AIの歴史

2024年には、AI研究の社会的評価を象徴する出来事もありました。ノーベル

物理学賞は、人工ニューラルネットワークによる機械学習の基礎に貢献した

2024年以降｜社会的評価と規制
2024

John HopfieldとGeoffrey Hintonに授与されました。また、ノーベル化学賞

ではAlphaFold関連の成果が評価されました。AIが情報技術を超え、科学全体

を変える存在として認められた象徴的な年です。一方、EUのAI Actも成立・

ノーベル賞とAI規制
が示した時代の変化

発効し、AI開発は「作れるか」だけでなく「安全に使えるか」が問われる段

階に入りました。

次のページへ ▶

翌2025年、かつて巨大企業だけのものだった高性能AIは、さらに身近になり

始めます。その光と影とは。

AIの歴史
41 / 54

2025年には、AIの普及、投資拡大、モデル性能の向上、推論コストの低下、

企業導入の拡大がさらに進みました。かつて巨大企業しか扱えなかった高性

2025年｜普及と低コスト化
2025

能AIが、より安く、より小さく、より広く利用できるようになっています。

DeepSeek-R1のようなオープンウェイトの推論モデルも注目されました。高

い推論能力を持つモデルが低コストかつオープンに提供されることは、AI開

低コスト化とオープ
ンモデルの拡大

発の民主化につながります。一方で、安全対策が不十分な高性能モデルが広

く拡散するリスクもあります。

次のページへ ▶

ここまでが年表で見たAIの歩みです。ここから視点を変え、歴史を貫いて繰り

返し現れた「思想」を探ります。

AIの歴史
42 / 54

AIの歴史を年表として見るだけでは、本質は見えにくくなります。時代を超

えて繰り返し現れる思想の一つが、「知能は記号操作である」という考えで

AIを動かしてきた思想｜1
記号

す。言葉、論理式、ルール、記号を操作すれば、人間の推論を再現できると

いう発想です。定理証明、探索、エキスパートシステム、Prologなどはこの

系譜に属します。このアプローチは明示的で説明しやすいという利点を持ち

AIを動かしてきた思
想1：記号操作

ますが、常識、曖昧さ、現実世界の複雑さを扱うのが苦手でした。

次のページへ ▶

では、ルールを書く以外の道はあるのか。「学ぶ」「身体で世界と関わる」と

いう、まったく別の答えが二つありました。

AIの歴史
43 / 54

第二の思想は、「知能は学習である」という考えです。ニューラルネットワ

ークや機械学習は、ルールを人間が書くのではなく、データから自動的に規

AIを動かしてきた思想｜2
学習

則性を学びます。これは1990年代以降に広がり、2010年代のディープラーニ

ング革命で主流になりました。第三の思想は、「知能は身体と環境の中にあ

る」という考えです。ロボット、自動運転、強化学習は、AIが世界と相互作

AIを動かしてきた思
想2：学習と身体性

用しながら学ぶことを重視します。AIは答えるだけでなく、行動し、試し、

失敗から学ぶ存在として研究されてきました。

次のページへ ▶

思想はまだ終わりません。現代のAIを形づくった最後の二つ、「規模」と「社

会」という視点が残っています。

AIの歴史
44 / 54

第四の思想は、「知能はデータと計算資源でスケールする」という考えで

す。2000年代以降のAIは、データ量、計算資源、モデル規模の拡大によって

AIを動かしてきた思想｜3
規模

性能が飛躍することを示しました。大規模言語モデルはその代表例です。た

だし、スケールにはコスト、エネルギー、環境負荷、データの偏りも伴いま

す。第五の思想は、「知能は社会の中で評価される」という考えです。高性

能でも、差別、監視、偽情報、著作権侵害などの害が大きければ、社会には

AIを動かしてきた
思想3：スケールと
社会

受け入れられません。

次のページへ ▶

五つの思想を手に、もう一度ブームと冬の繰り返しを振り返ると、それぞれの

