AIの歴史 — チューリングからAGIまで、AI時代のメタ認知を身につける

チューリングの人物像とチューリングマシンを非技術者向けに解説します。万能計算機の発明の瞬間に「知能を作れるかもしれない」という希望が生まれたことを辿ります。

1950年の論文を題材に、「定義できないものを定義できないままテストする」という発想の巨大さを扱います。「問いの置き換え」自体がメタ認知の行為であることを、実務への応用とともに紹介します。

1956年の会議で「AI」という名前が与えられた瞬間の意味を掘り下げます。提案書の楽観的な一節から、命名が期待と資金を呼び込む構造を読み解きます。

ダートマス提案書の「2ヶ月で突破」と現代ベンダーの「POCで2週間」が同じ構造であることを示します。ベンダーの言葉を読む5つの確認観点を提供し、「約束」と「前提」を分離する練習をしていただきます。

汎用問題解決器とELIZAの事例を通じて、単純なパターンマッチングに人間が知能を見出してしまう傾向を示します。サイモンの「10年以内にチェス世界王者」予言の顛末にも触れます。

「脳のように学習する機械」への熱狂と、XOR問題による凍結の経緯を解説します。たった一つの限界が分野全体の希望を潰す心理構造を、現代のAIプロジェクトと重ねて考えます。

1973年のレポートを起点に、「AI」が助成金申請で禁句になった時代を扱います。過剰期待→成果不足→政治的反動→資金凍結→人材流出の連鎖を構造として整理します。

AI導入失敗に共通する5つのパターン（万能感、自動化幻想、データ過信、技術が組織を変えるという転倒、時間軸の誤認）を紹介します。第1次ブームの事例と、現代のプロジェクトに両面から当てはめます。

MYCINやDENDRALのIF-THENルールベースを題材に、「知識を移植する」という希望の形を紹介します。その前提にあった「知識は言語化できる」という信念と、知識ボトルネック問題を扱います。

DECのXCONを例に、デモが常に成功する構造的理由と本番との4つの差異を解説します。ソフト代の5倍が最終請求という「見えないコスト」の考え方、さらに組織抵抗の3つの形（面従腹背・例外論法・アリバイ作り）も紹介します。

570億円の国家プロジェクトの技術的成果と、「知能を作る」という希望には届かなかった結末を辿ります。希望の方向性を誤ると規模が大きいほど失望も大きくなる構造を、現代の各国AI戦略と対比します。

ベンダーデモに問うべき5つの観点と、「誰がどう困るか」を洗い出す実践手法を提供します。「もし自分のチームでAIツール導入が提案されたら」という総合ワークで、自組織に当てはめていただきます。

1990年代の「機械学習」「データマイニング」へのリブランディングを扱います。希望が声を潜めた時代の戦略と、名前が変わったときに本質が変わったかを見極める視点を提供します。

ルールベースからデータドリブンへの転換を、スパムフィルタを例に数式なしで解説します。「機械がルールを見つける」世界が「委譲の判断」という新たな問いを生んだことを整理します。

PageRank、Gmailのスパムフィルタ、Amazonのレコメンドなど、AIと呼ばれずに日常に溶け込んだ事例を紹介します。最も成功したAIは「AI」と呼ばれなかったという逆説を掘り下げます。

スパム判定、ローン審査、医療診断の順に「任せてよい度合い」のグラデーションを考えます。既に無自覚に委譲している判断を棚卸しし、意図的な線引きの練習をしていただきます。

冬の時代にもヒントンらが研究を続けた物語を辿り、データ量・計算力・アルゴリズムの3要素が揃って突然機能した経緯を解説します。「設計する」から「育てる」への希望の変質を扱います。

2012年のAlexNetの圧勝の意味を整理します。AIの「見る」と人間の「見る」は同じかという問いを立て、「ディープラーニング」がバズワード化した構造も振り返ります。

2016年の李世乭戦、とりわけ「第37手」の意味を丁寧に扱います。「人間には思いつかない答え」をどう扱うか、AIが人間を超えた領域で人間の役割がどう変わるかを考えます。

2017年の「Attention Is All You Need」を、日常例を使って解説します。言語・画像・音声に横断的に使えるTransformerが、「知能の機能が共通基盤に乗るかもしれない」という新しい希望を生んだことを扱います。

過去のブームと現在のブームとの構造的違いを3点で整理したうえで、現在のAIブームが本物かどうかを自分で判断するための5つの問いを提供します。

GPT-2の公開見送りからChatGPTの2ヶ月で1億ユーザーという普及までを辿ります。「言語」という人間のアイデンティティの核心に機械が踏み込んだ意味を、一般市民が当事者になった時代背景とともに扱います。

「次の単語を予測する」原理を空欄埋め練習で体感していただきます。「理解しているように見える」と「理解している」の境界、およびハルシネーションが起きる仕組みを自然に説明します。

セクション3・4で扱ったパターンを生成AI時代の導入事例に適用します。40年前と昨年の失敗報告書がほぼ同じという事実を示し、歴史を知る価値が「失敗の機序を理解できること」にある点を強調します。

ハルシネーション、バイアス、著作権、プライバシー、雇用への影響を整理し、EU・米国・日本の規制アプローチを比較します。「何を知らないかを知っておく」こともメタ認知であるという視点で締めくくります。

AGIとASIの定義、70年にわたる「あとX年」予測の歴史、楽観派と慎重派の議論を公平に扱います。議論が決着しないのは「知能とは何か」が未定義だからというセクション2への帰還を行います。

セクション2〜6のパターンを現在に重ねます。「検索より先にAIに聞く」「AIの出力を自分の考えと混同する」など、思考習慣の変化を具体的に自覚していただきます。

過剰期待と幻滅のサイクル、命名とハイプ、「今度こそ」の検証、技術と組織の不整合、冬を生き延びる基礎研究という5つのパターンを統合します。毎回「知能とは何か」の理解が少しずつ深まっているという微差に気づく視点を提供します。

5つの層を実用的なチェックリストに変換します。「チームでAIツール導入が提案されたら」「生成AIで業務を自動化したいとき」という具体シナリオで使い方を示し、歴史を学んだ実用的価値を確認します。

チューリングから学んだ思考の型を、自分自身に向ける最後のロールプレイです。セクション1で書き出した問いを再掲し、コース全体を円環させます。「学んだことをまず誰か1人と話してみる」という最初のネクストアクションで締めくくります。

講師の活動や最新情報についてご紹介します。