第2章|人工知能をめぐる動向
DAY 08 ・ 約30分知識表現とエキスパートシステム
専門家の知識を規則として扱う強みと限界を知る。
知識ベース・推論エンジン・前向き推論・後ろ向き推論を説明し、エキスパートシステムが有効な範囲と知識獲得の限界を判断できる。
言葉を知る
用語を暗記するだけでなく、似た概念との違いと、何を判断するための言葉かまで整理します。
知識表現
現実の対象、関係、規則を、コンピューターが推論に使える形式へ表すことです。論理式、規則、意味ネットワークなどがあります。
知識ベース
専門家から得た事実や規則を保存する部分です。プログラムの制御手順と知識を分けて管理します。
推論エンジン
知識ベースの規則を現在の事実へ適用し、新しい結論や次に確認すべき質問を導く仕組みです。
前向き推論
分かっている事実から適用できる規則を探し、結論を順に増やす方法です。監視や異常検知のように入力から結果を広げる場面へ向きます。
後ろ向き推論
確かめたい仮説から逆に、成立に必要な条件をたどる方法です。診断や問い合わせで必要な質問を絞る場面へ向きます。
知識獲得のボトルネック
専門家の暗黙知を聞き出し、矛盾のない規則として記述・更新する作業が難しく、開発の制約になる問題です。
規則
センサー値、定義、規則の優先順位まで確認します。
仕組みを理解する
1.データだけでなく、関係と規則を表す
コンピューターへ「田中さんは社員」「社員は入館証が必要」と保存するだけなら事実の記録です。そこへ「社員で、かつ有効な入館証を持つなら入館できる」という規則を加えると、個別にすべての答えを書かなくても結論を導けます。知識表現は、何が存在し、互いにどう関係し、どの条件で何が言えるかを形式化します。 表現は現実そのものではありません。「顧客」「高熱」「故障」といった分類の定義と境界を人が決めます。例外、時刻、確信の度合いも必要です。単純な真偽だけで表せない知識を無理に二択へすると、推論は明快でも現実とずれます。何を表せて何を落としているかを明示することが、知識ベースの品質になります。
2.知識と推論手順を分ける
従来のプログラムへ専門知識を条件分岐として直接埋め込むと、規則変更のたびに処理全体を修正する必要があります。エキスパートシステムでは、対象分野の知識を知識ベース、規則を適用する共通手順を推論エンジンとして分けます。同じ推論手順へ別の知識を入れられ、専門家が規則を確認しやすくなります。 例えば機器保守では、「温度が上限を超え、冷却ファンが停止しているなら、過熱原因としてファン故障を疑う」という規則を保存します。推論結果と使った規則を表示すれば、なぜ候補が出たかをたどれます。ただし規則の文章が読めることと、判断全体が正しいことは別です。センサー値、定義、規則の優先順位まで確認します。
3.前向き推論は、事実から起こり得る結論を広げる
前向き推論は、最初に得た事実へ条件が合う規則を適用し、新しい事実を追加します。追加した事実で別の規則が動き、これ以上変化しないか目標へ着くまで続けます。工場で複数センサーを監視し、異常候補と必要な停止処理を導くような、入力が次々届く場面へ適しています。 規則が多いと、同時に適用できる候補が増えます。どれを先に使うか、同じ結論を何度も作らないか、循環しないかを制御します。例外規則と一般規則が衝突する場合、より具体的な規則を優先するなどの方針が必要です。事実が正しい前提で推論するため、入力の期限や信頼性も知識として扱わなければなりません。
4.後ろ向き推論は、仮説に必要な事実を質問する
後ろ向き推論は、「ファン故障か」という仮説から始め、その結論を導く規則の条件を調べます。温度超過とファン停止が必要なら、未確認のセンサーだけを調べます。すべての可能性を前向きに広げるより、特定の質問へ必要な事実を絞れます。 問い合わせ対応では、利用者の症状から候補を立て、区別に必要な質問を順に出せます。ただし最初の仮説群へ正しい原因がなければ、質問を重ねても到達しません。仮説を早く一つへ絞り過ぎると別原因を見落とします。緊急性の高い条件を先に確認し、証拠不足なら専門家へ戻す分岐を持たせます。
5.MYCINは、規則と不確実さを扱った代表例である
1970年代にスタンフォード大学で研究されたMYCINは、感染症の診断と抗菌薬選択を支援するエキスパートシステムです。患者情報と検査結果へ規則を適用し、候補と推奨を示しました。医学知識を規則として分離し、結論に至った質問や規則を説明する仕組みを持っていました。 MYCINは不確実な証拠を確信度係数で扱いました。ただし確信度は確率と同じ計算体系ではなく、専門家の判断を組み合わせるための設計です。数値が付けば客観的になるわけではありません。また研究上の性能だけで、病院へ広く導入されるわけではありませんでした。責任、業務への統合、保守、利用者の信頼など、社会実装の条件が必要です。
6.強みは、範囲が明確で規則が安定した仕事にある
