人工知能（AI）の歴史は、一度の成功だけで進化してきたわけではありません。
期待と停滞を繰り返しながら発展してきました。その中でも重要な転換点となったのが「第二次AIブーム」です。
本記事では、第二次AIブームの背景から中心技術であるエキスパートシステム、実用化の進展、そして限界までを、日本のビジネス視点で分かりやすく解説します。
第二次AIブームとは
第二次AIブームは、1980年前後から1990年代初頭にかけて起こったAI研究の再興期を指します。
背景：なぜ再び注目されたのか
1970年代、第一次AIブームの失速によりAIへの期待は一時的に低下しました。
しかし、その後の技術進展により再び注目が集まります。
主な要因は以下の通りです。
- コンピュータ性能の向上（処理速度・記憶容量の増加）
- 企業における業務効率化ニーズの高まり
- 実用化志向の研究へのシフト
この時代のAIは、「理論」から「実務」へと軸足を移し始めた点が特徴です。
中核技術：エキスパートシステムとは
第二次AIブームの中心となったのが「エキスパートシステム」です。
エキスパートシステムの仕組み
エキスパートシステムとは、特定分野の専門家の知識や判断ルールをコンピュータに取り込み、問題解決を行うシステムです。
基本的な構成は以下の通りです。
- 知識ベース：専門家の知識やルールを蓄積
- 推論エンジン：条件に応じて結論を導く仕組み
たとえば「もし〇〇ならば△△と判断する」といったルールを多数組み合わせることで、専門家の判断を再現します。
活用分野と具体例
エキスパートシステムは、さまざまな分野で応用されました。
- 医療：症状や検査結果から病気を推定
- 製造業：機械の故障診断
- 化学：分子構造の分析支援
- 金融：投資判断やリスク分析
これにより、AIが「現実の業務で使える技術」として認識されるようになりました。
知識工学の発展
エキスパートシステムの普及とともに、「知識工学（Knowledge Engineering）」という分野も発展しました。
知識工学とは
知識工学とは、人間の持つ知識をどのように整理し、コンピュータで扱える形にするかを研究する分野です。
具体的には：
- 専門家の知識を体系的に整理する
- ルールとして形式化する
- システムに組み込む
この分野の発展により、AIの実用化が一気に進みました。
日本の取り組み：第五世代コンピュータ
日本では1980年代に、国家プロジェクトとして「第五世代コンピュータ」計画が推進されました。
このプロジェクトでは、
- 論理推論を中心とした新しいコンピュータの開発
- 知識処理に特化したシステムの研究
が行われ、AI研究への関心を大きく高めました。
なぜ第二次AIブームは終わったのか
実用化が進んだ一方で、エキスパートシステムには大きな課題もありました。
1. 知識の入力・維持が困難
エキスパートシステムは、人間の知識を手作業で登録する必要があります。
- 知識の収集に時間がかかる
- ルールの更新・管理が大変
- 専門家の協力が不可欠
結果として、開発・運用コストが非常に高くなりました。
2. 暗黙知（常識）に弱い
現実の問題には、明文化されていない「常識」や経験が大きく関わります。
しかし、エキスパートシステムは、
- 明確に定義されたルール
- 限定された知識範囲
に依存しているため、柔軟な対応が難しいという課題がありました。
3. 適用範囲の限界
特定の分野では高い性能を発揮する一方で、
- 分野をまたぐ問題
- 予測不能な状況
には対応できませんでした。
このため、汎用的なAIとしての発展には至らなかったのです。
現代AIとの違いと学ぶべきポイント
現在のAI（機械学習・生成AI）は、第二次AIブームとは異なるアプローチを取っています。
主な違い
- 第二次AI：人間が知識を入力（ルールベース）
- 現代AI：データから自動学習（機械学習）
現代への示唆
第二次AIブームの経験は、現代のAI活用にも重要な教訓を与えています。
- 人手による知識設計には限界がある
- 柔軟性を持つ仕組みが必要
- 運用・更新のコストを考慮することが重要
日本企業における実践的な活用ヒント
第二次AIブームの知見は、現在のAI導入にも応用できます。
現場で意識すべきポイント
- 業務を細分化し「適用範囲」を明確にする
- ルールベースとAIを組み合わせる（ハイブリッド型）
- 継続的な改善（PDCA）を前提に設計する
例えば：
- コールセンターのFAQ対応（ルール＋AI）
- 製造業の異常検知（データ＋ルール）
- 社内ナレッジの検索・活用
まとめ
第二次AIブームは、人工知能を「実用技術」として社会に広めた重要な時代でした。
その中心であったエキスパートシステムは、
- 専門知識の活用
- 業務支援の自動化
といった分野で大きな成果を上げました。
しかし、
- 知識管理の難しさ
- 柔軟性の欠如
- 適用範囲の制約
といった課題により、再びAIブームは収束します。
この歴史を理解することは、現在のAIを過信せず、適切に活用するための重要なヒントになります。
AI導入を成功させるためには、「できること」と「できないこと」を見極める視点が不可欠です。
こちらもご覧ください：【AIの歴史入門】第一次AIブームとは？誕生の背景と限界をわかりやすく解説
