知識獲得のボトルネックとは

知識獲得のボトルネックは、第2次AIブームの中心だったエキスパートシステムで表面化した問題です。エキスパートシステムは、医師や技術者などの専門家の知識を「もし〜ならば〜」というルールの形で蓄え、推論して答えを出します。MYCINやDENDRALが代表例です。

ボトルネックとは、瓶の首のように流れを細くする部分のことです。システムの性能は、蓄えた知識の質と量で決まります。その知識を集める工程が細い首となり、開発全体が進まなくなりました。エキスパートシステムの研究を率いたファイゲンバウム（Edward Feigenbaum）も、1980年の報告で、知識獲得をAIの決定的なボトルネックだと述べています。

なぜ手間がかかるのか

• 専門家の判断には、経験から身につけた暗黙的な知識が多く、本人もうまく言葉にできません。
• 知識を聞き出してルールに直す担当者（ナレッジエンジニア）が、専門家に何度もインタビューする必要があります。
• ルールが数千に増えると、互いに矛盾したり重複したりして、保守が難しくなります。
• 人間が当たり前に知っている常識は膨大で、すべてを書き出せません。

その後の取り組み

知識を共有し再利用するために、概念どうしの関係を体系的に定めるオントロジーの研究が進みました。常識をまとめて書き出そうとしたCycプロジェクトも、この流れにあります。

その後、データから規則性を自動で学ぶ機械学習が広がり、人がルールを書く負担は小さくなりました。ただし、学習用のデータ集めやアノテーションという形で、別の手間が生じています。

似た問題との区別

フレーム問題は「今の課題に関係することだけを選び出せない」問題です。シンボルグラウンディング問題は「記号と実世界の意味を結び付けられない」問題です。知識獲得のボトルネックは「知識を集めて書き表す手間」の問題として区別します。

覚え方

「知識は、使うより集めるほうが難しい」と覚えます。