【G検定】知識獲得のボトルネック（エキスパートシステムの限界）

知識獲得のボトルネック（エキスパートシステムの限界）

知識獲得のボトルネック

第2次AIブームは知識の時代であり、エキスパートシステムのようにデータベースに大量の専門知識を溜め込んだ実用的なシステムが開発されました。

一方で、知識のデータベースを構築するためには、専門家やドキュメントなどから知識を獲得する必要がありました。

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したが、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ということが次第に明らかになりました。

さらに獲得した知識が膨大になると、情報が矛盾していたり一貫性がないものが出てくるようになりました。

エキスパートシステムの限界

第2次AIブームにおいて、エキスパートシステムには以下のような問題点が指摘されていました。

①知識の獲得: エキスパート システムは、大量のドメイン固有の知識に依存しているため、入手が困難で時間がかかる場合があります。場合によっては、ドメインの専門家が対応できないか、必要な情報を提供する意思がないため、正確で包括的な知識が不足する可能性があります。

②柔軟性の欠如: エキスパート システムは通常、特定のタスクを解決するように設計されており、新しい状況や環境の変化に簡単に適応することはできません。この柔軟性の欠如により、エキスパート システムを新しいドメインに適用したり、新しいタイプの入力を処理したりすることが困難になります。

③理解の欠如: エキスパート システムには、処理する情報のコンテキストと意味を理解する能力がありません。これは、特にルールや知識が不完全または不正確である場合に、不正確または信頼できない決定につながる可能性があります。

④ルールベースのシステム: 多くのエキスパート システムはルールに基づいており、if-then ステートメントに依存して決定を下します。このアプローチは、例外やルールからの逸脱を処理できない厳格で脆弱なシステムにつながる可能性があります。

⑤常識の欠如: エキスパート システムには、世界に関する常識と一般的な知識が欠けているため、現実世界の状況で意思決定を行う能力が制限される可能性があります。

⑥説明と正当化: エキスパート システムには、意思決定を説明または正当化する能力が欠けているため、ユーザーが自分の行動の背後にある理由を理解することが難しくなります。これにより、システムに対する信頼が失われ、ユーザーがエラーを修正したり、システムを改善したりすることが困難になる可能性があります。

⑦スケーラビリティ: エキスパート システムは、特に基礎となる知識の量が増えるにつれて、複雑になり、保守が困難になる可能性があります。これにより、スケーラビリティが制限され、大規模または複雑なドメインへの適用が困難になる可能性があります。

インタビューシステム

インタビューシステムとは、知識のデータベースを構築するため、専門家が持つ知識を上手にヒアリングするためのシステムです。