なぜ今、AI の歴史を知るのか
この記事でわかること： AI がどのように生まれ、何度も「冬の時代」を越えてきたか。そして ChatGPT 以降の今、私たちの仕事時間に何が起きているか。
「AI が仕事を奪う」「AI で生産性が10倍になる」——毎週のように飛び交うこの種の見出しに、もう慣れ切っていないでしょうか。
ただ、こういった主張を正確に評価するには、AIの歴史を知っている必要があります。AIは2022年に突然現れた魔法ではありません。70年以上にわたる研究の積み重ね、2度の「冬」、そして3度目のブレイクスルーの末にたどり着いた地点です。
歴史を知れば、今の熱狂が何回目で、どこに限界があるかが見えてきます。
1950年代：「考える機械」の夢
1950年 — チューリングテスト
数学者アラン・チューリングは論文「Computing Machinery and Intelligence」の冒頭でこう問いました。「機械は考えることができるか？」
チューリングはこの問いに答えるために「模倣ゲーム」を提案しました。後に「チューリングテスト」と呼ばれるこのテストは、機械が人間と区別できない応答を返せれば知能があるとみなすというものです。今日の大規模言語モデル（LLM）は、この問いへの一つの答えとも言えます。
1956年 — ダートマス会議と「AI」の誕生
ニューハンプシャー州ダートマス大学に数学者・科学者8名が集まり、「人工知能（Artificial Intelligence）」という言葉が正式に生まれました。主催者のジョン・マッカーシーらは、「あらゆる知能の側面を機械に模倣させることができる」と主張しました。
この楽観主義が、第一次 AI ブームを牽引します。
第一次 AI ブームと冬の時代（1956〜1980年代）
ブームの高揚
1960年代のAI研究は急速に発展しました。マービン・ミンスキーらのパーセプトロン（ニューラルネットワークの先祖）、定理証明プログラム、チェスプログラムなどが次々と登場します。
1965年には、ハーバート・サイモンが「20年以内に機械はあらゆる知的作業を行える」と予言するほどの楽観ムードでした。
エキスパートシステムの台頭（1970〜80年代）
第一次ブームの夢は実現しませんでした。「常識的な推論」「自然言語理解」の壁は予想よりはるかに高かったのです。1973年のライトヒル報告書（英国）が AI 研究の限界を指摘し、資金が急減。これが**第一次 AI の冬（1974〜1980年）**です。
しかし1970〜80年代に入ると、エキスパートシステムが台頭します。特定領域の専門知識をルールベースで記述した MYCIN（医療診断）や XCON（DEC の製品設定）が実用化され、企業が AI に多額を投じる「第二次ブーム」が訪れました。
第二次 AI の冬（1987〜1993年）
しかしエキスパートシステムも限界を露呈します。ルールが増えるほど矛盾が生じ、メンテナンスコストが爆発的に膨らみました。また汎用ハードウェアの性能向上により、専用 AI マシンのコスト優位性が消滅。資金が再び潮引くように去りました。
統計的機械学習の台頭（1990年代〜2000年代）
「ルール」から「データ」へのシフト
冬の時代に細々と続けられた研究が、1990年代に開花します。鍵となったのは発想の転換でした。「知識をルールでコードする」のではなく、「データから知識を自動的に学習させる」という方向です。
1990年代に SVM（サポートベクターマシン）が登場し、手書き数字認識や文書分類で高精度を達成。ベイズ学習がスパムフィルタとして現実のプロダクトに組み込まれました。
インターネットがデータを生んだ
1990年代後半のインターネット普及は、機械学習に不可欠な「大量のデータ」を生み出しました。検索エンジン（1998年の Google 創業）はこの潮流の象徴です。PageRank アルゴリズムは、機械がウェブのリンク構造から「重要性」を学習する仕組みであり、広義の機械学習の先駆けでした。
ディープラーニング革命（2010年代）
2012年：ImageNet ショック
2012年の ImageNet 画像認識コンテストで、ジェフリー・ヒントン（トロント大学）のチームが開発した AlexNet が、従来手法を10ポイント以上上回る精度を叩き出しました。
その秘密は GPU による大規模な深層ニューラルネットワークの並列学習です。この瞬間から、AI 研究のメインストリームが「深層学習（ディープラーニング）」に移行します。
- 2016年 AlphaGo：DeepMind の囲碁 AI が韓国の世界チャンピオン李世乭を4勝1敗で破り、世界に衝撃を与えました。「直感が必要」と言われてきた囲碁でさえ機械が人間を超えた事実は、AI への見方を一変させました。
