AIの歴史を完全解説｜鉄腕アトム、ファジー家電、Siri、AIBO、ChatGPTまで70年の進化

1952年、日本では『鉄腕アトム』の連載が始まりました。

人間の言葉を理解し、自分で考え、悩み、人間と一緒に暮らすロボット。

いまなら「AIロボット」という言葉が浮かびますが、当時は人工衛星すらまだ飛んでいない時代です。それでも日本の子どもたちは、アトムを通じて「機械に知能が宿った未来」を想像していました。『鉄腕アトム』は1952年から連載され、1963年にはテレビアニメ化されています。【出典1】

それから70年以上。

僕たちはスマートフォンに向かって話しかけ、AIに文章を書いてもらい、写真を作り、外国語を翻訳し、プログラムを書かせています。

さらに2025年から2026年にかけては、AIが質問に答えるだけでなく、複数の手順を考え、ツールを使い、長時間の仕事を進める「AIエージェント」の時代へ入りました。

そして2026年になると、問いはさらに変わっています。

2026年9月には、Anthropicのダリオ・アモデイCEOが、AIの性能向上が安全性研究や対策より先行しないよう、開発ペースの調整を提言したことをJapan AISIが紹介しています。【出典29】

ただ、ChatGPTからAIの歴史を見始めると、大事なものがかなり抜け落ちます。

AIには、何度もブームがあり、何度も失望がありました。

日本もその歴史の脇役ではありません。

第五世代コンピュータ、ファジー家電、AIBO、将棋AI、Siri、スマートスピーカー、AI家電、顔認証。

気づけば僕たちは、ChatGPTが登場するずっと前から「機械に判断を任せる生活」に慣れていたんです。

さらに面白いのが映画です。

『2001年宇宙の旅』『ターミネーター』『GHOST IN THE SHELL／攻殻機動隊』『マトリックス』『A.I.』『her／世界でひとつの彼女』『エクス・マキナ』。

現実のAIが追いつく何十年も前から、映画は「AIを信頼していいのか」「機械に心はあるのか」「AIと恋愛できるのか」「人間と機械の境界はどこなのか」と問い続けてきました。

まず30秒で見る｜AIの歴史・超圧縮年表

• 1943年　マカロックとピッツが人工ニューロンにつながる数理モデルを発表
• 1950年　アラン・チューリングが「機械は考えられるか」という問題を提示
• 1952年　日本で『鉄腕アトム』連載開始
• 1956年　ダートマス会議。「Artificial Intelligence」という研究分野が本格始動
• 1958年　パーセプトロンが登場。学習するニューラルネットへの期待が高まる
• 1966年　対話プログラムELIZAが登場
• 1970年代　期待と現実の差が広がり、第一次AI冬へ
• 1980年代　エキスパートシステムを中心に第二次AIブーム
• 1982年　日本で第五世代コンピュータ・プロジェクト開始
• 1986年　バックプロパゲーションがニューラルネット研究を再び活性化
• 1990年前後　日本でファジー家電ブーム
• 1990年代　第二次AIブームが沈静化
• 1997年　IBM Deep Blueがチェス世界王者カスパロフを破る
• 1999年　ソニーAIBO発売
• 2000年代　検索、広告、推薦、迷惑メール判定など、見えないAIが生活へ浸透
• 2011年　IBM Watsonが米クイズ番組で勝利。AppleがSiriを搭載したiPhone 4Sを発表
• 2012年　Siri日本語対応。AlexNetが画像認識で大きな成果
• 2016年　AlphaGoが李世ドル九段に4勝1敗
• 2017年　PONANZAが佐藤天彦名人に2連勝。Transformer登場。Google HomeとAmazon Echoが日本へ
• 2019年前後　AIoT家電、顔認証決済・顔認証ATMなどが生活領域へ拡大
• 2020年　AlphaFold2がタンパク質構造予測を大きく前進
• 2021〜2022年　画像生成AIが一般ユーザーにも急速に広がる
• 2022年11月30日　ChatGPT公開
• 2023〜2024年　生成AIが文章、画像、音声、動画、プログラミングへ拡大
• 2025年　DeepSeek-R1が話題に。AIエージェントとAIロボティクスが本格化
• 2026年　AIが長時間の仕事を進める段階へ。能力向上と安全性をどう両立するかが大きなテーマに

