第三章「AI の歴史を紐解く」の三本目。前回、AI 誕生の夏には「地道な実物」と「過剰な約束」の二重奏が、もう始まっていた、という話をしました。研究者たちは「10年でチェス世界一」「20年で人間の仕事は何でも」と語った。約束は、いつも能力の少し先を走っていた。

では、その約束の請求書が回ってきたとき、何が起きたのか。今日は、AI が初めて迎えた「冬」に足を踏み入れます。ただ、近づいてみると、この「冬」もまた、語られてきたほど単純ではありませんでした。

三つの霜が、続けて降りた

1970年代、AI への資金と熱が一気に冷えていきます。きっかけは、立て続けに降りた三つの霜でした。

一つめは、1966年の ALPAC 報告書。冷戦下、ロシア語を自動で英訳する機械翻訳に大きな期待がかかっていました。が、言葉の曖昧さと「常識」の欠如の前に、機械翻訳は人間より遅く、不正確で、高価だと断じられた。米国の資金は引き上げられます。

二つめは、1969年。AI 研究の重鎮ミンスキーと、その盟友パパートが、『パーセプトロンズ』という本を出しました。前回登場した"見る機械"パーセプトロン ── あのニューラルネットの祖先について、単層のものでは「排他的論理和(XOR)」のような単純な問題すら解けない、と数学的に証明してみせた本です。

三つめが、1973年のライトヒル報告書。これが、決定打になりました。

外部の数学者が下した、冷徹な評決

このライトヒル報告書、書いたのが面白い人物です。ジェームズ・ライトヒルは、AI の研究者ではありません。流体力学 ── 水や空気の流れを扱う分野 ── の世界的な権威でした。英国の科学研究会議が、当時 AI 研究の最大拠点だったエディンバラ大学の内部対立に手を焼き、「中立な外部の目で評価してほしい」と、あえて畑違いの大家に頼んだのです。

ライトヒルの評決は、冷徹でした。AI は約束した「壮大な目標」を、何一つ達成できていない。最大の問題は「組み合わせ爆発」だ ── 小さな"おもちゃの問題"では解けても、現実の複雑さにスケールさせようとすると、調べるべき選択肢が天文学的に膨れあがって行き詰まる、と。彼は AI 研究を三つに分け、とりわけ「橋渡し研究(汎用ロボットのような領域)」を、完全な期待外れと断じました。

同じ年、BBC のテレビ討論で、ライトヒルと AI 研究者たちが「汎用ロボットは蜃気楼か」をめぐって公開で論争します。そして英国政府は、ごく一部の大学を除いて、国内の AI 基礎研究への資金を打ち切った。海を越えてアメリカでも、軍の研究機関 DARPA が、カーネギーメロン大学の音声理解プロジェクト ── 年300万ドルの契約 ── を1974年に打ち切ります。「パイロットの音声コマンドに応答する」実用レベルに届かなかった、という失望からでした。

こうして1974年から、「最初の AI の冬」が訪れた、とされています。

── 本当に、冬だったのか?

ここで、立ち止まりたいんです。この連載で何度も大事にしてきた、「語られている数字を、いちど疑ってみる」という姿勢で。

「AI の冬」という言葉は、研究全体が凍りついた暗黒時代、という印象を与えます。でも、実際の数字を見ると、奇妙なことに気づきます。AI 研究者の学会(ACM の AI 分科会、SIGART)の会員数は、ライトヒル報告書が出た1973年に約1,241人 ── これは1969年のおよそ2倍でした。そして「冬の最も暗い時期」とされる以後5年で、会員数はほぼ3倍の3,500人に達している。資金が凍ったはずの時期に、研究者の数は、むしろ急増していたのです。

歴史家のなかには、はっきりこう言う人もいます ── 「全般的な AI の冬など、なかった」と。凍りついたのは、機械翻訳やニューラルネットといった特定の分野と、大型の国家プロジェクトだけ。AI という営み全体が枯れたわけではなかった。

では、冬を生き延びた研究者たちは、どこにいたのか。面白いことに、彼らの一部は「AI」という看板を、そっと下ろしていました。「人工知能」という言葉には、もう"果たせなかった約束"の汚名がこびりついていた。だから研究者たちは、同じ研究を「情報科学」「機械学習」「知識ベースシステム」といった別の名前で呼び、資金の枯れた荒野を、名を変えて生き延びたのです。冬は、根を枯らしたのではなく、研究者たちに別の名前で潜ることを教えた ── そう言ったほうが、実態に近いのかもしれません。

雪の下で、春の種が育っていた

そしてもう一つ、冬の物語には欠かせない事実があります。最も寒い時期の地下で、次の春の種が、静かに芽を伸ばしていたことです。

スタンフォードでは、すべてを賢くしようとするのをやめた研究者たちがいました。化合物を特定する DENDRAL、血液の感染症を診断する MYCIN。彼らは AI に「常識」を教える壮大な夢をいったん手放し、「特定の狭い専門領域」だけに絞り込んだ。すると、機械はその領域で、初めて"実際に役立つ"ことを証明してみせたのです。この「狭く絞れば使える」という発見が、やがて1980年代、企業が何十億ドルも投じる「エキスパートシステム」のブーム ── つまり、次の春 ── の直接の土台になります。

ニューラルネットも、死んではいませんでした。資金が枯れた荒野で、ごく少数の研究者が研究を続け、1982年のホップフィールド、1986年のバックプロパゲーションの普及へと、地下水脈はつながっていく。前回からの伏線 ── 一度葬られたニューラルネットが、数十年後に覇権を握る ── は、この冬の雪の下で、もう準備されていたのです。

冬が教えること

こうして見ると、「最初の AI の冬」は、単純な悲劇ではありません。確かに資金は凍り、大きなプロジェクトは倒れ、ある分野は10年眠った。でも研究者は増え続け、看板を変えて生き延び、雪の下では次の春の種が育っていた。

そして、冬を呼んだ本当の原因は、三つの報告書そのものではなかった、というのが、いちばん大事なところだと思います。報告書は引き金にすぎない。本当の原因は、その十数年前から積み上がっていた「約束しすぎ」── 能力の先を走り続けた期待の総量 ── が、ついに請求書として回ってきたことでした。ある研究者は、こう振り返っています。誰もが「誇張のふくらむ網」に捕らわれていた、と。

これは、75年前だけの話でしょうか。それとも ── いまの私たちにも、少し覚えのある話でしょうか。次回は、この冬がどう明け、AI がどんな姿で「春」に戻ってきたのか ── エキスパートシステムの時代に、足を進めてみたいと思います。