エキスパートシステムは、人工知能の狭い領域内で人間の専門家の意思決定能力を模倣するように設計されたコンピュータプログラムであり、通常は、推論エンジンを介してユーザーから提供された事実に符号化されたルールのベースを適用することによって機能する。エキスパートシステムは、記号的AIの最も商業的に重要な応用であり、1970年代後半から1980年代にかけて企業のAI投資の大きな波を牽引した。
アーキテクチャ
典型的なエキスパートシステムは、人間の専門家によって提供されたドメインの事実とif-thenルールの集合である知識ベースを、論理的推論（一般的には前向き推論または後向き推論）を適用して結論や推奨事項を導き出す推論エンジンから分離している。エキスパートシステムは、1950年代にアレン・ニューウェルとハーバート・サイモンによって開拓された推論技術に基づいて構築され、一般的な問題解決手法を適応させて、狭くドメイン固有の専門知識を符号化した。多くのシステムには、結論に到達するために使用されたルールの連鎖をユーザーに表示できる説明機能も含まれており、これは現在説明可能なAIとして議論されているものの初期形態であり、純粋な論理ではうまく表現できない不確実性を扱うための確信度も含まれていた。
代表的な例
初期の画期的なシステムには、1960年代半ばからスタンフォードで開発され、質量分析データから分子構造を推測するDENDRALや、1970年代に開発され、患者の症状と検査結果に基づいて抗生物質治療を推奨するMYCINがあった。MYCINは、いくつかの評価で若手医師を上回ったと報告されているが、責任問題と統合の問題から臨床展開されることはなかった。産業界では、1980年から展開されたDigital Equipment CorporationのXCONシステムがコンピュータの注文を構成し、同社に年間数千万ドルの節約をもたらしたとされ、商業的価値の広く引用される証明となった。
1980年代のブーム
XCONの成功は、1980年代を通じてより広範なエキスパートシステムのブームを引き起こす一因となり、企業は専門の「AI」コンサルタント会社や、記号処理に最適化された専用のLispマシンハードウェアに多額の投資を行った。1982年に開始された日本の第五世代コンピュータプロジェクトは、エキスパートシステム風の推論を部分的に中心とした大規模並列論理プログラミングマシンの構築を目指し、米国とヨーロッパからの競争的投資を刺激した。
衰退と第二のAI冬
エキスパートシステムは構築に費用がかかり、さらに重要なことに、維持にも費用がかかることが判明した。ドメインが拡大するにつれてルールベースは扱いにくくなり、ルール間の相互作用を予測することが困難になり、システムは符号化された知識の範囲外の新しい状況をうまく処理できなかった。専用のLispマシンハードウェア市場は、1980年代後半までに、より安価な汎用ワークステーションが性能で追いついたため崩壊した。これらの失敗は、1973年のライトヒル報告書で記録された初期の資金崩壊を反映して、1990年代初頭まで続いたAI資金と商業的関心の急激な後退である第二のAI冬に貢献した。
遺産
エキスパートシステムは、現代のAIにも存続する実践を確立した。構造化されたドメイン知識の符号化、システム出力の説明、および一部の展開パイプラインで今も使用されているルールベースの検証層である。その概念上の子孫には、現代の知識グラフシステムや、予測可能性の低い大規模言語モデルの出力の周囲に層状に配置されたルールベースのガードレールが含まれる。データからパターンを学習する現代の機械学習システムとは異なり、エキスパートシステムは完全に手動で符号化された専門知識に依存しており、この制限が1990年代以降の統計的アプローチへのより広範な移行を動機付けた。