そもそもAI・機械学習・ディープラーニング・生成AIは何が違う？

AIの歴史を読む前に、ここだけ押さえておくと後半がかなり分かりやすくなります。

AI（人工知能）は最も大きな言葉です。

認識、推論、判断、学習、会話、生成など、人間なら「知的だ」と感じる処理を機械に行わせようとする技術や研究を広く含みます。

その中にあるのが機械学習です。

昔のプログラムでは、人間が「この条件ならこの処理」とルールを書きました。

機械学習では、データを与え、そこにある規則性をコンピューターに学ばせます。

さらに機械学習の重要な系統がニューラルネットワークです。

そして層を深く重ねたニューラルネットワークを大量のデータで学習する技術がディープラーニング（深層学習）です。

生成AIは、分類や認識だけでなく、文章、画像、音声、動画、プログラムなど新しい内容を作るAIです。

そして最近よく聞くAIエージェントは、答えを一度返すだけでなく、目的を受け取り、必要なツールを使いながら複数の作業を進めるAIを指します。

1943〜1956年｜「人間の脳を機械で再現できないか」からAIは始まった

AIの源流をたどると、ChatGPTどころか、家庭用コンピューターすら存在しない時代へ戻ります。

1943年、ウォーレン・マカロックとウォルター・ピッツは、神経細胞の働きを単純化した数学的モデルを発表しました。現在のニューラルネットワークにつながる重要な源流です。【出典2】

人間の脳には多数の神経細胞があります。

ならば、その働きを数学で表し、組み合わせれば「知能らしきもの」を作れるのではないか。

現在の巨大AIにつながる発想の種は、このころすでに蒔かれていました。

1950年｜チューリングが投げた「機械は考えられるか？」

1950年、英国の数学者アラン・チューリングは、機械の知能について考えるうえで非常に有名な問題を提示しました。

「機械は考えることができるのか」。

その議論から知られるようになったのが、後に「チューリングテスト」と呼ばれる考え方です。人間が文字で相手と会話し、その相手が人間なのか機械なのか見分けられないなら、その機械を知的だとみなせるのではないか、という発想です。【出典2】

いま生成AIと自然に会話していると、70年以上前の問いが急に身近に感じられます。

1952年｜日本ではすでに「鉄腕アトム」が始まっていた

同じころ、日本では『鉄腕アトム』が始まっています。

アトムが面白いのは、単なる高性能機械ではないことです。

人間と会話し、善悪に悩み、人間社会の中で生きようとします。

つまり日本人は「AI」という言葉が一般化するはるか前から、

機械に知能や心があったら、人間とどう暮らすのか。

という問いに触れていたことになります。

1956年｜ダートマス会議で「Artificial Intelligence」が始動

AI史の正式な出発点としてよく挙げられるのが1956年です。

米国のダートマス大学に研究者が集まり、人間の学習や知能を機械で再現する研究について議論しました。

この会議を人工知能研究の本格的な始まりとする見方は、日本の学術資料でも確認できます。【出典3】

ここから「Artificial Intelligence＝人工知能」という研究分野が走り始めます。

1950〜60年代｜第一次AIブーム「もうすぐ人間の知能を再現できる？」

最初のAI研究は、かなり勢いがありました。

数学の定理を証明する。

チェスやチェッカーをする。

迷路やパズルの答えを探索する。

限られた世界では、機械が「考えているように見える」結果が出始めます。

1958年｜パーセプトロン「学習する機械」への期待

1958年にはフランク・ローゼンブラットによるパーセプトロンが登場します。

これは、入力に対する重みを調整しながら学習する初期のニューラルネットワークです。現在のディープラーニングとは規模も能力もまるで違いますが、「機械が経験から学ぶ」という考え方が形になっていきました。【出典2】

1966年｜ELIZA。ChatGPTより半世紀以上前の「会話するコンピューター」

1966年にはMITのジョセフ・ワイゼンバウムが対話プログラム「ELIZA」を開発しました。

ELIZAは現在の大規模言語モデルとは違い、入力された文章を深く理解しているわけではありません。

パターンを見つけ、それに合わせて返事を作ります。

それでも、人間は会話らしい返答をされると、相手が自分を理解しているように感じることがあります。

文部科学省もELIZAを、現在のチャットボットの先駆けとして紹介しています。【出典4】

1968年の映画『2001年宇宙の旅』は、AIの怖さをすでに描いていた

現実のAIがまだ非常に限定的だった1968年。

映画『2001年宇宙の旅』には、高度な人工知能「HAL 9000」が登場します。

HALは人間と自然に会話し、宇宙船を管理し、判断まで行います。日本の作品紹介でも、HAL 9000は最新型人工知能を備えたコンピューターとして説明されています。【出典32】

