トピック1：レッスン４：ざっとAIの歴史を学んでおく（その２）

今回はちょっと専門的な話になるけど、頑張って付いて来れるようにして。

今回と次回で学ぶテーマは２つ。

1.エキスパートモデルの栄光と挫折
※エキスパートモデルがなぜ挫折したのか？を学ぶことで、現在の LLMと何が異なるのか？を理解できる。

2.「注目こそすべて」“Attention Is All You Need” (2017)というGoogleによる革新
※これまでのいわゆるコンピューターやプログラムという概念が、どのように一気に変わったか？を知ることで、LLMの効果的な使い方や弱点などを理解できる。

ーーー

前回のレクチャーでざっと学んだけど改めて…

Q:「スマホの予測変換と、病院の診断支援では、どちらのが古くからある？」

・
・
・
・
・
・
・
・
・

正解は「病院の診断支援の方が、３０年以上も古く（1970年代）からある」

直感的に「病院の診断支援の方が、スマホの予測変換より難しいんじゃないか？」と思いがちだけど、実は違う。なぜなら、システムの設計構造自体が大きく異なるので。

・病院の診断支援＝ルールベースのシステム（エキスパートモデルはこれ）

・スマホの予測変換＝非ルールベースのシステム（機械学習やニューラルネットなど、そして現在のLLMの原型はこれ）

1.エキスパートモデルの栄光と挫折

ルールベースのシステムとは？

ざっくり言うと↓こんな感じ

この「分岐」を「IF–THEN」って言う。ようするに「もし⚪︎⚪︎なら、××をする」ってこと。Excelの関数をイメージすればよい。例えば「もし在庫数が10個以下なら、その商品の行を赤にする」とか。

エキスパートモデルは、これを膨大なデータを用いてある意味「人間の力技」でやってしまおうとしていた。

で、実際に世界中の多くの企業や国などで「革新的な技術」として期待されて、莫大な資金が投入された。

しかし、エキスパートモデルは文字通り挫折して、一気にその熱は冷めてしまった。

なぜか？

ざっくり言うと……「ルールが 100 → 1,000 → 2,500 と増えるにつれて、 追加・チェック・テストだけで数カ月消える」って状態になってしまった。

もう少し詳しく説明すると↓こんな感じ。

「もしAという症状があり、かつ熱が38℃以上あったら、インフルエンザと診断する」

IF–THEN構文で書くと、「IF 症状=A AND 熱>38℃ THEN インフルエンザと診断」

ルールベースはこういう構文＝ルールを「人間が設定」することで、はじめて運用できるってわけだ。

しかし、ちょっと考えれば分かるけど、例えば……

・熱が37.9℃の場合はインフルと診断しなくて本当によいのか？

・症状を自分で説明できない赤ん坊はどうするのか？

・Aという症状があり、かつ熱が38℃以上でもインフルではない可能性が高いときはどうする？

などなど、ルール通りにはいかないことが多々ある。じゃあ、これらもルールを追加して対応しようとすると（実際にそうしていたわけだけど）、ルール追加のたびに人間がそれを追加する必要があるし、また新たなルールを追加することで、他のルールに影響が出て、またそっちもルールを書き換えなきゃいけない……って書き換えたら、またあっちのルールが・・・・って地獄に陥ってしまった。

で、「こりゃ使い物にならんね」ってわけでエキスパートモデルに対する期待は一気に冷めてしまった。

こんな感じでエキスパートモデルは大きな挫折を経験したわけだけど、重要な教訓を後世に残した。それがつまり・・・

「機械が勝手に考えたり調べたりしてくれないと、AIは実現しないね」ってこと。

そして、「ルールを書き足す時代」から「何に注目すべきかを自動で学ばせる時代」になっていく。

これが今日のAI(LLM）の基本的な考え方になっている。

「次へ→」をクリックして課題に進んでください