【AI進化の歴史：第4回】2010年：ディープラーニング前夜とImageNetの始動
【AI進化の歴史を辿る連載】
※本連載は、AIの誕生から現在までの歴史を1年ずつ追いながら、技術の変遷とドラマをドキュメンタリー小説風に解き明かしていきます。
1. プロローグ：新しい世紀の幕開けと、画像認識の静かな壁
2010年。世界はモバイルインターネットの急速な普及と、スマートフォンの爆発的ヒットに沸き立っていました。機械学習による推薦システムやスパムフィルターは実務に浸透し、AIは「便利な道具」としての地位を確立しつつありました。
しかし、コンピュータビジョン（画像認識）の分野には、冷たく分厚い「見えない天井」が存在していました。
「コンピュータに、写真の中の猫と犬を正確に見分けさせることはできるのか？」
このシンプルな問いに対し、当時の最先端アルゴリズムをもってしても、認識精度は極めて不安定でした。人間にとっては一瞬で終わる認知が、機械にとっては依然としてエベレスト登頂よりも困難な挑戦だったのです。
2. 職人芸の限界：人間が「特徴」をデザインする不条理
なぜ、当時の画像認識は頭打ちになっていたのでしょうか？
その最大の原因は、画像から「何に注目して分類すべきか」を、人間が手作業で数式化していたことにありました。これを「手動特徴量抽出（Hand-crafted Feature Extraction）」と呼びます。
【古典的画像認識の限界】
「猫とは何か？」を定義するために、人間が「エッジ（輪郭）の傾き」「輝度の変化パターン」などの
特徴抽出アルゴリズム（SIFTやHOGなど）を必死に数学的に設計し、分類器に渡していた。
※図：人間が特徴抽出アルゴリズムを手動設計する、古典的画像認識のフロー（AI生成ダイアグラム）
「猫の耳は尖っており、ヒゲがあり、目は丸い」といった特徴を、光の明暗データからルール化しようとするこの試みは、光の当たり方、カメラの角度、背景のノイズが少し変わるだけで一瞬で崩壊しました。人間が手作業で特徴量を設計している限り、本質的な「視覚」を機械に与えることは不可能だったのです。
画像認識の精度向上という細い糸が絡まり合う中、学界の主流派は「より複雑で洗練された数理モデルを作るべきだ」と主張していました。
3. ImageNetの始動：狂気と呼ばれたデータセット
この学界の常識に対し、「モデルの複雑さではなく、データの規模こそが世界を映し出す」という狂気じみた信念を持った女性研究者がいました。プリンストン大学（当時）のフェイフェイ・リー（Fei-Fei Li）教授です。
彼女は、「子供が世界を見て学ぶように、機械にも圧倒的な数の絵本（データ）を与えるべきだ」と考えました。
2007年から始まったそのプロジェクトは、インターネット上の画像を集めてラベルを付与するという途方もないものでした。数万枚規模が限界とされていた時代に、彼女が目指したのは「数千万枚」の規模です。共同研究者たちからも「そんなデータセットは絶対に作れないし、できたとしても意味がない」と冷ややかに評されました。
資金も底を突きかける中、彼女が出会ったのが、当時サービスが始まったばかりのクラウドソーシング「Amazon Mechanical Turk」でした。
【ImageNetの物量作戦】
世界167カ国、約5万人のワーカーをクラウド経由で動員。
膨大な画像一枚一枚に「これは猫か」「車か」「犬か」と人の目でラベルを貼り続けた。
※図：数千万枚規模の画像にラベルを付与し、整理されたImageNetの構造（AI生成ダイアグラム）
そうして2009年、1,400万枚以上の画像、2万以上のカテゴリからなる前代未聞の超巨大画像データベース「ImageNet」が公開されました。
そして2010年、このデータベースを使った世界最強の画像認識コンペティション「ILSVRC（ImageNet Large Scale Visual Recognition Challenge）」が始動します。
初年度である2010年の優勝モデルの「エラー率（誤認識率）」は 28.2%。当時の最高峰のアルゴリズムを駆使しても、4枚に1枚以上は誤認識するというレベルであり、研究者たちは「やはりこのあたりが限界か」と諦めかけていました。
4. エピローグ：器は満ちた。しかし、脳が足りない
2010年、フェイフェイ・リーの執念によって、AIを育てるための圧倒的に巨大な「器（データ）」は完成しました。しかし、この1,400万枚もの高次元データを処理し、特徴量を自律的に学習できる「強力な脳（モデル）」は、まだ表舞台には現れていませんでした。
世間からは「冬の時代の遺物」として忘れ去られていたニューラルネットワーク（深層学習）の研究者たち。その筆頭であるジェフリー・ヒントンらは、世間の冷笑を浴びながらも、密かに牙を研ぎ澄ましていました。
彼らが目をつけたのは、ゲーム用の画像処理で急速に進化していたハードウェア「GPU（画像処理半導体）」でした。
莫大なデータと、最新の計算力が交差する特異点まで、あとわずか2年。
次回、2011年。AIはインターネットのデータと巨大なクラウドの力を得て、ある身近な動物を自ら発見することになります。
「2011年：AIの社会認知とGoogle Brainの『猫』」へ。
歴史の歯車が、目に見える音を立てて回り始めます。