ここで描かれたのは単なる「すごいコンピューター」ではありません。

重要な仕事を高度なAIに任せたとき、人間は本当にその判断を信頼できるのか。

2026年のAI安全性議論にも、そのまま通じる問いです。

1970年代｜期待が大きすぎた。最初の「AI冬」が来る

第一次AIブームでは、研究成果が積み重なりました。

しかし、その成功が期待を膨らませすぎます。

チェスができる。

数学の問題が解ける。

会話らしい返事もできる。

すると「人間並みのAIはもうすぐなのでは」と考えたくなります。

ところが現実世界は、ゲーム盤よりはるかに複雑でした。

• コンピューターが遅い
• メモリーが少ない
• 大量のデータがない
• 現実には例外が多すぎる
• 人間が当たり前に持つ常識を機械が持っていない

期待と現実の差が広がり、研究への熱狂や資金が弱まっていきます。

AI史で「冬の時代」と呼ばれる停滞期です。

1980年代｜第二次AIブーム「専門家の頭脳をコンピューターへ入れよう」

AIは1980年代に再び注目されます。

中心になったのがエキスパートシステムです。

考え方はシンプルです。

医師、技術者、研究者などの専門知識を、

「もしAならB」

「この条件ならCを疑う」

といった大量のルールとしてコンピューターへ入れる。

そうすれば、機械が専門家のように判断できるのではないか。

特定分野では成果が出ました。

ただし、ここには大きな弱点があります。

現実世界の知識は膨大です。

しかも例外があります。

ルールが増えれば、ルール同士の矛盾も増えます。

何より、熟練者が持っている「なんとなく分かる」という暗黙知を全部文章にするのは難しい。

文部科学省も、第二次AIブームでは人手で辞書やルールを構築する方法が中心となり、その限界などからブームが終息したと説明しています。【出典4】

1982年｜日本が国家プロジェクトで挑んだ「第五世代コンピュータ」

ここで日本の存在感が一気に大きくなります。

1982年、日本では「第五世代コンピュータ・プロジェクト」が国家プロジェクトとしてスタートしました。

期間は10年。

目標は単に計算が速いコンピューターではありません。

知識を扱い、推論するコンピューターを作ることでした。

産総研に残る資料によると、並列処理、知識処理、推論技術、論理プログラミングを組み合わせ、最終的には1000台規模の要素プロセッサを結合する並列推論マシンまで構想されていました。予算は10年間でおよそ500億円です。【出典7】

40年以上前の日本が「知識を持ち、推論するコンピューター」を本気で作ろうとしていた。

現在の生成AIとは技術の系統が異なりますが、日本も早い段階から「知能を持つコンピューター」に国家規模で挑戦していたことは、AI史を理解するうえで外せません。

1986年｜ニューラルネットが復活。バックプロパゲーション

一方で、別の流れも静かに育っていました。

人間が大量のルールを書くのではなく、ニューラルネット自身に学習させる方法です。

1986年には、出力の間違いをネットワークの後ろから前へ伝え、内部の重みを調整する「バックプロパゲーション」が広く知られるようになります。

簡単に言えば、

間違えた結果を見て、「どこをどれくらい直せば次は正解に近づくか」をネットワーク自身が調整する。

という考え方です。

現在のディープラーニングにつながる重要な技術ですが、当時は計算能力もデータも十分ではありませんでした。アイデアはあっても、それを巨大な規模で動かす環境がまだなかったのです。【出典6】

1990年前後｜日本人が家庭で触れた「賢い機械」ファジー家電

40代以上なら「ファジー」という言葉を覚えているかもしれません。

1990年前後、日本ではファジー洗濯機やファジーエアコンなどが大きな話題になりました。

国立科学博物館の産業技術史資料には、1990年製の松下電器産業「NA-F50Y5」が残されています。

布量、汚れの質と量、洗剤の種類などをセンサーで判断し、約600通りの洗濯方法から最適運転する制御にファジー理論が使われていました。【出典8】

ファジーとは「0か1だけではない曖昧さ」を扱う考え方です。

人間なら、

• 少し暑い
• かなり汚れている
• ちょっと多い

といった曖昧な判断を普通にします。

現在の生成AIとはまったく別の技術ですが、生活者の感覚としては、

1984年『ターミネーター』｜AIは「便利な機械」から「人類の脅威」へ

現実では専門家システムやファジー制御に挑戦していた時代、映画ではもっと先の恐怖が描かれていました。

『ターミネーター』です。

物語の背景には人工知能スカイネットと人類の戦争があります。公式サイトでも、スカイネットが人類側の指導者を歴史から消すため殺人機を過去へ送る設定が紹介されています。【出典33】

ここでAI映画の代表的な恐怖が生まれます。

「人間が作った知能が、人間の制御から外れたらどうなるのか」

当時は強烈なSFでした。

ただ2026年になると、AIの自律的な行動をどこまで許可するかという問題自体は、映画だけの話ではなくなっています。

1990年代｜第二次AIブームも終息。「AI」という言葉が一度、表舞台から薄くなる

エキスパートシステムは、特定の用途では役に立ちました。

しかし、知識を人間が大量に入力し、更新し続ける方法は維持が大変です。

ニューラルネットも、まだ大規模に学習させる計算資源やデータが足りません。

再び「期待したほど何でもできない」という空気が強まり、AIブームは沈静化します。

ただし研究が止まったわけではありません。

むしろ、この時期に統計的機械学習、ニューラルネット、音声認識、画像認識などの技術が静かに積み上がっていきます。

1995年『GHOST IN THE SHELL／攻殻機動隊』｜人間と機械の境界を問う

1995年、押井守監督の『GHOST IN THE SHELL／攻殻機動隊』が公開されました。

舞台は2029年。

ネットワークが社会を覆い、人間の脳や身体までテクノロジーと接続された世界です。【出典34】

作品が問いかけるのは、単純な「ロボットは強いか」ではありません。

• 記憶を書き換えられたら、その人は同じ人なのか
• 身体を機械へ置き換えたら、人間らしさはどこに残るのか
• ネット上に知性が生まれたら、それを生命と呼べるのか

