By ギル・プレスコンパイル:Felix、PANews2025年7月9日、NVIDIAは時価総額が4兆ドルに達した最初の上場企業となりました。今後、NVIDIAと波乱に満ちたAI分野はどこへ向かうのでしょうか？予測は難しいですが、利用できるデータは豊富にあります。少なくとも、過去の予測がなぜ実現しなかったのか、どのような点で、どのような方法で、どのような理由で実現しなかったのかを明らかにする助けになります。これが歴史です。人工知能（AI）の80年の発展の中で、どのような経験と教訓を得ることができるのでしょうか。この過程では、資金投入が高かったり低かったり、研究開発の方法はさまざまであり、一般の人々は時には好奇心に満ち、時には不安を感じ、時には興奮を抱いています。AIの歴史は1943年12月に始まり、神経生理学者のウォーレン・S・マカロックと論理学者のウォルター・ピッツが数理論理に関する論文を発表しました。彼らは「神経活動における固有概念の論理演算」という論文の中で、理想化され簡略化された神経ネットワークと、それらが脈冲を伝達または伝達しないことでどのように単純な論理演算を実行するかを推測しました。当時、組織化学のこの分野を開拓していたラルフ・リリー（Ralph Lillie）は、マッカロックとピッツの仕事を「実験的事実が欠如している中で『論理と数学モデルに現実性を与える』」と表現しました。その後、この論文の仮説が実証検証に失敗した際、マサチューセッツ工科大学のジェローム・レットビン（Jerome Lettvin）は、神経病学と神経生物学の分野がこの論文を無視していたにもかかわらず、それが「新しい分野（現在AIと呼ばれる）に熱中する運命にある人々の群れ」を刺激したと指摘しました。実際、マッカロックとピッツの論文は「コネクショニズム」を刺激し、現在支配的なAIの特定の変種である「深層学習」として知られ、最近は「AI」と再命名されました。このアプローチは脳の実際の機能とは無関係ですが、このAIの変種を支える統計分析手法である「人工神経ネットワーク」は、AIの専門家や評論家によって「脳を模倣する」と表現されることが一般的です。権威者であり、トップAI専門家であるデミス・ハサビスは2017年に、マッカロックとピッツの脳の働き方に関する虚構の説明と類似の研究が「現代の深層学習研究の基礎を築き続けている」と主張しました。**教訓1****：エンジニアリングと科学を混同しないように警戒し、科学と推測を混同しないようにし、科学と数式や公式だらけの論文を混同しないようにすることが重要です。最も重要なのは、「私たちは神のようである」という幻想の誘惑に抵抗することです。つまり、人間と機械は異ならず、人間は人間のような機械を創造できると考えることです。**この頑固で普遍的な傲慢は、過去80年間にわたり、テクノロジーのバブルやAIの周期的な熱狂の触媒であり続けている。これは、すぐに人間の知能やさらなる超知能を持つ機械の考えである汎用AI（AGI）を思い起こさせます。1957年、AIの先駆者であるハーバート・サイモンは、「現在、世界には考え、学び、創造する機械が存在する」と宣言しました。彼はまた、10年以内にコンピュータが国際チェスチャンピオンになると予言しました。1970年、別のAIの先駆者であるマービン・ミンスキーは自信満々にこう述べました。「3年から8年以内に、普通の人と同じ知性を持つ機械を手に入れることができる……一度コンピュータが状況を把握すれば、私たちは二度とその状況を取り戻せないかもしれません。私たちはそれらの恩恵に頼って生きることになるでしょう。運が良ければ、それらは私たちをペットとして扱うことを決定するかもしれません。」汎用AIの登場が期待される意義は非常に大きく、政府の支出や政策にも影響を与える。1981年、日本は第五世代コンピュータプロジェクトに85億ドルを投じ、人間のように考える機械を開発することを目指した。このため、アメリカ国防高等研究計画局は長い「AIの冬」を経て、1983年に「人間のように見る、聞く、話す、考える」機械を開発するためにAI研究の再資金投入を計画した。世界各地の開明的な政府は、約10年と数十億ドルをかけて、一般的なAI（AGI）についての明確な理解を得ただけでなく、従来のAIの限界についても認識しました。しかし、2012年になると、コネクショニズムが他のAI派閥に勝利し、一般的なAIに関する新たな予測が世界中に広まりました。