究所（SRI）は、計算機を用いて地質学者の判断を模倣し、探査の効率化と精度向上を図るプロジェクトを開始した。具体的には、限られた地質データから鉱床の存在確率を推定し、有望な探査地域を絞り込むシステムの開発が目的であった。この背景には、当時の人工知能研究におけるエキスパートシステムの隆盛があり、DENDRALやMYCINなどの成功に刺激を受けた要素も大きい。
1.2 主要開発者
PROSPECTORの開発は、SRIの人工知能センターに所属する研究者が中心となった。主導的役割を果たしたのは、地質学者のアラン・キャンベル（Alan Campbell）と、人工知能研究者のリチャード・O・ドゥダ（Richard O. Duda）およびピーター・E・ハート（Peter E. Hart）である。ドゥダとハートはパターン認識や確率的推論の専門家であり、システムの中核となる不確実性処理機構の設計を担当した。また、実際の鉱床探査に携わる地質学者との協力により、知識ベースの構築が進められた。
2 システムアーキテクチャ
2.1 知識ベース
2.1.1 鉱床モデル
知識ベースの中核は、複数の鉱床モデルから構成される。各モデルは、特定のタイプの鉱床（斑岩銅鉱床、鉱脈型モリブデン鉱床など）を対象とし、その地質学的特徴を階層的に記述する。例えば、斑岩銅鉱床モデルは「火成活動の存在」「熱水変質帯の分布」「特定の鉱物組み合わせ」などの上位概念からなり、さらに下位の観測可能な証拠（岩石の種類、断層の向き、鉱染の程度など）に展開される。これらのモデルは、地質学の文献や専門家へのインタビューに基づいて形式化された。
2.1.2 推論ルール
推論ルールは「IF-THEN」形式で記述され、証拠から仮説への因果関係を表現する。各ルールには、その信頼性を示す確率的パラメータが付与されており、ルールの確からしさを数値化している。例えば、「もし岩石中に黄鉄鉱が多く見られ、かつ石英脈が発達しているならば、熱水変質が存在する可能性が高い」といったルールが該当する。ルールの数は全体で数百にのぼり、地質学者の専門知識を網羅的にカバーするよう設計された。
2.2 推論エンジン
2.2.1 前方推論
前方推論は、観測された地質データ（証拠）から出発し、ルールを適用して新たな事実や仮説を導出する手法である。PROSPECTORでは、ユーザーが入力した岩石サンプルの分析結果や物理探査データをもとに、システムが自動的に推論を進め、鉱床の存在可能性に関する中間的な結論を生成する。この方式は、データが豊富な場合に有用であり、探査の初期段階で広範な仮説を列挙するのに適している。
2.2.2 後方推論
後方推論は、目標となる仮説（「この地域に斑岩銅鉱床が存在する」など）を設定し、その仮説を支持または否定するために必要な証拠を逆方向に探索する手法である。システムはユーザーに対して、仮説の確度を高めるために不足している観測データを質問する。この対話的なプロセスにより、専門家が行うような仮説検証の思考過程を模倣する。PROSPECTORは両方の推論方式を組み合わせることで、効率的な探索を実現している。
2.3 不確実性処理
PROSPECTORの最も革新的な特徴は、ベイズ理論に基づく不確実性の定量的扱いである。各証拠と仮説の間には、事前確率と条件付き確率が設定され、ベイズの定理を用いて証拠の観測後に仮説の確率が更新される。具体的には、ルールごとに「十分性尺度（LS）」と「必要性尺度（LN）」と呼ばれる二つのパラメータが定義され、証拠が存在する場合と存在しない場合のそれぞれで仮説のオッズが変動する。これにより、不完全な地質情報の下でも合理的な評価が可能となった。
3 動作と評価
3.1 使用例
PROSPECTORの代表的な使用例として、米国ワシントン州のトルマン山（Mount Tolman）地域におけるモリブデン鉱床の探査が挙げられる。地質学者が現地調査で得たデータをシステムに入力したところ、PROSPECTORは高い確率でモリブデン鉱床の存在を予測した。その後の試掘により、実際に商業価値のある鉱床が発見された。この成功事例は、エキスパートシステムが実世界の資源探査に貢献できることを示す画期的な成果として広く認識された。
3.2 性能評価
性能評価は、既知の鉱床地域と非鉱床地域の両方で行われた。複数のテストケースにおいて、PROSPECTORの予測結果は経験豊富な地質学者の判断と高い一致率を示した。ただし、特定の鉱床タイプに偏った知識ベースのため、未知の地質環境では精度が低下するという限界も明らかになった。また、確率パラメータの調整には膨大な専門家の労力を要し、知識ベースの保守・拡張が容易でないという問題も指摘された。
4 影響と遺産
4.1 エキスパートシステムへの貢献
PROSPECTORは、不確実性下での推論手法を確立した点で、エキスパートシステム分野に多大な影響を与えた。特にベイズ推論を実用システムに導入した先駆的事例として、後のMYCIN（医療診断）やINTERNIST-I（内科診断）などのシステムに技術的基盤を提供した。また、知識ベースの階層的構造や前方・後方推論の併用といった設計思想は、その後のルールベースシステムの標準的なアーキテクチャの原型となった。
4.2 現代の応用
PROSPECTORの遺産は、現代の地質情報システムや鉱物資源評価ツールに受け継がれている。例えば、GIS（地理情報システム）と組み合わせた確率的鉱床予測モデルや、機械学習を用いた探査支援システムの基礎として、その確率推論の考え方が応用されている。さらに、不確実性を扱うアプローチは、医療診断、障害物回避、環境リスク評価など、多様な分野のエキスパートシステムに影響を与え続けている。