Dendralは、1960年代中期にスタンフォード大学で開発された、影響力のある初期のエキスパートシステムである。有機化学者が質量分析データを解釈し、未知化合物の分子構造を推定することを支援するために設計された。正式にはDendralプロジェクトとして知られるこのプロジェクトは、科学の実問題へのArtificial intelligenceの最初の応用として広く認識されており、ルールベース推論と知識工学のための基盤概念を確立した。
システムは、計算機科学者のエドワード・ファイゲンバウムと遺伝学者のジョシュア・レーダーバーグが率いるチームによって作成され、化学者カール・ジェラシーが重要な貢献を果たした。開発は1965年頃に始まり、最初の動作版であるDendral 1は1966年に完成した。「Dendral」という名前は「Dendritic Algorithm」に由来し、分子の可能な構成の樹状構造を生成する焦点を反映している。
ヒューリスティックDENDRALとルールベース推論
Dendralの核となる革新は、可能な分子構造の広い探索空間を剪定するためのヒューリスティックルの使用であり、その探索を効率的に行う点にある。分子式と質量スペクトルデータが与えられると、システムはすべての妥当な構造異性体を生成し、経験豊富な化学者から導出された一連のルールを適用し、スペクトルデータと矛盾するものを排除した。この手法は、後に「generate-and-test」パラダイムと呼ばれ、専門家システムの象徴となった。
1960年代後期に開発されたヒューリスティックDENDRALは、化学者カール・ジェラシーの質量スペクトル断片化ルールをコード化した。これらのルールは、分子が電子衝撃下でどのように分解するかを捉え、システムがスペクトルに現れる断片を予測できるようにした。予測された断片と観測されたピークを照合することで、Dendralは候補構造を順位付け、最も可能性が高いものを提案できた。
Meta-DENDRALと機械学習
後のコンポーネントであるMeta-DENDRALは、システムを拡張し、データから新しい断片化ルールを学習することを可能にした。手書きの経験知識のみに依存する代わりに、Meta-DENDRALは既知の化合物とそのスペクトルのセットを解析し、結合分裂パターンに関するルールを自動的に誘導した。これは、Machine learningの初期形態、特に誘導的問題解決の一種を表しており、AIシステムが自身の知識ベースを改善できることを実証した。
Meta-DENDRALに関する研究は、1970年代初頭に公開され、自動化された知識獲得の研究に影響を与え、スタンフォードで開発された医学の診断システムMYCINの進展に貢献した。MYCINは、ファイツガウムのグループによって構築され、Dendralが開拓したルールベースアーキテクチャを採用した。
影響と将来の遺産
Dendralの成功は、Artificial intelligenceにおけるいくつかの主要な原則を確立した。ドメイン固有知識の重要性、ヒューリスティック探索の有用性、ドメインエキスパートと計算機科学者の密な協力の価値である。また、人間の経験値を機械読み取り可能なルールにコーディフィケーション化する分野である知識工学を定義することを助けた。
プロジェクトは20年以上継続し、スタンフォードや他の機関の化学化学者によって使用されたバージョンを利用していた。現代の計算化学は、ルールベースシステムをより高度なアルゴリズムで大幅に置き換えたが、DendralはAI史の歴史上のランドマークとして残っている。それは、その用語自体が存在する前の初期の専門知識システムとして頻繁に引用され、その方法論は医療から工学に至る領域の後のシステムに影響を与えた。
技術アーキテクチャ
Dendralのアーキテクチャは、計画生成器、構造生成器、予測器の3つの主要なモジュールで構成されていた。計画生成器は、質量スペクトルを使用して妥当なサブ構造または候補断片の「良いリスト」を提案した。構造生成器は、グラフ理論に基づくアルゴリズムで、分子式と提案されたサブ構造に整合するすべての可能な分子グラフを列挙した。予測器は、候補の質量スペクトルを断片化ルールを使用してシミュレートし、予測スペクトルと観測スペクトルを比較した。
このモジュール構成により、段階的な改善が可能となった。初期バージョンは全数列挙を使用したが、ヒューリスティックなルールを導入したことで候補数が劇的に減少し、システムが約20原資子未満の分子に対して実用的となった。このシステムは、当時のメインフレーム計算機であるPDP-6やDEC-10上で動作し、初期のAI研究者が好むLispで書かれていた。
歴史的背景
Dendralは、Artificial intelligence研究が急速に成長していた時期に登場し、Xerox PARC、MIT CSAIL、Carnegie Mellon Universityでの作業と並行していた。その科学的解決に焦点を当てたことは、より抽象的なAI研究と差別化され、AIが専門領域で具体的な結果をもたらすことを実証した。プロジェクトは、国立衛生研究所と全米科学財団から資金提供を受け、その学際的な魅力を反映してる。
1970年代後期までに、新しい専門システムシェル（EMYCINなど）が使いやすく、より汎用なツールを提供していたため、Dendralの影響は減少した。しかし、その遺産は、特にGenerative AIやDeep learningの領域で、ドメイン固有知識と構造化推論が重要であり続ける現代のAIアプリケーションに継承されている。Dendralプロジェクトは、Data Augmentationに似た技術の早期使用でも特徴であり、ルールのテストにより人工スペクトルを生成した。
今日、Dendralは化学とコンピュータ科学を橋渡しする先駆的な努力として記憶され、数十年のAI研究の基盤を築いた。その物語は、AIコースで、ドメイン経験とアルゴリズム的思考が複雑な問題を解くためにどのように組み合わさるかの例として教えられることが多い。