OpenAIは2023年に、超知能AI――「人類史上最も影響力のある発明」――がこの10年以内に登場する可能性があり、「人類が権力を失い、さらには人類の絶滅を引き起こす可能性がある」と主張しました。**教訓****二：新しい華やかなものに注意し、それらを注意深く、慎重に、賢明に見極める必要があります。それらは、機械がいつ人間に似た知能を持つことができるかについての以前の様々な推測とあまり変わらないかもしれません。**深層学習の「教父」の一人であるYann LeCunは、次のように述べています。「機械が人間や動物のように効率的に学習するためには、まだいくつかの重要な要素が欠けており、それが何であるかは現時点ではわからない。」長年にわたり、汎用AI（AGI）は「実現間近」と言われてきましたが、これは「第一歩の誤謬」に起因しています。機械翻訳の先駆者であるイェホシュア・バー・ヒレル（Yehoshua Bar-Hillel）は、機械知能の限界について最も早く語った人の一人であり、多くの人が、誰かがコンピュータが最近まで誰もできないと思っていたことを実行できることを示した場合、それがたとえ非常に不完全であっても、さらなる技術の進展によって完璧にタスクを遂行できるようになると考えていることを指摘しました。人々は一般的に、忍耐強く待てば最終的に実現できると考えています。しかし、バー・ヒレルは1950年代半ばにはすでに、そうではないと警告しており、現実は何度もそれを証明してきました。**教訓3：何かをできないことから、できないことをすることまでの距離は、できないことからうまくできるようになるまでの距離よりも通常はずっと短いです。**1950年代と1960年代、コンピュータを駆動する半導体の処理速度の向上により、多くの人々は「第一歩の誤謬」に陥りました。ハードウェアが毎年「ムーアの法則」という信頼できる上昇軌道に沿って発展していく中で、人々は機械の知能もハードウェアと同時に発展するだろうと一般的に考えていました。しかし、ハードウェアの性能が向上し続けるだけでなく、AIの発展は新たな段階に入り、2つの新しい要素、ソフトウェアとデータ収集を導入しました。1960年代半ばから、エキスパートシステム（注：インテリジェントなコンピュータプログラムシステム）は、現実の世界の知識、特に特定の分野の専門家の知識と彼らの経験則（ヒューリスティック手法）の取得とプログラミングに新たな焦点を当てました。エキスパートシステムはますます人気を博し、1980年代には、フォーチュン500企業の3分の2が日常業務活動にこの技術を応用していると推定されました。しかし、1990年代初頭には、このAIブームは完全に崩壊しました。多くのAIスタートアップが倒産し、大企業も次々とAIプロジェクトを凍結または中止しました。1983年には、エキスパートシステムの先駆者であるエド・フェイゲンバウムが彼らの消滅を引き起こした「重要なボトルネック」を指摘しました。それは知識獲得プロセスの拡張であり、「これは非常に煩雑で、時間がかかり、費用がかかるプロセスです。」専門システムは、知識の蓄積に関する課題にも直面しています。ルールを継続的に追加および更新する必要があるため、維持が難しく、コストが高くなります。また、それらは人間の知性と比較して思考機械の欠陥を露呈しています。非常に「脆弱」で、異常な入力に直面すると、ばかげた誤りを犯し、専門知識を新しい分野に移すことができず、周囲の世界への理解が欠けています。根本的なレベルでは、人間のように例、経験、環境から学ぶことができません。**教訓4：****初期の成功、すなわち企業と政府機関の広範な採用と大量の公共および民間投資は、10年または15年経っても持続可能な「新しい産業」を生み出すとは限らない。バブルはしばしば崩壊する。**起伏と誇張、挫折の中で、二つの全く異なるAI開発方法が学界、公共および民間投資家、メディアの注目を争ってきました。40年以上にわたり、ルールに基づくシンボルAI方法が主導的地位を占めてきました。しかし、事例に基づき、統計分析によって駆動されるコネクショニズムは、他の主要なAI方法として、1950年代末と1980年代末に一時的に注目を集めました。2012年の接続主義の復興の前、AIの研究と開発は主に学術界によって推進されていました。