Expert System / エキスパートシステム (1980年代)とは？（エキスパートシステム）意味・特徴をわかりやすく解説

Q: Expert System / エキスパートシステム (1980年代)とは？

Expert System は1970年代後半-1980年代に隆盛した知識ベース AI システムで Mycin (1972年-Stanford・抗生物質処方診断)・XCON/R1 (1978年DEC・コンピュータ構成自動化)・DENDRAL (1965年-Stanford・化学構造分析)・Prolog 言語 (1972年) 採用しAI 第1冬 (1969-1980年代) からの復活を担った歴史的 AI 技術。

Expert System / エキスパートシステム (1980年代)

概要

Expert System (エキスパートシステム・専門家システム) は1970年代後半-1980年代に隆盛した知識ベース (Knowledge Base) AI システムで Mycin (1972年-Stanford・Edward Shortliffe 開発・抗生物質処方診断・600ルール) ・XCON/R1 (1978年-1980年代Digital Equipment Corporation DEC・John McDermott 開発・VAX コンピュータ構成自動化・10,000+ ルール・$25M/年節約)・DENDRAL (1965年-Stanford・Edward Feigenbaum・「Father of Expert Systems」・化学構造分析)・Prolog 言語 (1972年Alain Colmerauer・Marseille・論理プログラミング) 採用しAI 第1冬 (1969-1980年代Perceptron 1969年Minsky 論文以降のニューラルネット研究停滞期) からの一時的復活を担った歴史的 AI 技術。1990年代Backpropagation 復活 (1986年Rumelhart・Hinton) ・1990年代AI 第2冬 (Expert System の限界露呈) を経て2012年AlexNet で Deep Learning 復活で現代AI 主役交代。

主な特徴・仕組み

隆盛時期: 1970年代後半-1980年代 (約15年・AI 第1冬から第2冬の間)
動作: 知識ベース (専門家の知識をIF-THEN ルールで体系化) +推論エンジン (Inference Engine・ルール適用)
主要言語: LISP (1958年John McCarthy)・Prolog (1972年Alain Colmerauer・論理プログラミング・Horn 節)
代表的システム: Mycin・XCON・DENDRAL・PROSPECTOR・CADUCEUS・INTERNIST-1
適用領域: 医療診断・コンピュータ構成・地質探査・化学分析・税務相談
市場規模: 1980年代末$1B+ (Expert System Shell・Inference Corp.・IntelliCorp 等の企業)
限界: 知識獲得 (Knowledge Engineering Bottleneck・専門家からのルール抽出困難)・常識推論不可・学習能力なし
後継: 1990年代衰退・現代Deep Learning (2012年-) で代替

DENDRAL (1965年-Stanford)

世界初の本格Expert System:

開発: 1965-1980年代Stanford University AI Lab・Edward Feigenbaum (1936-・Stanford 名誉教授・1994年Turing Award)・Joshua Lederberg (1925-2008・Nobel 医学賞)・Bruce Buchanan
タスク: 化学構造分析 (Mass Spectrometer の出力から分子構造を推定)
言語: Lisp ベース
革新: 「知識ベース」概念の起点・「Heuristic Search」(発見的探索) の応用
後継: Meta-DENDRAL (1976年・学習可能Expert System)・現代Computational Chemistry の祖先

Mycin (1972年-Stanford)

医療診断Expert System の代表:

開発: 1972-1980年Stanford Edward Shortliffe (1947-・医学博士+計算機博士・後CEO of American Medical Informatics Association) 主導
タスク: 細菌感染症の診断+抗生物質処方
ルール数: 600 IF-THEN ルール
言語: Lisp ベース
評価: Stanford 医学部教員と同等の診断精度 (1979年研究)
問題: (1) 臨床使用に承認されず (法的責任の問題)・(2) Knowledge Engineering Bottleneck (専門家からのルール抽出困難・専門家不足)
歴史的意義: Expert System の最高峰評価・但し商業失敗

XCON / R1 (1978年-1986年DEC)

商業成功Expert System の代表:

開発: 1978-1986年Digital Equipment Corporation DEC・John McDermott (Carnegie Mellon)
タスク: VAX コンピュータの注文構成自動化 (顧客の要件から最適なハードウェア構成生成)
ルール数: 1978年250ルール→1986年10,000+ ルール
言語: OPS5 (ルールベース言語)
評価: $25M/年の節約 (DEC) ・10年継続運用 (1979-1989年)
歴史的意義: 「Expert System で商業成功」初の事例・以降企業のExpert System 採用増加
限界: VAX 製品の終焉と同期に廃止 (1989年-1990年代初期)

Prolog 言語 (1972年Alain Colmerauer)

Expert System の主要プログラミング言語:

発表: 1972年Alain Colmerauer・Robert Kowalski (Edinburgh) ・Marseille University
言語パラダイム: 論理プログラミング・Horn 節 (限定的First Order Logic)
動作: 事実 (Facts) +規則 (Rules) +クエリ (Queries) で論理推論
採用: 1980年代AI 研究の主要言語 (Lisp と並走)
採用システム: Borland Turbo Prolog (1986年商用) ・SWI-Prolog (現代主流オープンソース)
影響: 1981年日本第5世代コンピュータ計画 (Fifth Generation Computer Systems・10年$400M 投資・Prolog ベース) ・但し1992年計画失敗
後継: 現代Logic Programming・Datalog・Answer Set Programming・限定的利用

