人工知能（AI）は、科学界や一般の人々の間でもっとも議論されているトピックのひとつとなっている。グーグル・トレンドでは、「人工知能」とそれに関連するトピックの検索数が2022年の終わりから急増している。これは、2022年11月にChatGPTが導入された時と一致している。この大規模言語モデル（LLM）は、最新の会話型AIの能力を一般の人々に直接体験させた。つまり、ユーザーと自然な言語的対話ができる、完全に機能する対話ベースのシステムである。その導入は、AIの実用的な有用性だけでなく、生産性、創造性、知識共有を強化する能力も実証した。

AIの専門家にとって、ChatGPTの発表はそれほど驚くべきことではなく、むしろこの分野における数十年にわたる継続的な開発の集大成だった。AIのルーツは1980年代まで遡ることができる。当時は、事前に定義されたルールベースのロジックに基づいて構築されたエキスパートシステムが、人工知能の最初の実用的な実装のひとつだった。これらのシステムは、制約された領域内で特定のタスクを解決する能力はあったが、適応性や柔軟性に欠けていた。「人工知能」（AI）という用語は、非常に広義には、通常は人間の知性を必要とするタスクを実行できるコンピュータシステムを表すのに使われる。これらのタスクには、推論、学習、言語の理解などが含まれる。従来の計算・統計的アプローチが、データの分析に固定された数式、ルール、モデルの適用に集中していたのに対し、AIはこれらの手法を超越することができる。

1990年代、データから学習できるアルゴリズムを導入した機械学習（ML）の登場により、パラダイムシフトが生じた。ルールベースのシステムとは異なり、これらのアルゴリズムは経験を通じて適応し、パフォーマンスを向上させることができた。これは目覚ましい飛躍であった。MLは、より自律的でデータ駆動型のシステムへの移行の始まりとなった。その核心において、アルゴリズムとはタスクを効率的に解決するために設計されたシステムであり、MLはこれらのシステムがよりダイナミックで応答性の高いものになることを可能にした (Cormen et al. 2022) 。

次の変革の波は、MLの高度なサブセットであるディープラーニングの台頭とともに2010年代に到来した。ディープラーニングは、人間の脳のシナプス結合にヒントを得た計算構造である人工ニューラルネットワークを活用する。これらのネットワークは、大規模で多次元的なデータセットの処理と分析にすぐれている。構造化されたデータセットで整理されたビッグデータの同時増加が、ディープラーニング手法の急速な発展を促した。このディープラーニングとビッグデータの相乗効果は、医療を含むさまざまな分野で重要な応用を見出し、ニューラルネットワークは医療画像の分析、病気の予知、個別化された治療戦略の調整において目覚ましい成功を収めている。

エキスパートシステムからディープラーニングへの進化は、AIにおける複雑さと能力の増大の道のりを象徴している。かつてはハードコードされたルールに依存していたものが、今ではデータから学習するだけでなく、ニュアンスに富んだ推論、問題解決、創造性を示すシステムへと移行している。ChatGPTの登場はこの飛躍を象徴するものであり、AIがついに人間のような有意義な対話を可能にするまでに至ったことを示している。この道のりはまた、ヘルスケアや教育からエンターテインメントまで、業界を超えたAIの幅広い可能性を強調している。