2026.06.14

【G検定対策】知識表現とは？｜専門家の知識をAIで扱う考え方をわかりやすく整理

seo-webmaster

プロモーションが含まれています

AIの歴史を学ぶときに重要になるのが、知識表現です。

知識表現とは、人間が持っている知識を、コンピュータが扱える形に整理する考え方です。

特に第二次AIブームでは、専門家の知識をルールとしてAIに入れ、判断させるエキスパートシステムが注目されました。

ただし、知識を人手で集めて整理し続けることには限界がありました。

この記事では、知識表現の意味、エキスパートシステムとの関係、知識獲得のボトルネック、機械学習との違いを、G検定対策としてわかりやすく整理します。

ジャンプするもくじ

知識表現とは？
G検定ではどう問われる？
まとめ
関連記事・おすすめ記事

知識表現とは？

知識表現とは、人間が持つ知識を、コンピュータが扱える形にすることです。

人間は、経験や常識、専門知識をもとに判断します。

しかし、コンピュータはそのままでは人間の知識を理解できません。

そのため、知識をルール、関係、構造などの形に整理して、AIが扱えるようにします。

知識表現を一言で整理すると、次のようになります。

知識表現

人間の知識を、コンピュータが扱える形に整理すること

目的

AIが知識を使って判断・推論できるようにすること

なぜ知識表現が必要なのか？

AIに判断させるためには、単にデータを集めるだけではなく、判断に使う知識を整理する必要があります。

たとえば、医療の診断支援を考えると、医師は症状、検査結果、病歴などをもとに判断します。

このような専門家の知識をAIに使わせるには、知識をコンピュータが扱える形式に変える必要があります。

知識表現が必要になる流れは、次のように整理できます。

人間は専門知識や経験で判断する

↓

コンピュータはそのままでは知識を理解できない

↓

知識をルールや関係として整理する

↓

AIが知識を使って推論できるようになる

つまり、知識表現は、AIに「知識を使った判断」をさせるための土台です。

第二次AIブームと知識表現

知識表現は、第二次AIブームで特に重要になりました。

第一次AIブームでは、探索や推論によって問題を解くAIが注目されました。

しかし、現実の問題は複雑で、単純な探索や推論だけでは対応しにくいことがわかりました。

そこで第二次AIブームでは、専門家の知識をコンピュータに入れ、その知識をもとに判断する仕組みが注目されました。

第二次AIブームの中心を整理すると、次のようになります。

時期	中心技術	考え方
第一次AIブーム	探索・推論	ルールが明確な問題を解く
第二次AIブーム	知識表現・エキスパートシステム	専門家の知識を使って判断する
第三次AIブーム	機械学習・ディープラーニング	データからパターンを学ぶ

G検定では、知識表現は第二次AIブームとセットで押さえると理解しやすくなります。

知識表現とエキスパートシステムの関係

知識表現を使った代表的な仕組みが、エキスパートシステムです。

エキスパートシステムとは、専門家の知識をルールとしてコンピュータに入れ、そのルールをもとに判断するシステムです。

たとえば、次のようなイメージです。

もし「発熱」があり、「咳」があり、「検査結果」が一定条件を満たすなら、特定の病気の可能性がある。

このように、人間の専門知識を「もし〜なら〜」のようなルールにして、AIが判断できるようにします。

知識表現とエキスパートシステムの関係は、次のように整理できます。

用語	役割
知識表現	専門家の知識をコンピュータが扱える形にする
エキスパートシステム	表現された知識を使って判断する仕組み
推論	ルールや条件から結論を導く処理

流れで見ると、次のようになります。

専門家の知識を集める

↓

知識表現でルール化する

↓

エキスパートシステムに登録する

↓

条件に応じてAIが判断する

つまり、知識表現は「知識を入れるための考え方」、エキスパートシステムは「その知識を使って判断する仕組み」です。

知識表現で使われる代表的な考え方

知識表現には、いくつかの代表的な考え方があります。

G検定では、細かい実装よりも「知識をどう表すのか」という大枠を押さえることが大切です。

代表的な知識表現を整理すると、次の通りです。

考え方	表し方	イメージ
ルール表現	もし〜なら〜	条件と結論で知識を表す
意味ネットワーク	概念同士の関係	ものごとのつながりを表す
フレーム	属性のまとまり	対象の特徴を枠組みで表す
オントロジー	概念体系	用語や概念の関係を整理する

