AIの80年におよぶ発展を振り返る――学ぶべき5つの歴史的教訓
TechFlow厳選深潮セレクト
AIの80年におよぶ発展を振り返る――学ぶべき5つの歴史的教訓
人工知能の80年にわたる発展の経緯から得られる教訓は、AI企業が今後30日間または30年間にわたり変動を乗り越えるうえで役立つかもしれない。
Web3業界の深掘り報道に専念し潮流を洞察執筆：Gil Press
編集・翻訳：Felix, PANews
2025年7月9日、NVIDIAは時価総額4兆ドルに達した初の上場企業となった。今後、NVIDIAと変動するAI分野はどこへ向かうのか？
予測は難しいが、利用可能なデータは豊富にある。少なくとも過去の予測がなぜ実現しなかったのか、どの点で、どのように、そしてなぜ失敗したのかを理解する手がかりになるだろう。それが歴史である。
人工知能（AI）の80年にわたる発展から何を学べるだろうか？この道のりでは資金の流入が波のように変動し、研究開発のアプローチも多様であり、社会の関心も好奇心から不安、あるいは熱狂へと移り変わった。
AIの歴史は1943年12月にさかのぼる。神経生理学者のウォーレン・S・マカロックと論理学者のウォルター・ピッツが数理論理に関する論文を発表したときのことである。「神経活動におけるイデアの論理計算」と題されたこの論文で、彼らは理想化され単純化されたニューロンネットワークが、パルスを伝達するか否かによって簡単な論理演算を行う可能性を示唆した。
組織化学という新分野を開拓しようとしていたラルフ・リリー（Ralph Lillie）は、マカロックとピッツの研究を「実験的事実」に欠ける状態での「論理および数学モデルへの『現実性』付与」と評した。その後、この論文の仮説が実証的検証に耐えなかった際、MITのジェローム・レットヴィン（Jerome Lettvin）は、神経病学や神経生物学の分野がこの論文を無視した一方で、「新しい分野（現在のAIと呼ばれるもの）の愛好者となる運命の人々」を鼓舞したと指摘した。
実際、マカロックとピッツの論文は今日の主流であるAIの一形態である「コネクショニズム」、すなわち現在「ディープラーニング」と呼ばれているものの基礎となり、最近では再び単に「AI」と呼ばれるようになった。このアプローチは脳の実際の機能とはまったく関係がないにもかかわらず、その基盤となる統計解析手法である「人工ニューラルネットワーク」は、AIの専門家や評論家らによってしばしば「脳を模倣している」と表現されている。権威あるトップAI研究者のデミス・ハサビス（Demis Hassabis）は2017年、「マカロックとピッツによる脳の機能に関する虚構的な記述や類似の研究が、現代のディープラーニング研究に継続的に基盤を与えている」と述べた。
教訓一：工学と科学、科学と推測、そして科学と数式や記号だらけの論文とを混同することに注意せよ。とりわけ、「我々は神のようだ」という錯覚、すなわち人間と機械は同じであり、人間は人間のような機械を作り出せるという誘惑に抗うこと。
この頑固で広範な傲慢さは、過去80年間にわたって技術バブルやAIの周期的な狂乱の触媒となってきた。
これにより、まもなく人間並み、あるいは超人的な知能を持つ機械が登場するというAGI（汎用人工知能）の考え方が想起される。
1957年、AIの先駆者であるハーバート・サイモンは「すでに思考し、学習し、創造する機械が存在する」と宣言し、さらに10年以内にコンピュータがチェス世界王者になると予言した。1970年、もう一人のAI先駆者マービン・ミンスキーは自信満々に「3〜8年以内に、普通の人間と同じ知性を持つ機械ができるだろう……いったんコンピュータが支配を握れば、もはや私たちには取り戻せなくなる。私たちは彼らの慈悲に頼って生きることになる。幸運なら、彼らは私たちをペットとして飼ってくれるかもしれない」と語った。
AGIの到来に対する期待は非常に大きく、政府の支出や政策にも影響を与えた。1981年、日本は人間のように考える機械を開発する目的で「第五世代コンピュータプロジェクト」に8億5000万ドルを投じた。これに対し、長い「AI冬の時代」を経た米国防高等研究計画局（DARPA）は1983年、AI研究への再投資を開始し、「人間のように見聞きし、話し、考える」機械の開発を目指した。
世界中の進歩的な政府は約10年間、数十億ドルを費やして、最終的にAGIだけでなく従来のAIの限界についても冷静な認識を持つようになった。しかし2012年、コネクショニズムが他のAI流派に勝利し、AGIが目前に迫っているとする新たな予測が世界を席巻した。OpenAIは2023年、「人類史上最も影響力のある発明」と称される「超知能AI」がこの10年のうちに到来し、「人類の権力を失い、人類の滅亡につながる可能性がある」と主張した。
教訓二：目新しく華やかな新技術には警戒せよ。それらを慎重かつ賢明に吟味せよ。それらはこれまでの「機械がいつ人間並みの知能を持つのか」という予測と本質的に大きく異なるわけではないかもしれない。
ディープラーニングの「父」とも言われるヤン・ルカン（Yann LeCun）は「機械が人間や動物のように効率的に学習するためには、まだいくつかの重要な要素が欠けており、今のところそれが何かわかっていない」と述べている。
