【G検定対策】知識表現とエキスパートシステム14語の覚え方をわかりやすく解説！

【重要度】★★★

「第2次AIブームの知識表現やエキスパートシステム、カタカナや英語のプロジェクト名が多くて頭に入らない…」
「is-a関係やpart-of関係の違いがピンとこない」と悩んでいませんか？

この分野は、暗記すべき用語が多くて挫折しそうになりますよね。
しかし、G検定においてここは「知っていれば確実に点数が取れるボーナスエリア」です！
この記事では、専門用語をすべて日常の例え話（メタファー）に置き換えて、直感的に理解できるように解説します。
この記事を読んで、一気に得点源にしてしまいましょう！

---

1. 知識表現とエキスパートシステムとは？分かりやすい例え話で解説

「知識表現」と「エキスパートシステム」は、第2次人工知能（AI）ブーム（1980年代）の主役となった技術です。

これを直感的に理解するために、「伝説のシェフのレシピ」をイメージしてください。

• エキスパートシステム ＝「伝説のシェフの知識をコピーした、自動料理ロボット」
• 知識表現 ＝「ロボットが読めるように、レシピを共通のルールで書き表す方法」

専門家が持っている膨大な知識や経験を、コンピュータが理解できる形式（知識表現）でデータベースに詰め込み、特定の分野において専門家のように判断できるようにした仕組み（**エキスパートシステム**）のことです。

初心者がつまずきやすいポイント

「AIが自分で考えてすごい推論をしている！」と思ってしまいがちですが、実は違います。
当時のAIは、人間が「もしAならばBである（If-Thenルール）」というルールを手動で1から10まで教え込んだものに過ぎません。

そのため、ルールにない想定外の事態が起きると、AIは一歩も動けなくなってしまいます。
さらに、人間の「常識」や「暗黙知」をすべて言葉にして教え込むのは不可能に近いという壁にぶつかりました。
これを「知識獲得のボトルネック」と呼び、第2次AIブームは終わりを迎えることになります。

まずは、この「人間ががんばって知識を教え込んでいた時代なんだな」という背景を押さえておきましょう！

---

2. 試験に出る！最重要キーワードの解説と覚え方

シラバスに登場する14個の重要キーワードを、試験に出るポイントに絞って分かりやすく解説します。

ELIZA (イライザ)

• 重要度：★★☆
• ざっくり言うと： 元祖・聞き上手なチャットボット

1960年代（第1次AIブーム）に登場した、対話型の自然言語処理プログラムです。
相手の発言の一部をオウム返ししたり、「詳しく聞かせてください」と促したりするだけの単純なルールで動いていました。
当時の人々は「自分の話を理解してくれている！」と錯覚し、過度に感情移入してしまう現象が起きました。
これを「ELIZA効果」と呼びます。

DENDRAL（デンドラル）

• 重要度：★★★
• ざっくり言うと： 世界初のエキスパートシステム（化学のプロ）

世界初のエキスパートシステムとして、試験にめちゃくちゃよく出ます。
「未知の有機化合物の分子構造を特定する」という、化学分野に特化したAIです。
「このデータがあれば、この分子構造」というルールを徹底的に人間が教え込みました。

MYCIN (マイシン)

• 重要度：★★★
• ざっくり言うと： 血液の病気を診断するお医者さんAI

DENDRALと並ぶ、第2次AIブームの超重要エキスパートシステムです。
「伝染性血液疾患の診断」を行い、患者に処方すべき抗生物質を提案してくれます。

専門医並みの高い精度を誇りましたが、当時は「もしAIが誤診をしたらだれが責任を取るのか」という倫理・法律的な問題や、知識のアップデートが追いつかないという問題から、実用化には至りませんでした。
この「実用化されなかった」という事実も試験で狙われます。

インタビューシステム

• 重要度：★☆☆
• ざっくり言うと： 専門家から知識を「聞き出す」ためのサポート役

エキスパートシステムを作るには、専門家（医師や技術者）から知識を教えてもらう必要がありますが、専門家自身も自分の知識を言葉にするのが苦手な場合があります。
そこで、専門家に効率よくインタビューして、知識をルール化するのを手助けするシステムのことを指します。