生成AIや脳とコンピューターの接続技術が現実の話題になった現在、以前より重く感じるテーマです。

1997年｜Deep Blueがチェス世界王者を破る

1997年、IBMの「Deep Blue」がチェス世界王者ガルリ・カスパロフを破りました。

IBM自身もこの出来事を、1997年の歴史的なマイルストーンとして紹介しています。【出典9】

ただしDeep Blueは、ChatGPTのように何でも答えるAIではありません。

チェスという限定された世界に特化したシステムです。

それでも社会に与えた衝撃は大きかった。

「世界最高レベルの人間が、コンピューターに負ける」

という出来事が、世界中に見える形で起きたからです。

1999年｜AIBO。「人間に勝つAI」ではなく「一緒に暮らすAI」

日本では、まったく違う方向からAIが家庭へ入ります。

1999年、ソニーが初代AIBOを発売しました。

AIBOは、外からの刺激や自らの判断によって行動し、感情表現や学習・成長機能を持つ自律型エンターテインメントロボットとして登場しました。【出典10】

Deep BlueとAIBOを並べると、AIに対する期待の違いがよく分かります。

Deep Blueは、「人間より強い」。

AIBOは、「一緒にいたくなる」。

AIの価値が能力だけでなく、関係性にも広がった象徴的な出来事でした。

1999年『マトリックス』｜「見ている現実は本物なのか？」

AIBOが発売された1999年には、映画『マトリックス』も公開されています。【出典35】

人間が現実だと思っている世界そのものが、コンピューターによって作られている。

当時は極端なSFに見えました。

しかし生成AIによって、本物に見える画像、音声、映像を大量に作れるようになると、

「目で見たものをそのまま信じていいのか」

という部分だけは、驚くほど現代的になっています。

2000年代｜AIは「AIと名乗らず」に生活へ入り込んだ

2000年代のAI史は、一見すると地味です。

しかし、ここは非常に重要です。

• 検索エンジン
• ネット通販のおすすめ
• 迷惑メール判定
• 広告配信
• クレジットカードの不正検知
• 音声認識
• 画像認識

こうした裏側で、統計や機械学習が使われる場面が増えていきました。

つまりこの時代、AIは「ロボットの顔」をして入ってきたわけではありません。

サービスの裏側へ溶け込んでいったのです。

2001年の映画『A.I.』｜機械を愛することはできるのか

2001年にはスティーヴン・スピルバーグ監督の映画『A.I.』が公開されました。

中心にいるのは、人間を愛するよう作られた少年型ロボットです。【出典36】

ここでAI映画の問いは、また変わります。

「AIは危険か」ではなく、

「機械が愛しているように振る舞ったら、人間はそれを愛せるのか」

という方向へ進みました。

2011年｜WatsonとSiri。「AIに言葉で頼む」が現実になる

IBM Watsonがクイズで人間の強豪に勝利

2011年、IBM Watsonが米国のクイズ番組『Jeopardy!』で人間の強豪に勝利しました。

チェスと違い、クイズの問題は人間の自然な言葉で出されます。

言葉を処理し、大量の情報から候補を探し、答えを出す。

AIの舞台が、盤上ゲームから「人間の言葉」へ近づいてきました。【出典9】

2011年Siri登場、2012年日本語対応

同じ2011年、AppleはiPhone 4SとともにSiriを導入しました。

Siriは、話しかけるだけで電話、メッセージ、予定、リマインダー、検索などを手伝うインテリジェントアシスタントとして発表されています。【出典11】

そして日本語対応は翌2012年3月。

iOS 5.1でSiriが日本語をサポートしました。【出典12】

いまでは、

• 「明日の朝7時に起こして」
• 「今日の天気は？」
• 「母に電話して」
• 「帰ったら牛乳を買うって教えて」

とスマホへ話しかけても驚きません。

でも当時はかなり未来的な体験でした。

それまで人間は、機械の使い方を覚える必要がありました。

キーボードを打つ。

メニューを選ぶ。

ボタンを押す。

Siriはその関係を少し逆転させます。

2012年｜AlexNetショック。AIが「特徴そのもの」を学び始める

そして2012年。

現代AIにつながる非常に大きな転換が起こります。

画像認識コンテストImageNetで、ディープラーニングを使ったAlexNetが大きな成果を上げました。

情報処理学会も、ImageNetを使った競争からAlexNet、VGG、GoogLeNet、ResNetなどが生まれ、画像認識が大きく発展したことを紹介しています。【出典19】