規則を説明でき、入力が構造化され、対象範囲が限定された仕事ではエキスパートシステムが有効です。税区分、設備点検、申請条件など、専門家が判断条件を言語化できる場面です。同じ事実には同じ規則を適用し、判断経路を記録できます。学習データが少なくても、専門知識から始められます。 さらに、必ず守る禁止条件や承認条件は、現在の機械学習システムでも規則として残す価値があります。生成AIが下書きを作っても、金額上限、権限、送信禁止先は決定規則で制御できます。新旧の方式を対立させず、確定的な部分を規則、曖昧な分類を学習、人の責任を承認として組み合わせます。
7.弱みは、暗黙知・例外・変化を規則へしにくいこと
熟練者は、判断理由をすべて言葉にできるとは限りません。音、匂い、微妙な違和感、過去の多様な経験をまとめて判断する場合があります。聞き取り担当が規則へ変換すると、条件の抜け、言葉のずれ、専門家間の対立が起きます。これが知識獲得のボトルネックです。 規則が増えるほど相互作用を確認する作業も増えます。制度変更や新しい故障が出れば更新が必要で、古い規則を残すと矛盾します。未知の入力へ柔軟に一般化することも苦手です。機械学習はデータから境界を学べますが、理由の保証や例外規則には弱みがあります。どちらを使うかは、知識を明示できるか、データがあるか、誤りの影響、更新頻度で判断します。
8.DAY 8では、判断表を知識ベースへ変える
身近な判断を一つ選びます。会議室予約、備品交換、問い合わせ振り分けなどです。まず必要な事実を五つ、結論を三つ書きます。次に「もし条件なら結論」の形で規則を作り、一般規則と例外規則を分けます。現在時刻や情報源も記録します。 一つの事例へ前向き推論を適用し、どの結論が増えるかを追ってください。次に確認したい結論から後ろ向きに、必要な質問を並べます。最後に、規則で判断してはいけない曖昧な部分と、人へ戻す条件を書きます。知識表現の便利さと境界を同時に説明できれば理解できています。
9.説明機能は、規則の羅列だけでは足りない
エキスパートシステムは使った規則を表示できるため、説明しやすいとされます。しかし「規則27と規則81を適用した」だけでは利用者は判断できません。入力した事実、採用した定義、除外した候補、確信の程度、次に確認すべき事項を、人が理解できる言葉で示す必要があります。 説明は対象者で変えます。利用者には次の行動、専門家には証拠と規則、監査担当には版と変更履歴が必要です。説明文を生成AIで読みやすくしても、元の推論記録と対応させます。自然な説明を作る機能と、判断経路を保存する機能を混同しません。
10.知識の版と有効期間を管理する
規則は作成時には正しくても、法律、料金、製品仕様が変われば古くなります。各規則へ根拠資料、承認者、発効日、失効日、対象範囲を持たせます。結論には、どの版の知識を使ったかを記録します。更新前後のテスト事例を残せば、変更による別の判断への影響を確認できます。 複数の専門家が更新する場合は、追加前に矛盾と重複を検査します。緊急変更にも期限を置き、恒久規則と混ぜません。知識ベースの価値は規則数ではなく、現在の業務へ正しく適用できる状態を維持できるかで決まります。
実例で理解する
具体例で考える
集合住宅の設備問い合わせを振り分ける仕組みを考えます。事実は「水漏れの場所」「漏れが継続しているか」「共用部か専有部か」「電気設備へ近いか」「連絡時刻」です。規則として、電気設備へ水が到達する恐れがあれば原因特定より先に緊急停止と人への連絡を出します。 前向き推論では、利用者の回答から緊急度、担当候補、追加確認を導きます。後ろ向き推論では「共用設備担当へ回すべきか」から必要な条件をたどり、場所や系統を質問します。過去事例の文章から生成AIが候補を抽出しても、緊急停止や正式な担当決定は明示規則と人の確認で行います。 築年数や配管図が不明、複数住戸へ影響、規則が矛盾する場合は自動確定しません。問い合わせを早く整理する価値と、現場確認なしに原因を断定しない境界を両立させます。 各結論には、使った事実、適用した規則、規則の版、確認できなかった条件を表示します。利用者へは「止水栓を閉め、安全な場所から連絡してください」のように次の行動を示し、管理担当へは判断経路を示します。文章を読みやすくする生成AIを加えても、元の記録と異なる理由を作らせません。 月に一度、実際の対応結果と照らして誤判定を確認します。新しい設備や例外事例が増えたときは、単に規則を追加せず、既存規則との衝突、質問数の増加、緊急案件の取りこぼしをテストします。知識ベースを作る作業より、根拠を保ったまま更新し続ける運用が重要です。規則に該当しない案件は失敗ではなく「判断保留」として人へ渡し、その記録を次の知識更新候補にします。自動回答率だけを上げず、安全に保留できた割合も評価します。保留案件を専門家が確認するときは、何が不足して止まったかを表示し、追加すべき質問と新規規則を区別します。頻度が低く影響も小さい例外は、無理に自動化せず人の手順として残す判断も必要です。
手を動かして理解する
