title: 【文系合格者がストーリーで解説】G検定「探索・推論・知識表現」入門｜古いAIの暗記がスッと頭に入る
tags: G検定 AI ディープラーニング JDLA 資格

はじめに

こんにちは。2026年1月のG検定に合格した、文系出身のエンジニアです。

G検定の勉強を始めると、ディープラーニングの前に「探索」「推論」「知識表現」「エキスパートシステム」といった、ちょっと古めかしい用語がドサッと出てきます。私は最初、「これ今のAIと関係あるの？」と思いながら、ただの暗記として丸暗記しようとして撃沈しました。

でも、これらはAIが昔どうやって「賢く」なろうとしたかという歴史のストーリーで読むと、驚くほど頭に入ります。この記事では、第1次・第2次AIブームの中心だった古典的AI技術を、文系の私が腑に落ちた順番で整理します。

※ この記事はJDLA公式のものではありません。個人の学習経験に基づく内容です。

全体像：AIは「探す→推論する→知識を持つ」と進化した

細かい用語に入る前に、大きな流れだけ掴んでください。

探索（第1次AIブーム）：とにかく総当たりで答えを「探す」
推論：持っているルールから新しい結論を導く
知識表現・エキスパートシステム（第2次AIブーム）：専門知識をコンピュータに「持たせる」

「力技で探す時代 → 知識を持たせる時代」という順で進化したんだな、と掴んでおくと、個々の用語が地図の上に乗ってきます。

1. 探索：力技で正解を探す

第1次AIブーム（1950〜60年代）の主役が探索です。迷路やパズル、ゲームのように「取りうる手」を木構造（探索木）に並べ、ゴールまでの道を順番に調べていきます。

用語	ざっくり言うと
幅優先探索	浅い階層から横にしらみつぶし。最短経路は見つかるがメモリを食う
深さ優先探索	一本道をとことん奥まで。メモリは少ないが遠回りも
ミニマックス法	自分は最大・相手は最小を狙う、対戦ゲームの読み合い
αβ法（アルファベータ法）	ミニマックスで「読むだけ無駄な枝」を切り、計算を減らす
モンテカルロ木探索	ランダムな試行を大量に回して有望な手を評価。AlphaGoでも活躍

ポイントは、探索は「賢く考える」のではなく「しらみつぶしに調べる」アプローチだということ。だからオセロやチェスのような明確なルールのゲームには強い一方、現実の複雑な問題では手の数が爆発してしまいます。

2. トイプロブレムとフレーム問題：探索の限界

ここがG検定の頻出ポイントです。

探索ベースのAIは、ルールが明確な**トイプロブレム（おもちゃの問題）**は解けても、現実の問題は解けませんでした。これがブーム終焉の理由です。関連して必ず押さえたいのが次の3つの「問題」。

フレーム問題：ある行動に「関係あること」と「関係ないこと」をАIが切り分けられず、考えるべき範囲を絞れない問題
シンボルグラウンディング問題：記号（言葉）と、それが指す実世界の意味を結びつけられない問題
チューリングテスト：機械が知能を持つかを「人間と区別できるか」で判定する考え方

この3つは名前と意味がごちゃごちゃになりやすいので、後でまとめて整理します。

3. 推論と知識表現：知識を「持たせる」時代へ

第2次AIブーム（1980年代）のキーワードが知識表現です。探索の力技ではなく、専門家の知識をルールの形でコンピュータに与えれば賢く振る舞えるはず、という発想ですね。

用語	ざっくり言うと
推論	持っているルールや事実から新しい結論を導くこと
意味ネットワーク	概念どうしを「is-a（〜の一種）」などの関係でつないだ図
オントロジー	概念や用語の関係を体系的に定義したもの。重量級／軽量級がある
エキスパートシステム	専門家の知識をルール化し、判断を再現するシステム

4. エキスパートシステムとその限界

知識表現を実用化したのがエキスパートシステムです。試験では具体例の名前が問われます。

MYCIN（マイシン）：感染症の診断・抗生物質の処方を支援した医療系の代表例
DENDRAL（デンドラル）：化合物の構造を推定した、初期のエキスパートシステムの代表例

便利そうですが、ここにも壁がありました。知識獲得のボトルネックです。専門家の知識を人間がいちいちルールに書き起こす作業が膨大すぎて、現実的に維持できなかったのです。この限界が、「人間がルールを書くのではなく、データから自動で学ばせよう」という機械学習・第3次AIブームへの橋渡しになります。

文系の私が混同しないためにやった整理

似た用語が多いので、私は「問題系」と「人物・システム系」に分けて覚えました。

用語	ひとことで言うと
フレーム問題	何を考慮すべきか絞れない
シンボルグラウンディング問題	記号と意味を結びつけられない
知識獲得のボトルネック	知識を書き出すのが大変すぎる
トイプロブレム	ルール明確な簡単な問題なら解ける

問題の名前と「何ができない／何ならできる」のセットで覚えると、選択肢のひっかけに強くなります。

試験直前の確認リスト

幅優先探索と深さ優先探索の違いを説明できるか
ミニマックス法とαβ法の関係を言えるか
フレーム問題・シンボルグラウンディング問題を区別できるか
エキスパートシステムの例（MYCIN・DENDRAL）を挙げられるか
知識獲得のボトルネックが第2次ブーム終焉の一因だと説明できるか

まとめ

探索・推論・知識表現は、一見バラバラの暗記項目に見えて、「力技で探す → 知識を持たせる → その限界から機械学習へ」という一本のストーリーでつながっています。この流れの中に各用語を置いていくと、ただの丸暗記がぐっと楽になります。

文系の方は、数や式よりも「どのアプローチが、なぜ行き詰まったのか」という物語で押さえるのが合格への近道です。

おすすめの学習リソース

G検定の学習には、分野ごとに体系的にまとめられた教材が役立ちます。私も受験前にお世話になったサイトを紹介します。

👉 AI・データサイエンス検定ナビ

探索・推論や知識表現といった古典的AI分野から最新のディープラーニングまで、試験範囲を幅広くカバーしているので、知識の地図づくりに活用できます。

この記事はJDLA認定の公式コンテンツではありません。筆者個人の学習経験に基づく非公式の情報共有です。