「Pythonのifとforだけで作る簡単なAIロジック」〜ゼロから学ぶ“考えるコード”〜

1. はじめに：AIって、本当に難しい？

「AIプログラミング」と聞くと、多くの人が「難しそう」「ライブラリ覚えるの大変そう」と思いがちです。でも実は、AI的な思考の基礎は、Pythonのifとforだけでも実現できます。

本記事では、機械学習やディープラーニングを一旦横に置いて、Pythonの基本構文だけで“AI的なロジック”を組む練習をしていきます。
目的は、複雑な仕組みの前に、まず「考えるロジック」を体験することです。

2. AIロジックとは？人間的判断をコードに落とす

ここでいう“AI的ロジック”とは、以下のような特徴を持つコードを指します：

状況に応じて動作が変わる（条件分岐）
過去の情報を学びに使う（履歴記録）
試行錯誤して改善する（簡易的な報酬設計）

複雑な数学モデルがなくても、こうしたロジックは簡単なPythonコードでも再現可能です。

3. 実装：ifとforだけで作る迷路脱出AI

🧩 テーマ：迷路のゴールを目指すエージェント

迷路のような2次元グリッドの中で、エージェントがゴールにたどり着くプログラムを作ります。

maze = [
    ["S", ".", ".", "#", "."],
    ["#", "#", ".", "#", "."],
    [".", ".", ".", ".", "."],
    [".", "#", "#", "#", "."],
    [".", ".", ".", "G", "#"]
]

"S"：Start（開始位置）
"G"：Goal（ゴール）
"."：通れる道
"#"：壁

🎯 ルール：

上下左右に1マスずつ移動可能
壁にはぶつかれない
ゴールに着いたら終了

👨‍💻 コード例：最短ではないが「考えて進む」

def find_start(maze):
    for i in range(len(maze)):
        for j in range(len(maze[i])):
            if maze[i][j] == "S":
                return i, j

moves = [(-1, 0), (1, 0), (0, -1), (0, 1)]  # 上下左右

def escape_maze(maze):
    visited = set()
    path = []

    def move(x, y):
        if (x, y) in visited:
            return False
        visited.add((x, y))
        path.append((x, y))

        if maze[x][y] == "G":
            return True

        for dx, dy in moves:
            nx, ny = x + dx, y + dy
            if 0 <= nx < len(maze) and 0 <= ny < len(maze[0]):
                if maze[nx][ny] != "#":
                    if move(nx, ny):
                        return True
        path.pop()
        return False

    sx, sy = find_start(maze)
    if move(sx, sy):
        return path
    else:
        return None

result = escape_maze(maze)
print("ゴールへの経路:", result)

4. 実務TIPS：ルールベースAIを使うときのコツ

✅ 現場での使い方例

簡易なチャットボット：キーワードに基づいて返答を切り替える
工場ラインの動作判定：条件分岐で異常検知やアラートを発生
ゲームAIの初期ロジック：ランダム移動から「報酬付き行動」へ

❌ よくある失敗例

ifが多すぎて保守不能（→関数化で整理）
状態をメモしていない（→「履歴」や「報酬」の設計が重要）
複雑な条件を一文に詰め込みすぎる

5. 応用編：簡易報酬付きロジックに進化させる

例：ゴールに近づいたら+1点、遠ざかったら-1点

def distance_to_goal(x, y, gx, gy):
    return abs(gx - x) + abs(gy - y)

# ゴール位置の取得
def find_goal(maze):
    for i in range(len(maze)):
        for j in range(len(maze[i])):
            if maze[i][j] == "G":
                return i, j

こうした距離ベースの「簡易報酬関数」を導入するだけでも、
AI的な判断の幅がぐっと広がります。

6. まとめ：まずは「考えるコード」から始めよう

観点	価値
✅ メリット	概念理解に最適／ライブラリ不要／動作が目で追える
⚠️ デメリット	実用性には限界あり／大規模には不向き
🚀 伸びしろ	ここからQ-Learning, 強化学習, Agent設計へ発展可能

🧠 最後にひとこと

AIは必ずしもブラックボックスではなく、ルール・行動・学習の組み合わせでできています。
まずはPythonの基本文法を使って、**“思考するコード”**を書いてみませんか？

📎 次回は「Jupyter Notebookの使い方＆便利機能ガイド」を予定しています！
フォローして、続きもぜひ読んでみてください 🙌