- 2017年 Transformer：Google の論文「Attention Is All You Need」が発表されます。この Transformer アーキテクチャが、現代のすべての大規模言語モデルの基盤となります。
- 2018年 BERT：Google が Transformer を使った BERT を公開。自然言語処理の精度が飛躍的に向上し、検索エンジンの品質が根本的に改善されました。
LLM・生成 AI 時代（2020年代）
2020年 GPT-3
OpenAI が公開した GPT-3 は、1,750億パラメータを持つ巨大言語モデルです。文章生成・翻訳・コード補完・質問応答など、驚くほど多様なタスクをこなし「Few-shot Learning（少数例からの汎化）」という概念を世に知らしめました。
2022年 ChatGPT：大衆への衝撃
2022年11月30日、OpenAI が ChatGPT を公開。リリースから5日で100万ユーザー、2ヶ月で1億ユーザーを突破し、史上最速で普及した消費者向けサービスとなりました（比較：TikTok は9ヶ月、Instagram は2.5年）。
ビジネス界・教育界・政府が一斉に反応し、「AI の社会実装」が一般人の現実の問題になりました。
2023〜2026年：競争と標準化
GPT-4（2023年）、Claude（Anthropic）、Gemini（Google）、Llama（Meta）など複数のモデルが競合。コーディング支援（GitHub Copilot 等）、文書生成、マルチモーダル処理が急速に普及しました。
2024〜2026年には、AI の「エージェント化」——単に質問に答えるだけでなく、ブラウザを操作・コードを実行・ファイルを管理するツールとして動作する——が加速しています。
日本の AI 事情
日本の AI 史は、政府と大企業の連携が特徴的です。
- 1982年 第五世代コンピュータプロジェクト（ICOT）が国家プロジェクトとして発足。10年・500億円を投じましたが成果は限定的で、第二次 AI の冬とともに終了しました。
- 1990〜2000年代 AIBO（ソニー、1999年）のようなロボティクス領域での応用が注目を集めました。
- 2010年代 理化学研究所（理研）・NTT・富士通が深層学習研究に本格参入。スーパーコンピュータ「富岳」が AI 研究基盤として機能しています。
- 2019年〜 政府が「AI 戦略 2019」を策定。2023年の Hiroshima AI Process（G7）でも AI ガバナンスを主導しました。
- 2024年〜 NTT が独自 LLM「tsuzumi」を発表。日本語特化モデルの開発が進んでいます。
AI は私たちの仕事時間をどう変えるか？
70年の歴史を経た AI が、今まさに「仕事の時間」を再定義しようとしています。AI で節約できる時間、逆に増える時間、そして「あなたの1時間はいくらか」という問い——次の記事で詳しく掘り下げます。
→ AI は本当に仕事時間を減らしてくれるか？2026年のデータが示すこと
また、AI が生まれた土台となった IT の歴史全体は以下でどうぞ：
→ ITの進化の歴史：エンジニアが知っておきたい技術70年の流れ
AI 開発を支えたプログラミング言語の歴史はこちら：
FAQ
Q: 人工知能はいつ生まれましたか？ A: 1956年のダートマス会議で「人工知能」という言葉が誕生しましたが、理論的な出発点はアラン・チューリングの1950年の論文「Computing Machinery and Intelligence」です。
Q: AI の歴史で「冬の時代」とは何ですか？ A: 期待が技術の実力を超えて資金が急減した時期です。第一次（1974〜1980年）と第二次（1987〜1993年）の2回ありました。いずれも過剰な楽観主義と技術的限界の落差が原因です。
Q: ディープラーニングはいつ始まりましたか？ A: 2012年の ImageNet コンテストで AlexNet が圧倒的な精度を出したことが起点とされています。GPU による大規模並列学習という手法が実用化された瞬間でした。
Q: ChatGPT は AI 史でどんな意味を持ちますか？ A: 生成 AI を一般大衆に届けた最初の実用的サービスです。2ヶ月で1億ユーザーという普及速度は、AI の社会実装の転換点です。
Q: 今後の AI はどこへ向かいますか？ A: 「エージェント化」——単一の質問に答えるだけでなく、複数ステップの作業を自律的に行う——が次の主戦場です。また、特定産業向けの専門モデルや、プライバシーに配慮したオンデバイス AI も加速しています。