意味ネットワーク（Semantic Network）

• 重要度：★★★
• ざっくり言うと： 言葉と言葉を糸で結んだ「マインドマップ」

人間の記憶や知識の構造を、「概念（ノード）」と「関係（リンク）」を結んだネットワークで表現する方法です。
例えば、「スズメ」という丸（ノード）と、「鳥」という丸（ノード）を、「〜の一種である」という矢印（リンク）で結びます。

is-aの関係・has-aの関係・part-ofの関係

• 重要度：★★★
• ざっくり言うと： 意味ネットワークで使われる「矢印」の種類

試験で最も入れ替え問題が作りやすい、超頻出キーワードです。

• is-aの関係（継承関係）：「〜は、〇〇の一種である」
  ※例：スズメ is-a 鳥 （スズメは鳥の一種です）
• has-aの関係（属性関係）：「〜は、〇〇を（プロパティとして）持っている」
  ※例：鳥 has-a 羽 （鳥は羽を持っています）
• part-ofの関係（構成関係）： 「〜は、〇〇の一部（部品）である」
  ※例：エンジン part-of 自動車 （エンジンは自動車の一部です）

💡 試験対策 of コツ： 「AはBの〜」と英語をそのまま日本語に直して当てはまるものが正解です！

オントロジー

• 重要度：★★★
• ざっくり言うと： コンピュータ用の「世界の共通ルール辞書」

もともとは哲学用語で「存在論」という意味ですが、AIの世界では「概念化の明示的な仕様」と定義されています（このフレーズがそのまま試験に出ます）。
コンピュータに世界のことを理解させるために、「言葉の意味や関係性を正しく、厳密に定義した体系」のことです。

オントロジーには以下の2種類があります。

• ヘビー・オントロジー： コンピュータが高度な推論（自分で考えて判断すること）までできるように、ルールや例外処理までガチガチ・完璧に作り込んだ「超精密な法律書」のような体系。
• ライト・オントロジー： 言葉同士の「親子関係（スズメは鳥の一種である、など）」の整理をメインにした、シンプルで扱いやすい「学校の教科書の目次」や「図鑑の分類」のような体系。

セマンティック Web

• 重要度：★★☆
• ざっくり言うと： コンピュータが意味を理解できる賢いウェブ世界

World Wide Web（www）の生みの親であるティム・バーナーズ＝リーが提唱した構想です。
ウェブ上の情報に、コンピュータが意味（セマンティクス）を理解できるような目印（メタデータ）をくっつけることで、AIが自動で情報を集めたり処理したりできるようにする技術構想です。

Cyc（サイク）プロジェクト

• 重要度：★★★
• ざっくり言うと： 人間の「すべての常識」をAIに教え込むド根性プロジェクト

ダグラス・レナートという人物が1984年から始めた、現在も続いている壮大なプロジェクトです。
「水にぬれたら冷たい」「手を離したら物は下に落ちる」といった、人間ならだれでも知っている「すべての常識」を網羅したデータベースを作ろうとしています。

データマイニング

• 重要度：★★☆
• ざっくり言うと： データの山から「お宝（有益なパターン）」を掘り当てる技術

「マイニング＝採掘」という意味です。
大量のデータ（ビッグデータ）を統計的に分析し、人間では気づかないような「隠れた法則や相関関係」を見つけ出す技術です。（例：「雨の日は特定の缶詰がよく売れる」など）

ウェブマイニング

• 重要度：★☆☆
• ざっくり言うと： インターネットの世界に特化したデータマイニング

データマイニングの対象を、ウェブ上のデータ（ホームページのリンク構造、閲覧ログ、SNSの書き込みなど）に限定したものです。

QuestionAnswering（質問応答）

• 重要度：★★☆
• ざっくり言うと： 人間の質問に, 自然な言葉で答えるシステム

「日本の首都は？」と聞かれたら、検索結果のページ一覧を出すのではなく、「東京です」とピンポイントで回答を返すシステムや技術のことです。

Watson (ワトソン)

• 重要度：★★★
• ざっくり言うと： アメリカのクイズ番組で人間に勝ったIBMのスーパーAI

IBMが開発した質問応答システムです。
2011年にアメリカの有名なクイズ番組で人間のクイズ王を破って優勝したことで世界に衝撃を与えました。
大量のテキストデータを高速に検索・処理して回答を導き出します。