学術界の特徴は教条主義が蔓延している（いわゆる「常規科学」）ことで、シンボリックAIと接続主義の間には常に非此即彼の選択が存在していました。2019年、ジェフリー・ヒントン（Geoffrey Hinton）はチューリング賞の受賞講演で、主流のAIや機械学習の学者たちの手の中で、彼と少数の深層学習愛好者が経験した困難についてほとんどの時間を費やしました。ヒントンはまた、強化学習や彼がDeepMindの同僚たちの仕事を意図的に軽視しました。わずか数年後の2023年、DeepMindはGoogleのAI事業を引き継ぎ（ヒントンもそこを去った）、これは主にOpenAIの成功に対する反応であり、OpenAIも強化学習をAI開発の一部として強化することになります。強化学習の二人の先駆者、アンドリュー・バート（Andrew Barto）とリチャード・サットン（Richard Sutton）は2025年にチューリング賞を受賞しました。しかし、現在のところ、DeepMindやOpenAI、または汎用AI（AGI）に取り組む多くの「ユニコーン」企業が、現在流行している大規模言語モデルの枠組みを超えた焦点を当てているという兆候は見られません。2012年以降、AIの発展の焦点は学界から民間部門に移りましたが、分野全体が依然として単一の研究方向に固執しています。**教訓5：すべてのAIの「卵」を同じ「バスケット」に入れないでください。**間違いなく、黄仁勲は優れたCEOであり、NVIDIAも優れた会社です。十年以上前、AIの機会が突然現れたとき、NVIDIAはその機会を迅速に捉えました。なぜなら、彼らのチップ（最初は効率的にビデオゲームをレンダリングするために設計されたもの）の並列処理能力は深層学習計算に非常に適していたからです。黄仁勲は常に警戒を怠らず、従業員に「我々の会社は破産まで30日しかない」と伝えました。警戒を怠らないこと（インテルを覚えていますか？）はもちろん、AIの80年にわたる発展から得られた教訓も、NVIDIAが今後30日間または30年間の波乱を乗り越える手助けになるかもしれません。関連情報：現在のAI革命を定義する10のAI企業とモデルの一覧
AIの80年の発展の歴史を振り返ると、この5つの歴史的教訓は学ぶ価値がある。
By ギル・プレス
コンパイル:Felix、PANews
2025年7月9日、NVIDIAは時価総額が4兆ドルに達した最初の上場企業となりました。今後、NVIDIAと波乱に満ちたAI分野はどこへ向かうのでしょうか？
予測は難しいですが、利用できるデータは豊富にあります。少なくとも、過去の予測がなぜ実現しなかったのか、どのような点で、どのような方法で、どのような理由で実現しなかったのかを明らかにする助けになります。これが歴史です。
人工知能（AI）の80年の発展の中で、どのような経験と教訓を得ることができるのでしょうか。この過程では、資金投入が高かったり低かったり、研究開発の方法はさまざまであり、一般の人々は時には好奇心に満ち、時には不安を感じ、時には興奮を抱いています。
AIの歴史は1943年12月に始まり、神経生理学者のウォーレン・S・マカロックと論理学者のウォルター・ピッツが数理論理に関する論文を発表しました。彼らは「神経活動における固有概念の論理演算」という論文の中で、理想化され簡略化された神経ネットワークと、それらが脈冲を伝達または伝達しないことでどのように単純な論理演算を実行するかを推測しました。
当時、組織化学のこの分野を開拓していたラルフ・リリー（Ralph Lillie）は、マッカロックとピッツの仕事を「実験的事実が欠如している中で『論理と数学モデルに現実性を与える』」と表現しました。その後、この論文の仮説が実証検証に失敗した際、マサチューセッツ工科大学のジェローム・レットビン（Jerome Lettvin）は、神経病学と神経生物学の分野がこの論文を無視していたにもかかわらず、それが「新しい分野（現在AIと呼ばれる）に熱中する運命にある人々の群れ」を刺激したと指摘しました。
実際、マッカロックとピッツの論文は「コネクショニズム」を刺激し、現在支配的なAIの特定の変種である「深層学習」として知られ、最近は「AI」と再命名されました。このアプローチは脳の実際の機能とは無関係ですが、このAIの変種を支える統計分析手法である「人工神経ネットワーク」は、AIの専門家や評論家によって「脳を模倣する」と表現されることが一般的です。権威者であり、トップAI専門家であるデミス・ハサビスは2017年に、マッカロックとピッツの脳の働き方に関する虚構の説明と類似の研究が「現代の深層学習研究の基礎を築き続けている」と主張しました。