長年にわたり、AGIは常に「すぐそこにある」とされてきた。これは「第一歩の誤謬」によるものだ。機械翻訳のパイオニアであるイェホシュア・バル＝ヒレル（Yehoshua Bar-Hillel）は、機械知能の限界について早期に警告した人物の一人であり、彼は次のように指摘した。つまり、誰かが最近まで不可能と思われていた作業をコンピュータが行えることを実証すれば、たとえそれがひどく不完全であっても、技術のさらなる発展があれば完璧にできるようになると多くの人が信じている。人々はただ忍耐強く待てば最終的に達成されると広く信じていた。しかしバル＝ヒレルは1950年代半ばから、それは正しくないと警告しており、現実は繰り返し裏付けられてきた。
教訓三：「できない」状態から「まずまずできる」状態になるまでの距離は、「まずまずできる」状態から「非常にうまくできる」状態になるまでの距離よりも、通常ずっと短い。
1950年代から60年代にかけて、半導体の処理速度の向上により、多くの人々が「第一歩の誤謬」に陥った。ハードウェアが毎年「ムーアの法則」に沿って確実に進化していく中で、機械知能もハードウェアと同期して発展すると広く信じられていた。
しかし、ハードウェア性能の継続的向上に加えて、AIの発展はソフトウェアとデータ収集という二つの新しい要素の導入により新たな段階に入った。1960年代半ばから、エキスパートシステム（注：知的コンピュータプログラムシステム）は、現実世界の知識、特に特定分野の専門家の知識や経験則（ヒューリスティクス）の獲得とプログラミングに新たな焦点を当てた。エキスパートシステムはますます人気を集め、1980年代にはフォーチュン500企業の3分の2が日常業務にこの技術を活用していると推定されていた。
しかし1990年代初頭、このAIブームは完全に崩壊した。多数のAIスタートアップが倒産し、大手企業もAIプロジェクトを凍結または中止した。すでに1983年、エキスパートシステムの先駆者エド・フェイゲンバウムは、それらの衰退を招いた「主要なボトルネック」を指摘していた。すなわち知識獲得プロセスの拡張性の問題であり、「非常に面倒で、時間と費用がかかるプロセス」だったのだ。
エキスパートシステムはまた、知識蓄積の難しさにも直面した。ルールの追加や更新の必要性が高まるにつれ、維持管理が困難になりコストも膨らんだ。また、人間の知能と比較した場合の機械の思考の欠陥も露呈した。これらは「脆弱」であり、珍しい入力に対して馬鹿げた誤りを犯し、専門知識を新しい分野に転用できず、周囲の世界に対する理解も欠いていた。根本的には、人間のように例示や経験、環境から学ぶことができなかった。
教訓四：企業や政府機関での広範な採用、巨額の公的・民間投資といった初期的成功が、10年または15年続いたとしても、必ずしも持続可能な「新産業」を生み出すとは限らない。バブルは往々にして破裂する。
浮き沈み、過剰な宣伝、挫折の中、二つの対照的なAI開発アプローチが、学術界や公的・民間投資家、メディアの注目を巡って争い続けてきた。40年以上にわたり、ルールベースのシンボリックAIアプローチが主流を占めてきた。しかし、事例に基づき統計分析を重視するコネクショニズムも、1950年代末と1980年代末にそれぞれ短期間ながら注目を集めた。
2012年のコネクショニズム復活以前、AIの研究開発は主に学術界によって推進されていた。学術界は教条主義（いわゆる「常識的科学」）が特徴であり、シンボリックAIとコネクショニズムのどちらか一方を選ぶ非此即彼の状況が続いていた。2019年、ジェフリー・ヒントン（Geoffrey Hinton）はチューリング賞受賞講演の大部分を、主流のAIおよび機械学習研究者から受けた少数派のディープラーニング支持者たちの苦境について語った。ヒントンは意図的に強化学習やDeepMindの同僚たちの仕事も貶めた。
しかしわずか数年後の2023年、DeepMindはGoogleのAI事業を掌握した（ヒントンも退職）。これは主にOpenAIの成功への対応であり、OpenAIも強化学習をAI開発の一部として採用していた。強化学習の二人の先駆者アンドリュー・バート（Andrew Barto）とリチャード・サットン（Richard Sutton）は2025年にチューリング賞を受賞した。
しかし現時点では、DeepMindであろうとOpenAIであろうと、あるいはAGIを目指す多数の「ユニコーン企業」であろうと、注目しているのは現在主流の大規模言語モデルというパラダイムを超えていない兆候はない。2012年以降、AIの開発の中心は学術界から民間部門へと移ったが、依然として分野全体が単一の研究方向に固執している。
教訓五：すべてのAIの「卵」を一つの「かご」に入れてはならない。
黄仁勲（ジェンセン・フアン）は卓越したCEOであり、NVIDIAも傑出した企業であることに疑いの余地はない。10数年前、AIの機会が突然現れたとき、NVIDIAはそのチャンスを素早く掴んだ。当初は効率的なビデオゲームレンダリング用に設計された同社のチップが、ディープラーニング計算に適した並列処理能力を持っていたためである。黄仁勲は常に警戒を怠らず、社員にこう告げている。「当社は倒産まであと30日しかありません」。
警戒心を保つこと（インテルを思い出せ）に加え、AIの80年間の歴史から得られる教訓が、NVIDIAが今後30日間、あるいは30年間の波乱を乗り越える助けとなるかもしれない。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
@GilPress
