知識獲得のボトルネック
解説：第2次AIブームの「最大の壁」
知識獲得のボトルネック（Knowledge Acquisition Bottleneck）とは、1980年代の第2次AIブーム（エキスパートシステム）において、「専門家の知識をコンピュータが扱えるルールとして記述・入力する作業」が極めて困難だったことを指します。
なぜボトルネックになったのか？
当時のAI（エキスパートシステム）は、人間が手作業で膨大な「IF-THENルール（もし〜なら、〜する）」を入力する必要がありました。しかし、これには以下の限界がありました。
- 暗黙知（Tacit Knowledge）の壁：
専門家の知識は「長年の勘」や「経験則」など、言葉で説明しきれない部分が多く、明確なルールにするのが難しかった。 - ルールの矛盾と管理コスト：
ルールが数千、数万と増えるにつれて、ルール同士の矛盾（コンフリクト）が発生し、修正や保守が不可能になった。
💡 具体例：エキスパートシステム
この時代の代表的なシステムとして、血液疾患を診断する「MYCIN」などがあります。
👉 MYCIN（マイシン）について詳しく見る
この問題により、AIは特定の狭い領域でしか役に立たず、汎用性がないと失望され、第2次AIブームは終焉を迎えました（冬の時代）。
解消への道：機械学習の登場
このボトルネックを解消したのが、現在の第3次AIブーム（機械学習・ディープラーニング）です。「人間がルールを教える」のではなく、「AI自身が大量のデータからルール（特徴）を学習する」というアプローチへの転換が、この壁を打ち破りました。
G検定対策
出題ポイント
- 時代背景：第2次AIブーム（1980年代）の衰退原因として出題される。
- キーワード：エキスパートシステム、暗黙知、知識ベース、推論エンジン
- 対比構造：「人間による手動入力（第2次）」vs「データからの自動学習（第3次）」
よくあるひっかけ問題
- × 「知識獲得のボトルネックとは、コンピュータの計算速度が遅すぎて学習が進まなかったことである」
（解説）ハードウェア（計算資源）の問題ではなく、知識を記述する「人間側の作業コストと限界」が本質的な問題でした。 - × 「ウェブ上のデータが不足していたことがボトルネックだった」
（解説）ビッグデータ不足は機械学習の課題ですが、ここでのボトルネックは「ある知識をどうやってルール化するか」という表現の問題です。