教訓1**：エンジニアリングと科学を混同しないように警戒し、科学と推測を混同しないようにし、科学と数式や公式だらけの論文を混同しないようにすることが重要です。最も重要なのは、「私たちは神のようである」という幻想の誘惑に抵抗することです。つまり、人間と機械は異ならず、人間は人間のような機械を創造できると考えることです。**
この頑固で普遍的な傲慢は、過去80年間にわたり、テクノロジーのバブルやAIの周期的な熱狂の触媒であり続けている。
これは、すぐに人間の知能やさらなる超知能を持つ機械の考えである汎用AI（AGI）を思い起こさせます。
1957年、AIの先駆者であるハーバート・サイモンは、「現在、世界には考え、学び、創造する機械が存在する」と宣言しました。彼はまた、10年以内にコンピュータが国際チェスチャンピオンになると予言しました。1970年、別のAIの先駆者であるマービン・ミンスキーは自信満々にこう述べました。「3年から8年以内に、普通の人と同じ知性を持つ機械を手に入れることができる……一度コンピュータが状況を把握すれば、私たちは二度とその状況を取り戻せないかもしれません。私たちはそれらの恩恵に頼って生きることになるでしょう。運が良ければ、それらは私たちをペットとして扱うことを決定するかもしれません。」
汎用AIの登場が期待される意義は非常に大きく、政府の支出や政策にも影響を与える。1981年、日本は第五世代コンピュータプロジェクトに85億ドルを投じ、人間のように考える機械を開発することを目指した。このため、アメリカ国防高等研究計画局は長い「AIの冬」を経て、1983年に「人間のように見る、聞く、話す、考える」機械を開発するためにAI研究の再資金投入を計画した。
世界各地の開明的な政府は、約10年と数十億ドルをかけて、一般的なAI（AGI）についての明確な理解を得ただけでなく、従来のAIの限界についても認識しました。しかし、2012年になると、コネクショニズムが他のAI派閥に勝利し、一般的なAIに関する新たな予測が世界中に広まりました。OpenAIは2023年に、超知能AI――「人類史上最も影響力のある発明」――がこの10年以内に登場する可能性があり、「人類が権力を失い、さらには人類の絶滅を引き起こす可能性がある」と主張しました。
教訓****二：新しい華やかなものに注意し、それらを注意深く、慎重に、賢明に見極める必要があります。それらは、機械がいつ人間に似た知能を持つことができるかについての以前の様々な推測とあまり変わらないかもしれません。
深層学習の「教父」の一人であるYann LeCunは、次のように述べています。「機械が人間や動物のように効率的に学習するためには、まだいくつかの重要な要素が欠けており、それが何であるかは現時点ではわからない。」
長年にわたり、汎用AI（AGI）は「実現間近」と言われてきましたが、これは「第一歩の誤謬」に起因しています。機械翻訳の先駆者であるイェホシュア・バー・ヒレル（Yehoshua Bar-Hillel）は、機械知能の限界について最も早く語った人の一人であり、多くの人が、誰かがコンピュータが最近まで誰もできないと思っていたことを実行できることを示した場合、それがたとえ非常に不完全であっても、さらなる技術の進展によって完璧にタスクを遂行できるようになると考えていることを指摘しました。人々は一般的に、忍耐強く待てば最終的に実現できると考えています。しかし、バー・ヒレルは1950年代半ばにはすでに、そうではないと警告しており、現実は何度もそれを証明してきました。
教訓3：何かをできないことから、できないことをすることまでの距離は、できないことからうまくできるようになるまでの距離よりも通常はずっと短いです。
1950年代と1960年代、コンピュータを駆動する半導体の処理速度の向上により、多くの人々は「第一歩の誤謬」に陥りました。ハードウェアが毎年「ムーアの法則」という信頼できる上昇軌道に沿って発展していく中で、人々は機械の知能もハードウェアと同時に発展するだろうと一般的に考えていました。