1981年日本第5世代コンピュータ計画

Expert System への国家投資:

1981年通産省 (現経済産業省) 発表: 「第5世代コンピュータシステム」10年計画・$400M (¥570億)
目標: Prolog ベースの並列推論マシン・「Knowledge Information Processing System」(KIPS)
目的: 日本のAI 産業独立・米国IBM/Cray 等への対抗
結果: 1992年計画終了・「失敗」と評価・但し並列処理技術・論理プログラミング研究で部分的成果
業界影響: 1990年代AI 第2冬の一因 (日本の Expert System 投資の失敗が業界全体への警鐘)

1990年代AI 第2冬 (Expert System 衰退)

Expert System の限界:

1990年代AI 第2冬 (約1990-2000年): Expert System の限界露呈
原因: (1) Knowledge Engineering Bottleneck (専門家からのルール抽出に膨大な時間)・(2) Expert System の保守困難 (ルール更新の労力)・(3) 常識推論不可・(4) 学習能力なし (1980年代Expert System は全て静的)・(5) 1992年日本第5世代コンピュータ計画失敗・(6) Lisp Machine 衰退 (1990年代Symbolics 倒産)
後継: 1990年代SVM (Support Vector Machine・1995年Vapnik) ・Random Forest (2001年Breiman)・Backpropagation MLP の復活・2012年AlexNet で Deep Learning 革命

1956-2024年Expert System の系譜

68年AI 史でのExpert System の位置:

1956年Dartmouth Conference: AI 出発点
1958年Perceptron: ニューラルネット起源
1965年DENDRAL: 世界初Expert System
1969年Minsky「Perceptrons」: ニューラルネット停滞・AI 第1冬
1972年Mycin: 医療Expert System
1978年XCON: 商業成功Expert System
1981年第5世代コンピュータ計画 (日本): Expert System への国家投資
1986年Backpropagation 再発見: ニューラルネット復活開始
1990年代AI 第2冬: Expert System 衰退
2012年AlexNet: Deep Learning 革命・Expert System 主役交代
2024年現代: Expert System は限定的分野 (法律・医療の一部) で継続・Deep Learning が主流

項目	Perceptron (1958)	Expert System (1980s)	Deep Learning (2012-)
性質	ニューラルネット (連続関数)	ルールベース (IF-THEN)	多層ニューラルネット
知識源	データから学習	専門家から手動抽出 (Knowledge Engineering)	大量データから学習
学習能力	あり (重み更新)	なし (静的ルール)	あり (Backpropagation)
適用領域	パターン認識	医療診断・コンピュータ構成・税務	画像認識・自然言語・全領域
時代	1958-1986年 (冬) ・1986年-現代 (復活)	1970年代後半-1990年代	2012年-現代 (AI 革命)

よくある質問 (FAQ)

Q1: なぜExpert System が1980年代に隆盛したか？ A: (1) 1969年Perceptron 限界露呈でAI 第1冬入り・ニューラルネット研究停滞・(2) Expert System が「専門家の知識を機械化」できる代替案・(3) Mycin (医療診断 Stanford 1972年)・XCON (DEC $25M/年節約 1978年-) 等の成功事例・(4) 1981年日本第5世代コンピュータ計画への国家投資 ($400M)・(5) Lisp/Prolog 言語のサポート充実・(6) AI 専用HW (Lisp Machine・Symbolics) 普及・全要因で「AI 第1冬からの復活」担った。

Q2: なぜExpert System が衰退したか？ A: (1) Knowledge Engineering Bottleneck (専門家からのルール抽出困難)・(2) 静的ルールで学習能力なし・常識推論不可・(3) 1992年日本第5世代コンピュータ計画失敗・(4) Lisp Machine 衰退 (Symbolics 1995年破産)・(5) 1995年SVM・2001年Random Forest 等の機械学習主流化・(6) 2012年AlexNet で Deep Learning 革命・(7) ルール手動メンテナンスのコスト膨大・全要因で「AI 第2冬」(1990-2000年) 入り。

Q3: 現代でExpert System 活用領域は？ A: 限定的だが継続。(1) 法律 (LexisNexis・Westlaw の判例検索)・(2) 医療 (一部診断支援・但しIBM Watson Health 2022年売却で苦境)・(3) 税務 (TurboTax 等)・(4) 自動車保険 (見積もり計算)・(5) 工業診断 (故障診断システム)・現代では Hybrid AI (Expert System+Deep Learning) で機能補完・「Symbolic AI」(Expert System 系) と「Connectionist AI」(Deep Learning 系) の融合進行中。

まとめ

1970年代後半-1980年代隆盛
Mycin (1972年Stanford・抗生物質診断)
XCON (1978年DEC・$25M/年節約)
DENDRAL (1965年Stanford・化学構造)
AI 第1冬からの復活担う

Expert System / エキスパートシステム (1980年代)（エキスパートシステム）