AI（人工知能）って難しいですか？ このコラムを読めば解ります！！！
こんにちは！
IT・プログラミング関連講師の荒川栄一郎です。
本日は「ルールベース」について記述します。
★はじめに：AIの仕組みを紐解く第一歩
「AI（人工知能）の導入を検討しているけれど、専門用語が多くて理解が追いつかない」
「自社のシステムはAIだと言われたけれど、昔のプログラムと何が違うのだろう？」
技術革新が急速に進む中
このような疑問を感じているビジネスパーソンや現場の技術者の方は
非常に多くいらっしゃいます。
前回までのコラムでは
AIとは「人間が作ったコンピュータの頭脳」であり
「人間の可能性を極限まで広げる最強の相棒」であることをお伝えしました。
今回はさらに一歩踏み込んで
「AIやプログラムがどのような仕組みで動いているのか」という根本的なロジックに注目していきます。
その鍵となるキーワードが、今回取り上げる「ルールベース」です。
タイトルにある通り
ルールベースとは一言で言えば「人間が手取り足取り指示を書き込む方式」のことです。
「えっ？ AIって勝手に学習して賢くなるんじゃないの？」と思った方もいるかもしれません。
実は、コンピュータが知的な処理を行うアプローチには
大きく分けて「従来のプログラム（ルールベース）」と「現代のAI（機械学習・ディープラーニング）」の
2つの流れが存在します。
この2つの仕組みの違いとそれぞれの強み・限界を正しく理解することこそが
現場やモノづくりでAIを真に使いこなすための第一歩となります。
本コラムでは、身近な例えを交えながら、分かりやすく解説していきます。
★「ルールベース」とは？～人間が指示書（レシピ）を完璧に作る世界～
「ルールベース（Rule-Based System）」とは
コンピュータに対して人間が「もしAという状況になったら、Bという処理をしなさい」という
明確なルール（条件分岐）をあらかじめ全てプログラムとして書き込んでおく方式を指します。
プログラミングでよく使われる「If ～ Then ～（もし～ならば～する）」という命令文を
膨大に組み合わせたシステムだとイメージしてください。
身近な例え：お菓子作りのレシピとロボット
ルールベースの仕組みは
「きっちり書かれたお菓子作りのレシピ」によく似ています。
①卵を2個割り入れる
②砂糖を50g加え、1分間混ぜる
③生地の温度が20度以下なら、電子レンジで10秒温める
④180度のオーブンで20分焼く
このように
人間がすべてのステップと条件を正確に指定すれば
ロボットやコンピュータは迷うことなく指示通りに完璧に動作します。
人間が指示した通りに動くため
結果が予測可能でエラーの原因も特定しやすいというメリットがあります。
モノづくり現場でのルールベースの活躍
これまで多くの製造現場やITシステムで使われてきたシステム（エキスパートシステムなど）の多くは
このルールベースで作られています。
●簡単なセンサ制御： 「温度センサーが80度を超えたら、冷却ファンを強で回す」
●自動分類システム： 「製品の重量が100g未満ならA箱へ、100g以上ならB箱へ分ける」
●初期の対話システム： 「ユーザが『営業時間』と入力したら、あらかじめ用意したテキスト『9時～18時です』を返す」
このように
条件やパターンが明確に決まっており
例外が少ない業務においては
ルールベースのシステムは高速かつ確実に動作する非常に優れた方法なのです。
★ルールベースの限界〜「手取り足取り」では対応しきれない壁〜
人間が指示を手取り足取り書き込むルールベースは非常に優秀ですが
複雑な現実世界や高度なモノづくりの現場においては
やがて大きな「壁」にぶつかることになります。
それは
「例外やパターンが多すぎて、人間がすべてのルールを書ききれなくなる」
という限界です。
限界の例①：画像認識（外観検査）での挫折
工場の生産ラインで
製品の「傷」をルールベースで検出させようとした場合を考えてみましょう。
人間は一目で「あ、ここに小さな傷がある」と判断できます。
しかし、それをコンピュータに「ルール」として教えようとすると途方に暮れることになります。
●傷の長さは何ミリ以上か？
●傷の色は周りよりどれくらい暗いか？
●傷が斜めに入っていたら？
●光の反射で傷に見えているだけだったら？
●汚れと傷の違いをどう線引きするか？
「もし～なら傷」というルールを1,000個書いても
1,001個目の「新しい形の傷」が現れた瞬間に
ルールベースのシステムはそれを見落としてしまいます。
現場のすべてのパターンを人間が予測してコードに書き込むことには
物理的な限界があるのです。
限界の例②：熟練技術者の「勘」の言語化