しかし、ハードウェアの性能が向上し続けるだけでなく、AIの発展は新たな段階に入り、2つの新しい要素、ソフトウェアとデータ収集を導入しました。1960年代半ばから、エキスパートシステム（注：インテリジェントなコンピュータプログラムシステム）は、現実の世界の知識、特に特定の分野の専門家の知識と彼らの経験則（ヒューリスティック手法）の取得とプログラミングに新たな焦点を当てました。エキスパートシステムはますます人気を博し、1980年代には、フォーチュン500企業の3分の2が日常業務活動にこの技術を応用していると推定されました。
しかし、1990年代初頭には、このAIブームは完全に崩壊しました。多くのAIスタートアップが倒産し、大企業も次々とAIプロジェクトを凍結または中止しました。1983年には、エキスパートシステムの先駆者であるエド・フェイゲンバウムが彼らの消滅を引き起こした「重要なボトルネック」を指摘しました。それは知識獲得プロセスの拡張であり、「これは非常に煩雑で、時間がかかり、費用がかかるプロセスです。」
専門システムは、知識の蓄積に関する課題にも直面しています。ルールを継続的に追加および更新する必要があるため、維持が難しく、コストが高くなります。また、それらは人間の知性と比較して思考機械の欠陥を露呈しています。非常に「脆弱」で、異常な入力に直面すると、ばかげた誤りを犯し、専門知識を新しい分野に移すことができず、周囲の世界への理解が欠けています。根本的なレベルでは、人間のように例、経験、環境から学ぶことができません。
**教訓4：**初期の成功、すなわち企業と政府機関の広範な採用と大量の公共および民間投資は、10年または15年経っても持続可能な「新しい産業」を生み出すとは限らない。バブルはしばしば崩壊する。
起伏と誇張、挫折の中で、二つの全く異なるAI開発方法が学界、公共および民間投資家、メディアの注目を争ってきました。40年以上にわたり、ルールに基づくシンボルAI方法が主導的地位を占めてきました。しかし、事例に基づき、統計分析によって駆動されるコネクショニズムは、他の主要なAI方法として、1950年代末と1980年代末に一時的に注目を集めました。
2012年の接続主義の復興の前、AIの研究と開発は主に学術界によって推進されていました。学術界の特徴は教条主義が蔓延している（いわゆる「常規科学」）ことで、シンボリックAIと接続主義の間には常に非此即彼の選択が存在していました。2019年、ジェフリー・ヒントン（Geoffrey Hinton）はチューリング賞の受賞講演で、主流のAIや機械学習の学者たちの手の中で、彼と少数の深層学習愛好者が経験した困難についてほとんどの時間を費やしました。ヒントンはまた、強化学習や彼がDeepMindの同僚たちの仕事を意図的に軽視しました。
わずか数年後の2023年、DeepMindはGoogleのAI事業を引き継ぎ（ヒントンもそこを去った）、これは主にOpenAIの成功に対する反応であり、OpenAIも強化学習をAI開発の一部として強化することになります。強化学習の二人の先駆者、アンドリュー・バート（Andrew Barto）とリチャード・サットン（Richard Sutton）は2025年にチューリング賞を受賞しました。
しかし、現在のところ、DeepMindやOpenAI、または汎用AI（AGI）に取り組む多くの「ユニコーン」企業が、現在流行している大規模言語モデルの枠組みを超えた焦点を当てているという兆候は見られません。2012年以降、AIの発展の焦点は学界から民間部門に移りましたが、分野全体が依然として単一の研究方向に固執しています。
教訓5：すべてのAIの「卵」を同じ「バスケット」に入れないでください。
間違いなく、黄仁勲は優れたCEOであり、NVIDIAも優れた会社です。十年以上前、AIの機会が突然現れたとき、NVIDIAはその機会を迅速に捉えました。なぜなら、彼らのチップ（最初は効率的にビデオゲームをレンダリングするために設計されたもの）の並列処理能力は深層学習計算に非常に適していたからです。黄仁勲は常に警戒を怠らず、従業員に「我々の会社は破産まで30日しかない」と伝えました。
警戒を怠らないこと（インテルを覚えていますか？）はもちろん、AIの80年にわたる発展から得られた教訓も、NVIDIAが今後30日間または30年間の波乱を乗り越える手助けになるかもしれません。
関連情報：現在のAI革命を定義する10のAI企業とモデルの一覧