人工知能（AI）とは？

1955年8月31日、4人の研究者が「ダートマスの人工知能の夏の研究計画の提案」という文書を書きました。ダートマス大学のマッカーシー（John McCarthy）、ハーバード大学のミンスキー、IBM のロチェスター、ベル電話研究所のシャノンです。1956年の夏に、アメリカのニューハンプシャー州ハノーバーにあるダートマス大学で、10人で2か月、人工知能を研究しよう、という提案でした。「人工知能」という名前を付けたのは、マッカーシーだとされています。

提案書には、有名な一文があります。「この研究は、学ぶことや、知能のほかのどんな特徴も、原理的には、機械にまねさせられるほど正確に書き表せる、という見込みにもとづいて進める」。そして、機械に言葉を使わせること、物ごとをまとめた考え（抽象的な考えや概念）を作らせること、今は人にしか解けない種類の問題を解かせること、自分で自分をよくさせることを目指す、と書いています。注意深く選んだ科学者たちが、ひと夏いっしょに取り組めば、これらの問題の1つかそれ以上で、大きく前に進めるだろう、という見通しでした。

この研究会（ダートマス会議）をきっかけに、科学者たちにAIという言葉が知られるようになり、1960年代から、推論と探索を中心に研究がさかんになりました。

「人工知能」という名前ができる5年前の1950年10月、チューリング（Alan Turing）は、哲学の雑誌 Mind に「計算する機械と知能」という論文を出しました。書き出しは「『機械は考えられるか』という問いを考えたい」です。でもチューリングは、「機械」や「考える」という言葉の意味から答えようとはせず、この問いを、よく似た別の問いに置きかえました。それが「まねっこのゲーム」（模倣ゲーム）です。

ゲームには3人が出ます。男の人（A）、女の人（B）、そして別の部屋にいる、質問する人（C）です。Cは、声で分からないように、タイプライターで打った答えだけを見て、どちらが男の人かを当てます。チューリングは、「Aの役を機械がしたら、どうなるか。Cは、人どうしのときと同じくらい、当てまちがえるだろうか」と問いました。ゲームに出す機械は、デジタルのコンピューターに限っています。

チューリングは、約50年後には、ふつうの質問する人が、5分間質問したあとで正しく見分けられる見込みが70%以下になるくらい、うまくゲームをするように、コンピューターをプログラムできるだろう、と予測しました。元の「機械は考えられるか」という問いのほうは、「議論する値うちが無いほど、意味のない問いだ」と書いています。「チューリング・テスト」という呼び名は、機械が考えられるかという問いを扱うために、チューリングが1950年に出したこの提案を指します。

1つに決まった定義はありません。名前を付けたマッカーシーは、のちに書いた「人工知能とは何か」という文章で、AIを「知的な機械、特に知的なコンピューターのプログラムを作る科学と工学」と説明しています。では、人の知能と比べなくてよい、知能のしっかりした定義はあるか。この問いには「まだ無い」と答え、どんな計算の手順を知的と呼びたいのかを、まだ一般には言い表せないからだ、と書いています。総務省の情報通信白書は、AIを「人間等の知的活動をコンピュータにより再現する」ものと説明しています。

それでも、法律やルールを作るには、何をAIに入れるかを決めなければなりません。国際機関の OECD（経済協力開発機構）は、2019年に決めたAIの定義を、2023年11月に改めました。今の定義はこうです。「AIシステムとは、はっきり示された、またはそれとなく示された目的のために、受け取った入力から、予測・内容（コンテンツ）・おすすめ・決定などの出力をどう作り出すかを推しはかる、機械のシステム。その出力は、物の世界や仮想の世界（コンピューターの中の世界）に影響を与えうる。AIシステムによって、自律の度合いや、使い始めてからの適応の度合いはちがう」。「推しはかる」は、受け取ったものをもとに、どう答えるかを導き出すことです。自律の度合いは、人の手を借りずに、どれだけ学んだり動いたりできるか、適応は、使い始めたあとも変わっていくか（使う人の好みに合わせて変わるおすすめなど）のことです。このとき OECD は「内容」という言葉を足して、文章や絵を作る生成AIも入ることを、はっきりさせました。

EU（ヨーロッパ連合）のAI法（2024年）の第3条も、ほぼ同じ言葉で「AIシステム」を決めています。前文（法の前に置いた説明）は、定義を国際機関の仕事とそろえるべきだとし、AIシステムの大事な特徴は「推しはかる力」だ、と書いています。推しはかるやり方には、データから学ぶ機械学習と、書きこまれた知識から論理で導くやり方があり、人だけが決めた決まりのとおりに自動で動くだけのシステムは、AIシステムに入れない、としています。

日本では、2025年6月4日に公布された「人工知能関連技術の研究開発及び活用の推進に関する法律」の第2条が、「人工知能関連技術」を決めています。人の認知・推論・判断にかかわる知的な能力を、人工的な方法で代わりにする機能を実現するための技術と、入力された情報をその技術で処理して、結果を出力するしくみの技術です。言い方はちがっても、どれも「入力を受けて、答え（出力）を作り出す機械のしくみ」という形をしています。