熟練の職人さんが行う「微調整」もルールベース化が困難です。
「今日の気温と湿度、金属の微妙なツヤを見て加工スピードを少し落とす」といった熟練の判断は
直感や長年の経験に基づいているため、「条件文」として数値化・言語化することができません。
つまり
「人間には簡単に判断できるけれど、言葉やルールで完璧に説明できないこと」に対して
ルールベースの方式は無力になってしまうのです。
★「機械学習（AI）」の登場〜ルールを自分で見つける頭脳
この「手取り足取りルールを書く限界」を打破するために登場したのが
現代の「AI（機械学習・ディープラーニング）」です。
ルールベースと機械学習（AI）の根本的な違いは
処理の「アプローチ」にあります。
●ルールベース（従来のプログラム）：
【入力データ】 ＋ 【人間が作ったルール】 ＝ 【出力（答え）】
●機械学習（AI）：
【入力データ】 ＋ 【大量の答え（正解データ）】 ＝ 【AIが自動生成したルール】
現代のAIは、人間が手取り足取りルールを教えるのではなく
「大量のデータから、コンピュータ自らがルールや特徴量を学習して見つけ出す」
というアプローチを取ります。
例えば製品の傷検査であれば
AIに何千枚もの「正常な製品画像」と「傷がある製品画像」を見せます。
するとAIは
「傷がある画像には、こういう共通のパターン（特徴）がある」という高度な判断ルールを自ら作り上げます。
これにより
人間がルールを1つずつ書き込まなくても
複雑な画像認識や将来予測、言葉の理解などが可能になったのです。
★ルールベースとAI、どちらが良いのか？～ハイブリッドな活用の重要性～
ここで注意したいのは
「ルールベースは古くてダメな技術で、これからは全部AIにすべきだ」という極端な考え方です。
実はこれも大きな間違いです。
ルールベースとAIには、それぞれ得意・不得意があります。
例えば
「製品の合計金額を計算する」「特定の安全基準を満たしているかチェックする」といった絶対に間違えてはならず
ルールが明確な処理は、ルールベース（通常のプログラム）で行うのが最も安全でコストもかかりません。
一方で
「カメラ映像から欠陥を見つける」「過去のデータから需要を予測する」といった複雑で感覚的な処理は
AIに任せるのが最適です。
これからのモノづくりや業務改善で本当に成果を出すためには
「ルールベース（確実な制御）とAI（柔軟な判断）を適切に組み合わせる設計力」が求められるのです。
★「仕組み」を知れば、AIはもっと面白くなる！
「ルールベース」と「AI（機械学習）」の違いを知ると
これまで「黒魔術」のように見えていたAIの輪郭が
くっきりと見えてきたのではないでしょうか。
●「この業務はルールがはっきりしているから、普通のプログラムで自動化しよう」
●「この検品作業はルール化が難しいから、AIに画像学習をさせてみよう」
こうした判断ができるようになることこそが
「AIに使われる側」から「AIを使いこなす側」へと進化するということです。
AIの仕組みやプログラミングは
決して一部の天才エンジニアだけのものではありません。
基礎的な概念を理解し、実際に自分の手でコードを書いたり
データを読み込ませたりする体験を通じれば、誰でも身につけることができる実用的なスキルです。
仕組みが分かれば
現場の課題を見たときに「こうすればAIで解決できるのではないか？」
というアイデアが次々と湧いてくるようになります。
あなたも「ルールベース」と「AI」の仕組みを正しく学び
自分の手で新しいモノづくりの可能性を切り拓いてみませんか？
【AIモノづくり研修】
AIモノづくり研修の詳細については
ホームページに記載していますので参考にしてください。
●「AIモノづくり研修」の詳細情報
https://itlaboj.com/ai_craftsmanship/
★「AIモノづくり研修」の受講に必要なもの
このコースを受講するためには
1受講者に対してPCが1台あれば十分です。
オンラインで受講される方は
「Zoom」「Teams」などのオンラインツールが利用できる環境があればいいと考えます。
テキストは
IT研究所株式会社が作成したものをPDFで提供します。
必要なソフトウェアやセットアップの方法も
PDFで事前配布します。
みんなが楽しみながらIT・プログラミングの知識を習得してほしいと思いますし
将来のIT技術者を研修や動画コンテンツを通じて
育成していきたいと考えています。
私は日本全国に多くのIT技術者を育成できる研修を目指していきたいです。
そして一人でも多くの受講者に受講してもらい理解してもらえる研修を行いたいと思っています。