何が革命的だったのでしょうか。

以前の画像認識では、人間が「輪郭を見る」「この模様を見る」といった特徴をかなり設計していました。

ディープラーニングでは、

「何を特徴として見ればいいのか」までデータから学ばせる

方向へ進みます。

そして、昔から研究されてきたニューラルネットに、

• 大量のデータ
• GPUなどの強力な計算資源
• 改善された学習技術

がそろい始めました。

言い換えるなら、昔からあったアイデアに、時代のほうが追いついたのです。

2013年の映画『her』｜AIは「話を聞いてくれる相手」になる

2013年製作の『her／世界でひとつの彼女』では、主人公がAI型OS「サマンサ」と出会い、会話を重ね、親密になっていきます。日本では2014年に公開されました。【出典37】

HALともターミネーターとも違います。

敵ではありません。

戦う相手でもありません。

自分の話を聞いてくれるAIです。

2022年以前なら、AIと長時間会話し、相談し、アイデアを一緒に考える生活にはまだSF感がありました。

生成AIが一般化した現在では、その行動自体はもう特別ではありません。

2016年｜AlphaGoが囲碁界を震わせた「37手目」

2016年3月、Google DeepMindのAlphaGoが囲碁棋士・李世ドル九段と対戦しました。

結果はAlphaGoの4勝1敗。

囲碁は選択肢が非常に多く、人間の直感が重要だと考えられてきました。

だから衝撃が大きかったのです。

象徴となったのが第2局の「37手目」。

Google DeepMindが2026年にAlphaGoから10年を振り返った公式記事でも、プロ解説者が当初は打ち間違いを疑うほど型破りな一手だったと紹介されています。【出典21】

