---
title: "専門家システムの限界（なぜ衰退した？）【G検定対策】"
description: "専門家システムの限界（なぜ衰退した？）について、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/expert-system-limitations/"
section: "gk"
---

## 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