G検定のAIの歴史は、シラバス上「人工知能とは」（domain-08）と「人工知能をめぐる動向」（domain-09）にまたがります。年号の丸暗記より、時代の流れと技術の転換点を理解することが合格の近道です。本記事では、G検定の全体像を踏まえ、主要タイムライン・各時代の特徴・覚え方のコツ・頻出問題パターンを整理します。最新の出題範囲は日本ディープラーニング協会 G検定公式ページでご確認ください。
分野の位置づけ
AIの歴史は「地図」を作る分野です。技術分野の学習の土台になります。
- domain-08（人工知能とは） AIの定義、チューリングテスト、強いAIと弱いAI、歴史の概観
- domain-09（人工知能をめぐる動向） 産業動向、政策、国際競争、生成AI時代の変化
- 出題の傾向 細かい年号より「どの時代の出来事か」「技術の転換点」の理解が問われやすい
主要タイムライン
G検定で押さえておきたい節目の年表です。正確な年号は公式シラバス・テキストで確認してください。
| 時期 | 出来事 | ポイント |
|---|---|---|
| 1950年 | チューリングテストの提唱 | 機械の知能を判定する思考実験 |
| 1956年 | ダートマス会議 | 「人工知能（AI）」という用語が使われた起源とされる |
| 1970〜80年代 | エキスパートシステムの隆盛 | ルールベースの知識表現・推論が実用化 |
| 1980〜90年代 | AI冬（第一次・第二次） | 期待と成果のギャップによる研究・投資の低迷 |
| 1997年 | ディープブルーがチェスで世界王者に勝利 | 探索・評価関数による古典的AIの成果 |
| 2012年頃 | ImageNetコンペでのディープラーニングの躍進 | 深層学習ブームの起点の一つ |
| 2016年 | AlphaGoが囲碁の世界王者に勝利 | 深層学習＋強化学習の象徴的事例 |
| 2017年 | トランスフォーマー論文 | 現代LLMの基盤アーキテクチャ |
| 2022年 | ChatGPTの公開 | 生成AIの一般普及・ビジネス活用の加速 |
時代別の特徴
- 符号主義AI（1950〜80年代） ルール・論理・探索が中心。エキスパートシステムが代表
- 機械学習の台頭（1990〜2010年代） データからパターンを学習するアプローチが主流に。SVM・ランダムフォレストなど
- ディープラーニング革命（2010年代〜） GPUの普及と大規模データで深層学習が実用化。画像認識・音声認識で飛躍的進歩
- 生成AI時代（2020年代〜） LLM・拡散モデルによるテキスト・画像生成。業務活用とガバナンスが課題に
歴史とセットで覚える概念
年号の覚え方
- タイムラインを1枚にまとめる 紙やホワイトボードに年代順で出来事を並べ、関連技術を矢印でつなぐ
- 「転換点」だけを暗記 1956（起源）・2012（DL復活）・2022（生成AI普及）の3点を軸にする
- 技術とセットで覚える 「トランスフォーマー→2017」「AlphaGo→強化学習」のように結びつける
- 一問一答で反復 年号問題は四肢択一で繰り返し出る。間違えた問題だけをノートに記録
頻出問題パターン
- 出来事と年代の対応 「ダートマス会議はいつ？」「ChatGPTが注目されたのはいつ頃？」
- 技術と時代の対応 「エキスパートシステムが隆盛した時代」「深層学習が再注目されたきっかけ」
- AI冬の理由 期待と現実のギャップ、計算資源の限界、データ不足など
- 弱いAIと強いAI 現在のAIの位置づけと将来像の区別
- 産業・政策動向 各国のAI戦略、日本の取り組み（domain-09）
分野別演習で定着させる