専門家システムの限界（なぜ衰退した？）は重要ポイントを整理して理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network

G検定トップ ＞ 専門家システムの限界（なぜ衰退した？）【G検定対策】

まず結論

  • 専門家システムは「知識の獲得・維持が困難」だったため、実用・拡張が限界を迎えて衰退した。
  • G検定では 「技術的欠点」ではなく「運用・スケールの問題」が問われる。

直感的な説明

  • 専門家システムは「人間の頭の中を全部ルールに書き出すAI」。
  • 最初はうまくいくが：
    • ルールが増える
    • 例外が増える
    • 修正が地獄になる
  • イメージ：
    • ルール100個 → 管理できる
    • ルール1000個 → どこを直せばいいか分からない

定義・仕組み

  • 専門家システム：
    • 専門家の知識を if–then ルールで表現
    • 推論エンジンで結論を導く
  • 代表例：
    • DENDRAL（化学）
    • MYCIN（医療）
  • 当時は高性能だったが、次の問題が顕在化した。

いつ使う？（得意・不得意）

得意

  • 知識が明確で安定している分野
  • ルールが頻繁に変わらない問題
  • 限定領域の意思決定支援

不得意・限界

  • 知識が増え続ける分野
  • 環境変化が激しい問題
  • 大規模・汎用的な知能

G検定ひっかけポイント

  • 「性能が低かったから衰退した」と思わせる罠
  • 本当の理由は以下：
    1. 知識獲得のボトルネック
      • 専門家の暗黙知をルール化できない
    2. 保守・更新コストの爆発
      • ルール追加で矛盾が発生
    3. スケールしない
      • 分野拡張がほぼ不可能
  • 不正解になりやすい表現：
    • ❌ 推論能力が弱かった
    • ❌ 計算能力が足りなかった
  • 正解の判断基準：
    • 「知識獲得」「保守」「ルール爆発」→ ⭕ 専門家システムの限界

まとめ（試験直前用）

  • 専門家システムは ルールベースAI
  • 初期は成功した（DENDRAL / MYCIN）
  • 失敗理由は 知識獲得・保守の限界
  • 技術より 運用の問題
  • これが次の 機械学習ブームにつながった

🔗 関連記事

🏠 G検トップに戻る