時代の「壁」がはっきり見えてきます。

AIの歴史
45 / 54

AIの歴史には、第1次ブーム、第2次ブーム、第3次ブーム、そして生成AIブー

ムがありました。第1次ブームでは探索と推論が中心でしたが、現実世界の複

歴史の教訓
3+1

雑さと常識知識の不足に直面しました。第2次ブームではエキスパートシステ

ムが実用性を示しましたが、知識獲得と保守のコストが限界になりました。

第3次ブームではディープラーニングが画像、音声、言語で成果を上げました

AIブームとAIの冬か
ら学べること

が、説明可能性、バイアス、ロバスト性の課題が残りました。生成AIブーム

もまた、大きな可能性と課題を同時に抱えています。

次のページへ ▶

では、その最新のブームである生成AIは、私たちの仕事や暮らしの何を、どう

変えたのでしょうか。

AIの歴史
46 / 54

生成AIの登場によって、AIの使われ方は大きく変わりました。従来のAIは、分

類、予測、検出、推薦を行う裏方の技術であることが多くありました。しか

生成AI時代
表舞台

し生成AIは、人間が直接対話し、成果物を作らせる表舞台の技術です。文章

作成、企画書、メール、広告コピー、要約、翻訳、議事録、コード補完、エ

ラー修正、画像生成、教材作成など、多様な知的作業を支援します。ただ

生成AI時代に何が変
わったのか

し、生成AIは万能ではなく、もっともらしい誤情報を出す幻覚の問題もあり

ます。

次のページへ ▶

万能ではないからこそ、鍵になるのは「何をAIに任せ、何を人間が決めるか」

という設計です。

AIの歴史
47 / 54

生成AIの活用で重要なのは、「AIに何を任せ、何を人間が判断するか」を設

計することです。AIは大量の情報を整理し、候補を出し、作業を高速化する

生成AI時代｜活用の設計
設計

能力に優れています。一方で、目的を決めること、価値判断をすること、責任

を負うこと、相手の文脈を理解して配慮することは、人間側に残る重要な役

割です。特に法律、医療、金融、学術など正確性が重要な領域では、人間に

AIに任せること、人
間が担うこと

よる確認が不可欠です。AIは置き換えの道具ではなく、使い方を設計すべき知

的支援の道具です。

次のページへ ▶

ここからは未来です。AIはこの先、どこへ向かうのか。まず注目される二つの

方向を見てみましょう。

AIの歴史
48 / 54

今後のAIの方向性として、まずマルチモーダルAIの進化が考えられます。文章

だけでなく、画像、音声、動画、センサー情報、3D空間を統合的に理解する

これからのAI｜1
Agent

AIが発展すれば、医療、教育、製造、建築、エンターテインメントなどに大

きな影響を与えます。次に、AIエージェントの発展があります。目標を与えら

れると、AIが自ら計画を立て、ツールを使い、Webを調べ、ファイルを操作

し、複数ステップの作業を実行する可能性があります。ただし、権限管理や

これからのAI：マル
チモーダルとエージ
ェント

セキュリティの問題も大きくなります。

次のページへ ▶

未来のテーマはまだあります。AIが手のひらや工場に入り、科学を前進させ、

同時にルールづくりが本格化していきます。

AIの歴史
49 / 54

今後は、小型化と低コスト化も重要になります。高性能AIが巨大なデータセ

ンターだけでなく、スマートフォン、PC、工場機器、車載システムなど端末

これからのAI｜2
3つ

側でも動くようになれば、プライバシー保護、応答速度、コスト削減の面で

大きな利点があります。また、AlphaFoldが生命科学を変えたように、AIは材

料開発、気候予測、創薬、数学、物理、エネルギー研究でも新しい発見を支

小型化、科学応用、
ガバナンス

援するでしょう。一方で、安全性、透明性、公平性、説明責任を担保するAI

ガバナンスも本格化していきます。

次のページへ ▶

そして最後に、未来をめぐる最も大きな論争があります。「AGI」は本当に近づ

いているのでしょうか。

AIの歴史
50 / 54