AIの歴史は1950年代に始まり、研究がさかんになる「ブーム」と、下火になる「冬の時代」を、何度かくり返してきました。

第1次AIブーム（1950年代後半〜1960年代）は「推論・探索の時代」です。解く問題をコンピューターに合う形に書き、手順や選択肢を調べて、答えを見つけます。でも、コンピューターの計算の力やデータを扱う力に限りがあり、人の知能をモデルにするのも難しかったため、「トイ・プロブレム」（おもちゃの問題）と呼ばれる、簡単なパズルや迷路のような問題しか解けませんでした。実際の役に立てるのは難しく、冬の時代に入ります。

第2次AIブーム（1980年代から1990年代）は「知識の時代」です。コンピューターの性能が上がり、エキスパートシステム（ある分野の専門知識を持ち、専門家のように推論や判断をするシステム）が登場して、研究がまたさかんになりました。でも、学ばせるデータの量が多すぎて、当時のコンピューターでは処理しきれず、専門家の知識の一部をまねるだけで、複雑な問題には対応できませんでした。知識を、コンピューターが分かる形に人の手で書く必要もあり、大変な手間がかかったため、ふたたび冬の時代に入りました。

第3次AIブーム（2000年代〜）は「機械学習の時代」です。インターネットが家庭にも広まって、研究に使えるデータが大量に手に入るようになり、コンピューターの計算の力も上がって、データから学ぶ機械学習が進みました。機械学習の1つのやり方である深層学習（ディープラーニング）で、画像の見分けや言葉の処理ができるようになり、カメラの画像から人の顔を見分けることなどに使われるようになりました。

そして2022年11月30日、OpenAI が対話のAI「ChatGPT」を公開しました。その発表をきっかけに、文章や画像などを作る生成AIが特に注目されるようになり、2022年ごろからの生成AIの急速な広まりで、今は「第4次AIブーム」に入ったとも言われています。

たとえばメールです。Google は2019年、Gmail が機械学習のモデルなどで、迷惑メール・だましのメール（フィッシング）・悪いソフトつきのメールの99.9%より多くを、受信箱に届く前に止めている、と書いています（会社の発表）。

地図アプリもそうです。Google は2020年、Google マップが、道路の混み具合の過去の記録と今の様子を合わせ、機械学習で、混み具合や到着時刻を予想していると説明しました。予想した到着時刻は、97%より多くの移動で正確だった、としています（会社の発表）。

翻訳もです。Google は2016年9月、スマートフォンとウェブの Google 翻訳で、中国語から英語への翻訳を、すべてニューラルネットワークを使う新しいしくみ（GNMT）に切りかえました。前のしくみは、文を単語や句に分けて、ほぼ別々に訳していました。新しいしくみは、いくつかの主な言語の組み合わせで、訳のまちがいを55〜85%より多く減らした、と書いています（会社の発表）。

写真の中の顔を見つけるしくみもあります。Apple は、iPhone などの基本ソフト iOS 10 から、画像の中の顔を見つけるのに深層学習を使い始めた、と書いています。利用者のプライバシーを守るため、写真をネットの向こうのサーバーで調べるのではなく、端末の中で動かす必要があった、とも説明しています（2017年の Apple の研究の記事）。

どれも、1つの決まった仕事のために作られたAIで、「特化型AI」と呼ばれます。スマートスピーカーやチャットボット（対話のAI）も、私たちの日常にとけこんでいます。

特化型AIは、はっきり決まった仕事（や、そのまとまり）をするAIです。Google DeepMind（Google のAIの研究所）の研究者たちの論文「Levels of AGI」（2023年）は、AIを「どれだけ幅広いか」と「どれだけ上手か」で分けました。囲碁の AlphaGo は、特化型のレベル4（その仕事ができる大人の99%より上）、たんぱく質の形を当てる AlphaFold は、特化型のレベル5（すべての人より上）の例です。1つの仕事なら、人を超えるAIもあるのです。

汎用人工知能（AGI）は、1つのAIで、体を使わない幅広い仕事を、人と同じくらいか、それ以上にこなすAIです。新しいことを覚えるような力も含みます。同じ論文は、2023年の ChatGPT などを「汎用」のAIに数えましたが、段は、汎用AIの中でいちばん下のレベル1「芽生え」としました。汎用のレベル2から上は、どれも「まだ」です。AGIの定義や、もうできたのか、いつできるのかは、研究者や会社で考えが大きく分かれています。くわしくは「汎用人工知能」のページで説明しています。

AIが、いちばん広い言葉です。機械学習は、その中の、データから学ぶやり方です。AIを作るやり方には、機械学習のほかに、書きこまれた知識から論理で導くやり方もあります。第2次ブームのエキスパートシステムも、専門家の知識を書きこんで、推論や判断をするしくみでした。

深層学習（ディープラーニング）は、機械学習の手法の1つで、ニューラルネットワークという考え方を発展させた技術です。文章や絵を作る今の生成AIも、深層学習の技術で、AIの力が大きく伸びたことから生まれました。くわしくは「機械学習」「深層学習」「ニューラルネットワーク」のページで説明しています。