- 提供ケース「紙に描いた小さな配送経路を、状態・行動・ゴール・規則へ分解する」または自分が説明できる身近な事例を一つ選び、DAY8「知識表現とエキスパートシステム」の判断観点で整理してください。提出物には、①対象と目的、②本文の用語を使った判断、③判断の根拠、④未確認事項または限界を記します。最後に学習目標「知識ベース・推論エンジン・前向き推論・後ろ向き推論を説明し、エキスパートシステムが有効な範囲と知識獲得の限界を判断できる。」を満たす説明になっているか自己確認してください。紙または端末の標準メモだけで実施でき、外部サービスへの登録や有料契約は不要です。 実在人物の個人情報、機密情報、未公開資料は使わず、架空または匿名化した情報だけを使ってください。
04|今日の理解度を確認する
今日の理解度を確認する
エキスパートシステムの基本構成として適切なものはどれですか。
正解は「知識ベースと推論エンジン」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
知識ベースと推論エンジン: 正解は「知識ベースと推論エンジン」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
画像と広告だけ: 知識と推論の役割を説明できません。
入力を持たない一つの表: 事実や規則を使う処理が欠けています。
専門家を完全に不要にする装置: 知識の獲得・承認・更新には専門家が必要です。
前向き推論の進み方はどれですか。
正解は「既知の事実に合う規則を適用し、新しい事実や結論を導く」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
既知の事実に合う規則を適用し、新しい事実や結論を導く: 正解は「既知の事実に合う規則を適用し、新しい事実や結論を導く」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
目標から必要条件を逆向きにたどる: これは後ろ向き推論の進み方です。
規則を使わず無作為に結論を選ぶ: 規則に基づく推論になりません。
結論を先に固定して証拠を捨てる: 反証可能性を失い、正しい推論ではありません。
後ろ向き推論が適する場面はどれですか。
正解は「特定の仮説を確かめるため、必要な条件や質問を絞る場面」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
特定の仮説を確かめるため、必要な条件や質問を絞る場面: 正解は「特定の仮説を確かめるため、必要な条件や質問を絞る場面」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
届いた全事実から可能な結論を広く出す場面だけ: これは前向き推論が向く説明です。
規則の根拠を削除する場面: 根拠を削除すると説明と監査ができません。
知識の版を管理しない場面: 推論方向と版管理をしないことは別です。
MYCINの歴史から学ぶべき点として適切なものはどれですか。
正解は「不確実な専門知識を規則と確信度で扱う試みと、実運用には責任や接続も必要なこと」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
不確実な専門知識を規則と確信度で扱う試みと、実運用には責任や接続も必要なこと: 正解は「不確実な専門知識を規則と確信度で扱う試みと、実運用には責任や接続も必要なこと」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
医療では人の確認が不要になったこと: 重大判断では専門家の責任が残ります。
規則は一度作れば永久に更新不要なこと: 医学知識や環境は変化します。
不確実性を完全に消せたこと: 確信度は不確実性を表す方法で、消すものではありません。
知識獲得のボトルネックへの対応として適切なものはどれですか。
正解は「専門家の判断を条件・例外・根拠へ分け、版と検証事例を管理する」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
専門家の判断を条件・例外・根拠へ分け、版と検証事例を管理する: 正解は「専門家の判断を条件・例外・根拠へ分け、版と検証事例を管理する」です。講義で扱った定義と判断条件に一致します。選択肢ごとの違いまで確認すると、似た用語を状況に応じて使い分けられます。
規則数だけを増やし根拠を残さない: 量だけでは正しさと保守性を確保できません。
矛盾する規則を同時に自動適用する: 優先順位や判断保留が必要です。
暗黙知は存在しないと仮定する: 言語化しにくい経験知があり、抽出と検証が必要です。
04|今日の理解度を確認する
今日の理解度を確認する
今日の整理をする
この3点を持ち帰る
- ✓ エキスパートシステムは、知識ベースと推論エンジンを分ける
- ✓ 前向き推論は事実から結論へ、後ろ向き推論は仮説から必要条件へ進む
- ✓ 規則化しにくい暗黙知・例外・変化が知識獲得と保守の限界になる
講義本文 4,043字
PRIMARY SOURCES