【G検定】Question-Answeringとは？IBMワトソンに学ぶ質問応答システム

「日本で一番高い山は？」と自然な言葉で聞くと「富士山です」と答えが返ってくる——これを実現するのが Question-Answering（質問応答システム）です。クイズ番組で人間チャンピオンを破ったIBMのワトソンが代表例として、G検定でも取り上げられます。

📖 ひと言でいうと

Question-Answering（質問応答システム）とは、人間が普段使う言葉（自然言語）で書かれた質問を受け取り、その答えそのものを返すコンピュータソフトウェアです。図書館のレファレンスカウンターにいる司書さんをイメージしてください。「この件について書かれた本の棚はあちらです」と案内するのではなく、「その答えは〇〇ですよ」と直接教えてくれる存在です。検索エンジンが「答えが載っていそうなページの一覧」を返すのに対し、質問応答システムは「答えそのもの」を返す点が本質的な違いです。

🖼 1枚でわかるQuestion-Answering

📘 対策テキストの説明

Question-Answeringは、質問応答システムのことであり、ユーザーからの自然言語での質問を受け付け、解答を返すコンピュータソフトウェアを指す。このシステムは、自然言語処理や機械学習の技術を活用し、さまざまな情報源から知識を抽出し、質問に対する適切な回答を生成する。質問応答システムの代表例として、IBMが開発したワトソン君がある。

この説明には3つの要素が詰まっています。①入力は「自然言語での質問」であること、②内部では自然言語処理や機械学習を使って「さまざまな情報源から知識を抽出」すること、③代表例が「IBMのワトソン」であること。特に③は固有名詞の組み合わせ（IBM×ワトソン×質問応答）として問われやすいので、確実に結び付けて覚えましょう。

🔍 しっかり理解する

質問応答システムの中で起きていること

質問応答システムは、大きく次のような流れで答えを導きます。

まず質問文を解析して「人名を聞かれているのか、場所か、年号か」といった問いの型を見極めます。次に百科事典・辞書・文書データベースなどの情報源から答えの候補を洗い出し、それぞれの候補がどれくらい確からしいかを評価して、最有力の答えを返します。単純なキーワード一致ではなく、質問の意味を扱う必要があるため、自然言語処理と機械学習が中核技術になるのです。

なぜ「知識表現」の文脈で登場するのか

Question-Answering は、G検定ではエキスパートシステムや意味ネットワークと同じ「知識表現」の節で登場します。質問に正しく答えるには、システムの中に知識が「検索・推論できる形」で蓄えられている必要があるからです。たとえば「犬は哺乳類か？」という質問に答えるには、is-a の関係のような概念間のつながりをたどれる知識の構造が欠かせません。どのように知識を蓄え、どのように引き出すかという知識表現の研究と、質問応答システムの発展は表裏一体の関係にあります。

現代への広がり

質問応答の研究は現在も発展を続けています。近年の大規模言語モデルによる対話AIも、「自然言語の質問を受け取り、答えを返す」という質問応答システムの延長線上にある技術です。ただし、情報源から知識を抽出して答える方式と、学習済みモデルが文章を生成して答える方式では仕組みが異なり、後者では事実と異なる回答が生成されるリスクも指摘されています。「答えの根拠をどこに求めるか」という質問応答の古典的なテーマは、いまも現役の課題なのです。

💡 具体例で考える

代表例のワトソン（Watson）は、IBMが開発した質問応答システムです。2011年、アメリカの人気クイズ番組「ジェパディ！（Jeopardy!）」に出場し、歴代の人間チャンピオンと対戦して勝利したことで世界的な注目を集めました。クイズ番組の問題は、言葉遊びやひねりを含む自然言語で出題されます。ワトソンは大量の文書から知識を抽出し、答えの候補を複数生成して、それぞれに確信度（自信の度合い）を付けて評価するという仕組みで、この難しい課題をクリアしました。「決められた形式のデータベース検索」ではなく「自然言語の質問に確信度付きで答える」という点が、質問応答システムの到達点を示した事例です。

身近な例では、スマートフォンの音声アシスタントに「明日の東京の天気は？」と尋ねて答えが返ってくる場面も、質問応答の技術が使われている例といえます。

⚠️ よくある誤解・紛らわしい用語

📝 試験でのポイント

📚 まとめ