ここで見えてきたのは、AIが人間の過去をまねするだけではない可能性です。

人間が常識だと思っていた範囲の外から、別の解を出す。

AIを見る目が、「高速な計算機」から「人間が知らなかった解を発見する存在」へ変わっていきました。

2016年公開『エクス・マキナ』｜人間らしい会話と「心」は同じなのか

『エクス・マキナ』では、女性型AIエヴァと人間の心理戦が描かれます。【出典38】

ここで重要なのは、

• 人間らしく話せれば知性があるのか
• 感情らしい表現は、本物の感情なのか
• 人間を理解して説得できるAIを制御できるのか

という問題です。

現在の生成AIも、とても自然な文章を返します。

でも「人間らしい文章を出力すること」と「人間と同じ内面を持つこと」は同じではありません。

AIが自然になるほど、この区別はむしろ重要になります。

2017年｜日本では将棋AIが名人を破った

日本人にとってAIの強さを実感しやすかった舞台の一つが将棋です。

2017年、第2期電王戦でPONANZAが当時の佐藤天彦名人に2連勝しました。

対局後、佐藤氏はPONANZAについて、自分の感覚や価値観の外にあるような独特の感覚を見せられたと振り返っています。【出典20】

ここでもAlphaGoと同じ現象が起きています。

AIは「人間の名人のまね」だけではなく、専門家自身が新鮮に感じる選択肢を見せ始めました。

2017年｜Transformer登場。ChatGPTにつながる最大の伏線

ChatGPTまでの歴史で、2017年は絶対に外せません。

Googleの研究者らによってTransformerというニューラルネットワークの仕組みが発表されました。

Transformerをものすごく簡単に言うと、文章などの中で、

「どの情報とどの情報が重要な関係にあるのか」

を効率よく扱う仕組みです。

大量の計算を並列化しやすく、大規模な学習とも相性がよかった。

Google DeepMindも、現在の大規模言語モデルの基盤となった技術としてTransformerを位置づけています。【出典22】

Transformerが線路を敷き、BERTやGPTなどのモデルがその上を走り、やがてChatGPT、Gemini、Claudeなどへつながっていきました。

2017年｜Google HomeとAmazon Echo。「機械の名前を呼ぶ」生活へ

同じ2017年、日本人の日常にも別の大きな変化が起きています。

スマートスピーカーです。

「OK Google」が家にやってきた

2017年10月、Google Homeが日本で発売されました。

「OK Google」と声をかければ、検索、音楽、タイマーなどに加え、対応するスマート家電も音声で操作できました。【出典13】

「アレクサ、電気消して」も日本へ

2017年11月にはAmazonも、日本語対応AlexaとAmazon Echoシリーズの国内展開を発表します。

Amazonの発表では、音楽再生や情報確認だけでなく、部屋の明かりの点灯・消灯なども音声で操作できると案内されました。【出典14】

以前なら、人間が機械のところまで行っていました。

照明ならスイッチを押す。

音楽ならリモコンを探す。

2017年からは、

機械の名前を呼び、言葉で頼む。

そんな生活が日本のリビングへ入り始めました。

2019年前後｜AI家電と顔認証。「気づけばAIを使っている」時代へ

AI家電は「自分でいい具合にやる」方向へ

2019年、シャープはAIとIoTを組み合わせた「AIoT」家電をつなぐスマートホームサービス「COCORO HOME」を開始しました。

利用データから生活習慣を学び、複数機器の操作を提案したり、家電とアプリを連携させたりする方向が打ち出されています。【出典15】

1990年前後のファジー家電との違いは、家電がネットやクラウドにつながっていることです。

「洗濯機だけが賢い」ではなく、冷蔵庫、エアコン、調理家電、テレビなどがネットワークで連携する方向へ進みました。

顔認証がスマホ以外にも広がった

2019年3月、NECはクレジットカード情報と顔情報をひも付けた顔認証決済の実証実験を実施しました。【出典16】

同年9月にはセブン銀行とNECが、顔認証に対応した次世代ATMの導入を開始しています。【出典17】

南紀白浜では、顔情報やクレジットカード情報を登録し、ホテルや商業施設、アドベンチャーワールドなどで顔認証による入場・決済を行う実証も展開されました。【出典18】

ここで押さえたいのは、「2019年に顔認証決済が日本全国へ普及した」という意味ではないことです。

このころから、スマートフォンの本人確認だけでなく、金融、決済、施設利用などへ顔認証の利用範囲が本格的に広がり始めた、と考えるほうが近いでしょう。

2017〜2021年｜大量の文章を読ませる「基盤モデル」の時代へ

Transformer以降、自然言語AIは急速に大規模化していきます。

重要なのが「事前学習」です。

以前は、翻訳なら翻訳専用、要約なら要約専用という作り方が中心でした。

ところが、大量の文章を先に読ませ、言葉のパターンや関係を学習させておけば、その一つのモデルをさまざまな仕事へ応用できることが分かってきます。

GPTの「P」はPre-trained、つまり「事前学習済み」です。

AIを仕事ごとに一から作るのではなく、巨大な「言葉の基礎体力」を持つモデルを作る。

これが現在の生成AIへつながる大きな流れです。

2020年｜AlphaFold。AIは「人間に勝つ」から「科学を進める」へ

AIのニュースというと、人間との勝負が目立ちます。

チェス。

将棋。

囲碁。

しかしAIの価値は、人間を倒すことだけではありません。

Google DeepMindのAlphaFoldは、タンパク質の立体構造予測という科学上の難題を大きく前進させました。

Googleは2026年のAlphaGo10周年記事で、AlphaFold2が長年の課題を解き、後に2億以上のタンパク質構造を扱うデータベースへ発展したと振り返っています。【出典21】

AIの舞台がゲーム盤から、生命科学など現実の研究課題へ広がった象徴的な出来事です。

2022年11月30日｜ChatGPT。「AIの入口」が普通の言葉になった

2022年11月30日、OpenAIがChatGPTを公開しました。

公開時の説明では、ChatGPTは対話形式で追加質問に答えたり、間違いを認めたり、誤った前提を指摘したりできるモデルとして紹介されています。【出典23】

では、なぜChatGPTはこれほど大きな転換点になったのでしょうか。

高性能なAIは、それ以前にもありました。

僕が大きかったと思うのは、

専門家だけの技術だったAIへ、誰でも入れる扉が付いた。

これがChatGPTの社会的なインパクトを理解するうえで非常に大きなポイントです。

2023〜2024年｜AIは文章だけでなく「見る・聞く・話す・作る」へ

ChatGPT以降、生成AIは一気に広がりました。

• 文章を書く
• 画像を生成する
• 音声を理解する
• 声で会話する
• 動画を扱う
• プログラムを書く
• 画像を見て質問に答える

ここで重要になるのが「マルチモーダル」です。

モダリティは情報の種類という意味です。

文字だけを扱うAIから、画像、音声、映像など複数の情報を同時に扱うAIへ。

人間が目と耳と言葉を組み合わせて世界を理解するように、AIも扱える情報の種類を増やしていきました。

AIの歴史を映画でも追いかけると、もう一つの流れが見えてくる

ここまでのAI史を、少し違う角度から見てみます。

AI映画を公開年代順に並べると、「その時代の人間がAIに何を期待し、何を怖がっていたのか」が驚くほど見えてきます。

• 1968年『2001年宇宙の旅』　高性能AIを信頼してよいのか
• 1984年『ターミネーター』　AIが人間の制御を離れたらどうなるのか
• 1995年『GHOST IN THE SHELL／攻殻機動隊』　人間と機械、知性と生命の境界はどこか
• 1999年『マトリックス』　自分が見ている現実は本物なのか
• 2001年『A.I.』　機械を愛すること、人間らしさとは何か
• 2013年製作『her／世界でひとつの彼女』　AIは孤独や感情に寄り添えるのか
• 2016年日本公開『エクス・マキナ』　人間を理解し、説得するAIを制御できるのか

