AI の始まりから現在へ — 六分間の歴史

英語の映像 · 4K · オリジナル音楽専用プレーヤーで見る ↗

映像を見て、歴史を探る

六分間で人工知能の転換点をたどります。各章を読み、原典へ進んでください。

各章の解説

01 / 1936 — 2026

始まりから、時代の先端へ

AI は知覚、学習、推論、問題解決などを機械に行わせる研究分野です。計算の基礎は名称より古く、本作は 1936 年から始まり、1956 年を研究分野としての重要な起点として扱います。

一人の発明者の物語ではありません。図は概念説明で、数値には指標と年を示します。

出典 [4] · 出典 [28]

02 / 1936 / 1943

思考を計算に変える

チューリング機械は最初の実物の計算機でも、完成した AI でもありません。算法で何が計算できるかを定義する枠組みです。McCulloch–Pitts モデルは神経活動を論理演算として抽象化しました。

人工ニューロンは計算モデルであり、実際の脳の完全な複製ではありません。

出典 [1] · 出典 [2]

03 / 1950

一つの問いが開いた未来

チューリングは曖昧な定義の議論を、文章で対話する模倣ゲームに置き換えました。学習機械と反対論も論じています。

流暢な会話、意識、幅広い信頼性は別の問題です。対話だけで三つを証明できません。

出典 [3]

04 / 1955 → 1956

人工知能に名前が付く

ダートマスの提案は 1955 年、研究会は 1956 年です。以前にも機械知能の構想はありましたが、この名称が共通の研究課題をまとめました。

当初の目標は、当時のデータと計算資源を大きく超えていました。

出典 [4]

05 / 1950s — 1960s

二つの道、一つの探求

記号的方法は明示的知識と推論を重視し、パーセプトロンは例から分類を学びました。単層の線形分類器には限界があり、ELIZA は主にキーワードと文章の組み替えを用いました。

理解しているように応答することと、十分に理解することは同じではありません。

出典 [5] · 出典 [6] · 出典 [7]

06 / 1965 — 1990s

冬の時代にも続く研究

専門家システムは限定的な領域で価値を示しましたが、知識の収集と維持が課題でした。AI の冬は地域や時期ごとの資金と期待の後退であり、研究全体の停止ではありません。

Lighthill 報告と McCarthy の反論は当時の議論を伝えます。曲線は資金の実測値ではなく概念図です。

出典 [6] · 出典 [8] · 出典 [9]

07 / 1986

誤りを学習の力に

誤差逆伝播は連鎖律で損失の勾配を効率よく求め、最適化算法が重みを更新します。1986 年の論文は重要な普及の節目で、方法が突然誕生した年ではありません。

深いネットワークでも、訓練の安定性、データ、計算資源が必要です。

出典 [10]

08 / 1990s / 1997

世界王者を破る機械

Deep Blue は専用ハードウェア、探索、局面評価を組み合わせたタスク特化型 AI です。現在の大規模言語モデルとは異なります。統計学習では未見のデータで評価することが重要になりました。

汎化能力は、新しい標本と環境で確かめます。

出典 [11] · 出典 [28]

09 / 2012

視覚の転換点

AlexNet は畳み込みネットワーク、GPU、ReLU、正則化を組み合わせました。15.3% は論文の競技優勝システムの top-5 誤り率で、単一ネットワークすべての結果ではありません。2 位は同じ指標で 26.2% でした。

top-5 誤り率は低いほどよい指標で、「認識精度」と混同できません。

出典 [12]

10 / 2016

囲碁の歴史的転換

AlphaGo は深層ネットワーク、探索、強化学習を組み合わせました。2016 年のシステムは人間の棋譜も利用し、後の AlphaGo Zero とは訓練方法が異なります。

画面の盤面は説明用で、李世乭戦や第 37 手の再現ではありません。

出典 [13]

11 / 2017

注意機構が開く時代

注意機構は Transformer より前からありました。2017 年の論文は注意を中心とするエンコーダー・デコーダー構造を提案しました。生成デコーダーは通常、未来のトークンを見ない因果マスクを使います。

注意の重みは計算上の関係で、完全な説明や思考の軌跡ではありません。

出典 [14]

12 / 2018 — 2020

一つのモデル、多くの課題

GPT-3 は次のトークンを予測する自己回帰言語モデルです。少数例のプロンプトは文脈に例を置く方法で、推論時に全重みを再訓練することではありません。

大きさや流暢さだけで知能と事実の正しさを判断できません。

出典 [15]

13 / 2020 / 2021

AI が生命科学へ

AlphaFold2 は学習と構造制約でタンパク質構造の予測を改善しました。細胞の完全なシミュレーションでも、実験すべての代替でもありません。2024 年化学賞は半分が David Baker、残りが Demis Hassabis と John Jumper に授与されました。

映像のタンパク質は説明用で、実物の折り畳み運動ではありません。

出典 [16] · 出典 [17]

14 / 2014 → 2022

認識から生成へ

GAN と拡散は異なる生成方法です。拡散では通常、雑音を加えて逆の除去過程を学びます。単なるネット素材の切り貼りではありませんが、学習素材を一切再現しない保証もありません。

地形は手続き的な説明図です。DDPM は節目で、拡散が初めて提案された年ではありません。

出典 [18] · 出典 [19]

15 / 2022.11.30

対話画面が開いた入口

ChatGPT は AI の始まりでも最初のチャットボットでもありません。強力な言語モデルと使いやすい対話画面を組み合わせた転換点です。公開説明は人間のフィードバックによる訓練と誤情報の可能性を示しています。

画面の対話は本作の例です。自然な出力にも出典と検証が必要です。

出典 [20]

16 / 2023 — 2024

複数の感覚、広がる世界

Gemini 1.5 は多様な入力と長い文脈の方向を示し、Llama 2 は取得可能な重みと利用条件を提示しました。対応する入出力はシステムごとに異なります。

歴史的な例であり最新順位ではありません。重み、コード、データ、ライセンスの公開は別々の軸です。

出典 [21] · 出典 [22]

17 / 2024 — 2025

推論のさらなる進歩

事前学習の計算はモデル構築時、推論時の計算は回答時に行います。複雑な課題には長い手順、標本化、探索、検証などの方法があります。R1 の論文には取得可能なモデルと蒸留の道筋があります。

図の木は全モデルの内部構造ではありません。文章の長さより結果を検証します。

出典 [23] · 出典 [24]

18 / 2020s → TODAY

知能が行動へ

RAG は外部知識から文脈を得て情報更新と出典提示を助けますが、正解を保証しません。Agent は課題を整理し、ツールを使い、結果を観察します。

すべてのツール呼び出しが高い自律性を持つわけではありません。行動には権限とフィードバックが必要です。

出典 [25] · 出典 [26] · 出典 [29]

19 / 2026 · SNAPSHOT

AI の波が世界を変える

2026 年の報告の数値がすべて 2026 年の統計とは限りません。5817 億ドルは 2025 年の世界の企業投資、58→40 は平均透明性指数の変化です。

能力点数や因果関係ではありません。検証した年次報告のスナップショットです。

出典 [27] · 出典 [28]

20 / THE NEXT CHAPTER

次の章は私たちが書く

本作は AGI の到来日を予言せず、問いで終わります。開かれた環境での信頼性、利益の共有、評価と統治は、技術と社会の課題です。

将来の可能性と、すでに起きた歴史を区別します。

出典 [28] · 出典 [29]

出典と関連資料

原論文、研究機関、製品発表からさらに調べる。

← 記事一覧へ