エキスパートシステムを作るには、専門家の頭の中にある知識をコンピュータに移す必要があります。ところが、専門家ほど自分の知識を言葉にできない——この「知識獲得のボトルネック」を突破するために研究されたのが、専門家から知識を上手にヒアリングするインタビューシステムです。
📖 ひと言でいうと
インタビューシステムとは、人間の専門家が持つ知識をうまく引き出す（ヒアリングする）ための仕組みとして研究されたシステムです。名人の技を受け継ぐ弟子の姿を想像してください。名人に「コツを教えてください」と聞いても「長年の勘だ」としか返ってきません。しかし「この場面ではなぜそう判断したのですか？」と具体的に問いを重ねれば、少しずつ判断基準が言葉になっていきます。この「上手な聞き出し」をシステム化しようとしたのがインタビューシステムです。
🖼 1枚でわかるインタビューシステム
📘 対策テキストの説明
知識のデータベースを構築するためには、専門家・ドキュメント・事例などから知識を獲得する必要がある。ドキュメントや事例から知識を獲得するためには自然言語処理や機械学習という技術を利用することで取得可能であるが、最大の知識源である人間の専門家の知識は暗黙的であるため獲得は難しい場合が多い。そこで専門家が持つ知識を上手にヒアリングするインタビューシステムなどの研究が行われた。知識を共有する方法や再利用する方法も問題になり、そうした問題を解決するために意味ネットワークやオントロジーなどの研究が活性化した。
この説明は「知識獲得」という課題の全体像を描いています。知識源は3つ（専門家・ドキュメント・事例）あり、ドキュメントや事例からは自然言語処理や機械学習で知識を取得できます。しかし最大の知識源である専門家の知識は「暗黙的」、つまり本人も言葉にできない形で頭の中にあるため、獲得が最も困難です。その突破口として研究されたのがインタビューシステムであり、さらにその先の「共有・再利用」の問題が意味ネットワークやオントロジーの研究につながった——という一連の流れが試験のポイントです。
🔍 しっかり理解する
知識獲得のボトルネック
1980年代に隆盛したエキスパートシステムは、専門家の知識をルールとして蓄え、専門家並みの判断を行うことを目指しました。しかし実際に作ろうとすると、肝心の知識を集める工程が最大の難所になりました。これが「知識獲得のボトルネック」と呼ばれる問題です。ドキュメントや過去の事例はデータとして存在するため技術的に処理できますが、熟練医師の診断勘、ベテラン技術者の故障の見立てといった知識は暗黙的で、本人ですら「なぜそう判断したか」を明文化できないことが多いのです。
インタビューシステムの役割
そこで研究されたのが、専門家との対話を通じて知識を上手に引き出すインタビューシステムです。人間のインタビュアーが優れた質問で相手の考えを言語化させるように、システムが専門家に質問を投げかけ、回答を整理しながら知識ベースに落とし込んでいくという発想です。知識獲得の流れを整理すると次のようになります。
次の課題へ：共有と再利用
知識を獲得できたとしても、話はそこで終わりません。ある病院のために作った医療知識ベースを別のシステムでも使えるのか、異なる専門家から集めた知識をどう統合するのか——知識を「共有する方法」「再利用する方法」が次の問題として浮上しました。こうした問題を解決するために、知識をネットワーク構造で整理する意味ネットワークや、知識を記述する語彙と意味の約束事を定めるオントロジーの研究が活性化していきました。インタビューシステムは、この研究の流れの起点に位置するキーワードなのです。
💡 具体例で考える
工場の設備保全を考えてみましょう。30年勤めたベテランは、モーターの音を聞いただけで「ベアリングが摩耗し始めている」と見抜きます。しかし本人に理由を尋ねても「音が違う」としか言えません。そこでインタビュー的なアプローチでは、「どんな高さの音でしたか」「振動は伴っていましたか」「同じ音で違う故障だったことはありますか」と場面を特定した質問を重ね、「高めの連続音で負荷をかけたときだけ鳴るならベアリング摩耗の疑い」という形のルールに変換していきます。この一問一答の積み重ねを支援するのがインタビューシステムの発想であり、引き出された知識がエキスパートシステムの判断ルールになります。
なお、この「暗黙知をどう引き出すか」という課題自体は現代の企業でも生きています。熟練者の退職前に技能伝承のヒアリングを行う取り組みは、まさに同じ問題意識の実務版といえます。
⚠️ よくある誤解・紛らわしい用語
- 「インタビューシステムはユーザーと雑談する対話AI」は誤り — イライザのような対話プログラムとは目的が異なります。インタビューシステムは知識ベース構築のために専門家から知識をヒアリングする仕組みです。
- 「専門家の知識は文書化されているので機械学習で獲得できる」は誤り — 自然言語処理や機械学習で獲得できるのはドキュメントや事例からの知識です。最大の知識源である専門家の知識は暗黙的で、そこが難しいからこそインタビューシステムが研究されました。
- 「暗黙的」の意味 — 隠しているのではなく、本人も言語化できない形で身についている知識という意味です。
- 意味ネットワーク・オントロジーとの関係 — これらは知識の「共有・再利用」の問題への答えとして活性化した研究です。インタビューシステム（獲得）→意味ネットワーク・オントロジー（共有・再利用）という課題の連鎖で整理しましょう。
📝 試験でのポイント
- 「専門家が持つ知識を上手にヒアリングする」システムとしてインタビューシステムを選ばせる定義問題が想定されます。
- 知識源3つ（専門家・ドキュメント・事例）のうち、「暗黙的で獲得が難しいのはどれか」を問う形式に注意しましょう。
- 「ドキュメントや事例からの知識獲得に使う技術＝自然言語処理・機械学習」という対応も穴埋めで問われえます。
- 知識の共有・再利用の問題→意味ネットワークやオントロジー研究の活性化、という文脈のつながりを問う問題に備えましょう。
📚 まとめ
- インタビューシステムは、専門家の持つ暗黙的な知識を上手にヒアリングして獲得するための仕組みです。
- 背景には、エキスパートシステム構築における「知識獲得のボトルネック」があります。
- ドキュメント・事例からは自然言語処理や機械学習で知識を獲得できますが、最大の知識源である専門家の知識は暗黙的で難しいのです。
- 獲得の次に浮上した共有・再利用の問題が、意味ネットワークやオントロジー研究の活性化につながりました。