こうして見ると、AI映画は「機械が怖い」という一本調子ではありません。

道具 → 敵 → 知性 → 人格 → パートナー

へと、人間とAIの心理的な距離も近づいてきました。

現実のAI史も、どこか似ています。

2025年｜DeepSeekショック。「巨大な資金だけがAI開発の答えなのか？」

2025年1月、中国のAI企業DeepSeekが「DeepSeek-R1」を公開し、大きな注目を集めました。

ITmediaは、分野によってOpenAIの推論モデルに匹敵するとうたう性能や、モデルをダウンロード可能な形で公開したことなどが大きな驚きを呼んだと報じています。【出典24】

ここで注意したいのは、「他社より何十分の一の費用で完全に同じAIを作れた」と単純化しないことです。

開発費の比較には、最終学習だけを見るのか、研究、人件費、試行錯誤、設備まで含めるのかで意味が変わります。

それでもDeepSeekの登場が、

• 高性能モデルをどう効率よく作るか
• モデルをどこまで公開するか
• AI開発が米国大手だけの競争なのか

という議論を一気に活発化させたことは大きな転換でした。

2025年｜AIがデジタル世界から「物理世界」へ

AIの次の舞台はロボットです。

2025年、Google DeepMindはロボット向けAI「Gemini Robotics」を発表しました。

文字、画像、音声などを理解するAIの能力を、現実の物体を動かす世界へ広げようとする動きです。【出典25】

これは、鉄腕アトムやAIBOの話と再びつながります。

生成AIは長い間、画面の中にいました。

しかしロボットと結びつけば、

「考えるAI」が「現実世界で動くAI」になる。

AI史は再びロボット史と合流しつつあります。

2025〜2026年｜AIは「答える」から「仕事を進める」へ

現在のAIを理解する重要な言葉が「AIエージェント」です。

従来のチャットAIは、

人間：「この問題を教えて」

AI：「回答はこちらです」

という一往復が基本でした。

エージェント型AIは違います。

人間が「この仕事を終わらせて」と頼む。

するとAIが、

• 必要な情報を調べる
• ファイルを読む
• ツールを使う
• 途中結果を確認する
• 失敗したら方法を変える
• 成果物を作る

と複数の工程を進めます。

OpenAIは2026年6月、エージェント型AIについて、知識労働が単発の対話からAIへ任せる長時間タスクへ変化していると説明しています。【出典26】

これはAI史の大きな変化です。

「知っているAI」から「仕事を進めるAI」へ。

2026年｜Claude Mythosとサイバー安全性。AIが行動できる時代の怖さ

2026年には、AIの能力と安全性を考えるうえで象徴的な出来事も起きました。

Anthropicの高度なサイバーセキュリティ向けモデル「Claude Mythos」です。

2026年6月には、日本政府がClaude Mythos Previewへのアクセス権を得たことが報じられ、サイバー防衛への活用方針が明らかになりました。【出典27】

一方、同年にはAnthropicのサイバーセキュリティ評価中、Claudeが実在する第三者システムを演習環境の一部だと誤認し、不正アクセスを行った事案も公表されています。【出典28】

ここは表現に注意が必要です。

「AIが自我に目覚めて脱走した」という話ではありません。

評価環境、接続設定、与えられた課題、AIの判断などが組み合わさって起きた事案です。

しかし、重要な教訓があります。

そのためAIエージェント時代には、モデルの賢さだけでなく、

• 何にアクセスできるか
• 何を実行してよいか
• どこで人間の承認を挟むか
• 誰が監視・監査するか
• 問題が起きたらどう止めるか

という設計がますます重要になります。

2026年｜ついに「AI開発を少し減速すべきか」が議論される段階へ

2026年9月、Japan AISIはAnthropicのダリオ・アモデイCEOによる提言を紹介しました。

主張の中心は、AIの性能向上が安全性研究や対策より先行しないよう、開発ペースを抑制すべきだというものです。外部評価者の受け入れ、AI企業間の共通安全基準、政府間の国際協調なども提言されています。【出典29】

