専門家の知識を、外に取り出す
エキスパートシステムは、ある分野の知識を知識ベースへ記述し、その知識を使う推論エンジンと組み合わせる発想です。扱う範囲を定め、その中で判断を進めます。
知識を保存する部分と判断の進め方を分けると、ルールを追加したり、結論へ至った条件を調べたりできます。一方、専門家が使っている知識を明確な規則にすること自体が仕事になります。
動物を見分ける教材例
参照する教材には、動物の特徴を条件として判断を進める例があります。持っている事実、そこから使えるルール、その結果加わる新しい事実を順に分けて読めます。
この例は、歴史上の医療システムの精度を示すものではありません。知識ベース型システムがどのように構成されるかを見るための、範囲を絞った教材です。
前へ進めるか、結論から戻るか
前向き推論では、分かっている事実に合うルールを適用し、新しい結論を加えます。後ろ向き推論では、確かめたい結論を決め、そのために必要な条件を調べます。
同時に使えるルールが複数ある場合には、どれを先に適用するかも設計が必要です。ルールの一覧だけでなく、選び方や質問の仕方までがシステムの振る舞いに関わります。
知識を書けば、完成する？
ルールにない状況、矛盾した情報、時間とともに変わる知識をどう扱うかが課題になります。記述できた範囲で説明を追えることと、現実のすべての状況へ対応できることは違います。
ルールと学習は、歴史の中で片方が完全に消えて置き換わった二者ではありません。学習モデルが認識した結果を、明示した条件や手続きにつなぐ設計も考えられます。
出典をたどる
本文は資料をもとにした日本語の解説です。引用画像は個別に出典を表示しています。研究の結果と現在の製品の提供条件は区別して読んでください。
- 教育資料Knowledge Representation and Expert Systems Microsoft / AI for Beginners contributors · 資料自体の発行年は記載せず · 資料は現代の教育用解説。
読む場所：Expert Systems; Forward vs Backward Inference; Animals.ipynbへの案内
知識ベース・推論エンジン、前向き推論・後ろ向き推論、動物分類の教材例。
資料確認 2026-10-29