東ロボくん

• 重要度：★★★
• ざっくり言うと： 「ロボットは東大に入れるか」に挑んだ日本のプロジェクト

国立情報学研究所を中心に2011年から始まったプロジェクトです。

結果として、記述式問題などの「問題文の意味を本当に理解すること」に限界を迎え、プロジェクトは事実上の凍結状態となりました。
しかし、MARCHレベルの大学には合格できるだけの学力を模試で示すことには成功しています。
実態は問題を理解して答えを導いているのではなく、「問題文と過去問を照らし合わせる統計的な処理だけで確率の高い回答を出力」していました。

---

3. 【要点整理】歴史的システム＆関係性の構造まとめ

試験直前の見直しに使えるよう、ごちゃごちゃになりやすい知識をテーブル（表）でスッキリ整理しました！

① 歴史的システムの特徴一覧

② 意味ネットワークの関係性の違い

hr

4. G検定の「ひっかけ問題パターン」を総チェック！

G検定を作問する側がよく使ってくる「王道のひっかけパターン」を用意しました。
ここを意識するだけで、正答率はグッと上がります！

❌ ひっかけパターン1：システムの目的入れ替え

問題文の例：「MYCIN（マイシン）は、未知の有機化合物の分子構造を特定する世界初のエキスパートシステムである。」
👉 ここが×： 有機化合物の特定は「DENDRAL（デンドラル）」です。
マイシンは「血液疾患の診断」。
2大エキスパートシステムの役割逆転は超定番のひっかけです！

---

❌ ひっかけパターン2：関係性の定義のすり替え

問題文の例：「意味ネットワークにおいて、『エンジン』と『自動車』の関係は、is-a関係に分類される。」
👉 ここが×： エンジンは自動車の「一部（部品）」なので、正しくは「part-of関係」です。
is-aにしてしまうと「エンジンは自動車の一種である」という意味不明な定義になってしまいます。

---

❌ ひっかけパターン3：プロジェクトの進捗ひっかけ

問題文の例：「東ロボくんプロジェクトは、順調に成果を上げ、最終的に東京大学一般入試に合格して幕を閉じた。」
👉 ここが×： 東ロボくんは「文章の意味理解」に限界を迎え、東大合格プロジェクトは事実上凍結されました（MARCHクラスには合格圏内）。
「諦めた」という背景が試験に出ます。

---

🔥 まとめ：知識を整理して、ボーナス問題を確実にゲットしよう！

第2次AIブームの「知識表現とエキスパートシステム」の分野、お疲れ様でした！
カタカナが多くて最初はウッとなるかもしれませんが、今回紹介した「日常の例え話」や「比較表」を頭に入れておけば、試験本番で迷うことはありません。

当時の研究者たちが「人間が手動でルールを教える限界（知識獲得のボトルネック）」にぶつかったからこそ、現代の「AIがデータから勝手にルールを学ぶ（機械学習）」の時代へとつながっていきます。
歴史のストーリーとして捉えると、もっと面白くなりますよ！

一歩ずつ、確実に知識は積み重なっています。
あなたの合格を心から応援しています！

---

【大人気💡】過去問風ミニテスト＆関連テキスト

「知識表現とエキスパートシステム」はバッチリ理解できましたか？
知識を確実に定着させて一発合格を引き寄せるために、今のあなたに最適なステップを選んで進んでみましょう！

合格率をグッと上げる！「過去問風ミニテスト」に挑戦

解説を読んだら、さっそく問題に挑戦して実力を確かめてみましょう！
ボタンをクリックするとミニテストのページが開きます。

🚀 最短ルートで合格を目指す！「厳選参考書」参考書をチョイス

G検定合格へのロードマップは、この一冊を机に置くことから始まります。まずは目次だけでもチェックしてみてください。

知識を『覚えたつもり』で終わらせない。この1冊を解き終える頃には、合格ライン突破に確実に近づきます。

関連項目の解説テキストを確認

• 探索・推論の覚え方を分かりやすく解説！重要用語10選を網羅
• 機械学習の基礎を分かりやすく解説！得点源にする最重要キーワード5選