たとえば、「犬は動物である」「犬には足がある」「犬は吠えることがある」のように、概念や関係を整理することで、AIが知識を扱いやすくなります。

ルールベースとの関係

知識表現は、ルールベースのAIとも深く関係します。

ルールベースとは、人間が決めたルールに従って処理する仕組みです。

たとえば、次のようなルールです。

もし購入金額が10,000円以上なら、送料無料にする

このようなルールが明確な場面では、ルールベースはわかりやすく、説明もしやすいです。

一方で、現実の問題では例外が多く、すべてのルールを人間が書くことは難しくなります。

ルールベースの特徴は、次のように整理できます。

観点	特徴
長所	判断理由がわかりやすい
長所	ルールが明確な問題に向いている
限界	例外が多い問題に弱い
限界	ルールを人手で作り続ける必要がある

知識表現は、ルールベースAIを支える考え方の一つです。

知識獲得のボトルネックとは？

第二次AIブームが停滞した理由として重要なのが、知識獲得のボトルネックです。

知識獲得のボトルネックとは、専門家の知識を集め、整理し、ルール化し続ける作業が大きな負担になる問題です。

専門家の知識は、すべてが言葉で説明できるとは限りません。

また、状況が変われば、知識やルールも更新する必要があります。

知識獲得のボトルネックは、次のような流れで起こります。

専門家の知識を集める

↓

人手でルール化する

↓

例外や新しい知識が増える

↓

更新作業が追いつかなくなる

↓

エキスパートシステムの限界になる

この限界によって、第二次AIブームは大きな壁にぶつかりました。

知識表現と機械学習の違い

知識表現と機械学習は、どちらもAIの判断に関係します。

ただし、知識の扱い方が違います。

知識表現では、人間が知識を整理してAIに与えます。

一方、機械学習では、AIがデータからパターンを学びます。

違いを整理すると、次のようになります。

観点	知識表現	機械学習
中心	人間が整理した知識	データから学んだパターン
作り方	ルールや関係を人手で作る	データを使って学習する
得意なこと	ルールが明確な判断	大量データからの予測
弱点	ルール作成・更新が大変	判断理由が見えにくいことがある

G検定では、第二次AIブームは「知識を人間が与える」、第三次AIブームは「データから学ぶ」と整理すると理解しやすくなります。

知識表現と生成AIのつながり

知識表現は、昔のAIだけの話ではありません。

生成AIや大規模言語モデルの時代でも、知識をどう扱うかは重要です。

たとえば、生成AIは大量の文章データからパターンを学びます。

一方で、企業内の専門知識、用語の関係、業務ルールなどを正しく扱うには、知識の整理が必要になることがあります。

生成AIとの関係を整理すると、次のようになります。

観点	関係
知識表現	知識や概念の関係を整理する考え方
生成AI	大量データから文章や画像を生成するAI
つながり	知識を整理することで、AI活用の精度や説明性を高めやすくなる

つまり、知識表現は「第二次AIブームの技術」としてだけでなく、AIに知識をどう扱わせるかを考えるうえでも重要です。

G検定ではどう問われる？

G検定では、知識表現だけを単独で覚えるより、第二次AIブームやエキスパートシステムとセットで問われることが多いです。

問われやすい観点は、次の通りです。

問われやすい観点	押さえるポイント
知識表現の意味	人間の知識をコンピュータが扱える形にする
第二次AIブームとの関係	知識表現とエキスパートシステムが中心
エキスパートシステムとの関係	専門家の知識をルール化して判断する
知識獲得のボトルネック	知識を人手で集めて更新することが難しい
機械学習との違い	人間が知識を与えるか、データから学ぶかの違い

特に、次の組み合わせはセットで覚えると整理しやすいです。

第二次AIブーム

知識表現
エキスパートシステム
知識獲得のボトルネック

まとめ

知識表現とは、人間の知識をコンピュータが扱える形に整理する考え方です。

第二次AIブームでは、専門家の知識をルールとして使うエキスパートシステムが注目されました。

しかし、知識を人手で集め、整理し、更新し続けることは難しく、知識獲得のボトルネックが大きな課題になりました。

最後に、重要ポイントを整理します。

用語	重要ポイント
知識表現	人間の知識をAIが扱える形にすること
エキスパートシステム	専門家の知識をルール化して判断する仕組み
第二次AIブーム	知識表現とエキスパートシステムが中心
知識獲得のボトルネック	知識を人手で集め、更新し続けることの限界
機械学習との違い	知識を人間が与えるか、データから学ぶかの違い