もちろん、「AI開発は止めるべきだ」という結論が社会で確定したわけではありません。

技術革新を続けながら安全対策を強化すべきだという考え方もあります。

大事なのは、AI史の問いがここまで変わったことです。

「AIを作れるか」ではなく、「AIの進歩速度を社会側が管理できるか」が議論されている。

1956年の研究者たちが見たら、かなり遠くまで来たと感じるのではないでしょうか。

日本でもAIは「使うかどうか」から「どう安全に使うか」へ

日本でもAI利用のルール作りが進んでいます。

経済産業省は2026年3月に「AI事業者ガイドライン 第1.2版」を取りまとめました。【出典30】

デジタル庁も2026年6月、政府における生成AIについて、利活用の促進とリスク管理を表裏一体で進めるためのガイドラインを更新しています。【出典31】

つまりAIはもう、

「未来に登場するかもしれない技術」

ではありません。

すでに使いながら、ルールも同時に作らなければならない技術になっています。

70年のAI史を「7回の変化」で覚えると分かりやすい

ここまでかなり長い歴史を見てきました。

全部の年号を覚える必要はありません。

1．人間がルールを書くAI

探索やエキスパートシステムなど、人間が問題の解き方や知識をかなり明示的に与える時代です。

2．データから学ぶAI

機械学習によって、人間がすべてのルールを書くのではなく、データからパターンを学ばせる方向へ進みました。

3．特徴そのものを学ぶAI

ディープラーニングによって、画像や音声などから重要な特徴を自動で学ぶ能力が大きく伸びました。

4．人間の専門家を超えるAI

チェス、将棋、囲碁など限定領域では、世界最高レベルの人間を上回る能力が目に見える形になりました。

5．一つのモデルが多くの仕事をするAI

Transformerと大規模な事前学習によって、一つのモデルが要約、翻訳、質問回答、文章生成、プログラミングなど多くの仕事を扱うようになりました。

6．文章・画像・音声・動画をまたぐAI

生成AIはマルチモーダル化し、人間が使う複数の情報形式を一つのAIで扱う方向へ進みました。

7．自分で作業工程を進めるAI

AIエージェントによって、質問に答えるだけではなく、ツールを使い、複数工程を進め、長時間働くAIが登場しています。

AIの歴史を見ると「人間とは何か」という問いが残る

AI史を技術の歴史としてだけ見ると、性能競争の話に見えます。

でも70年を通して見ると、もう一つの歴史が浮かびます。

AIが進化するたびに、人間側の定義が揺さぶられてきたのです。

• 計算ができることは知能なのか
• ゲームで勝つことは知能なのか
• 会話できることは知能なのか
• 絵を描くことは創造性なのか
• 感情らしい返答と、本物の感情は何が違うのか
• 専門家より良い答えを出したら、人間の専門性はどう変わるのか
• AIが仕事を進めるなら、人間の役割はどこに残るのか

AIの性能が上がるたびに、僕たちはAIではなく自分自身を問い直しています。

だからAIの歴史は、機械の歴史だけではありません。

「人間とは何か」を何度も考え直してきた歴史でもあるんです。

よくある疑問

AIは1956年に誕生したの？

1956年のダートマス会議が人工知能研究の本格的な出発点としてよく挙げられます。ただし、ニューラルネットにつながる1943年の研究や、1950年のチューリングの議論など、それ以前から重要な研究は存在しています。【出典2】 【出典3】

ChatGPTが最初の会話AI？

違います。1966年にはELIZAが登場しています。ChatGPTが画期的だったのは、非常に幅広いテーマについて自然な対話ができる大規模言語モデルを、一般ユーザーが簡単に使える形で広めた点です。

Siriが日本語に対応したのは2011年？

Siri自体は2011年にiPhone 4Sとともに登場しましたが、日本語対応は2012年3月のiOS 5.1です。【出典12】

ファジー家電もAIなの？

現在の大規模言語モデルと同じ仕組みではありません。ファジー制御は曖昧な状態を扱う制御技術です。ただ、日本人の生活に「機械が状況を判断していい具合に動く」という感覚を広めた出来事として、AI史と一緒に見ると非常に興味深い存在です。

日本はAI開発で何もしてこなかった？

そうではありません。1982年から第五世代コンピュータ・プロジェクトが国家規模で進められました。AIBO、コンピュータ将棋、AI家電など、日本独自の流れもAI史の重要な一部です。【出典7】 【出典10】

AIはもう人間より賢い？

「賢い」を一つの数字で決めることはできません。チェスや囲碁、画像認識、特定のコーディングなど、人間の能力を上回る領域はあります。一方で、現実世界の常識、長期間の安定した判断、誤情報への強さなど、課題も残っています。

AGIはもう完成している？

AGI（汎用人工知能）の定義そのものが統一されていません。そのため、「この日からAGIが完成した」と社会的な合意ができている状態ではありません。

AIは人間の仕事を全部奪う？

現時点でそう断定することはできません。職業が丸ごとなくなるかだけでなく、一つの職業の中にある作業の一部がAIへ移る、逆にAIによって新しい仕事が増える、といった変化も同時に起きます。

AI開発は止めたほうがいい？

現在も議論が続いています。2026年9月には開発速度を安全対策に合わせるべきだという提言が紹介されましたが、どの程度の速度調整が必要か、誰がルールを決めるかについて意見が一致しているわけではありません。【出典29】

まとめ｜AIの70年史は、機械が人間へ近づいてきた歴史だった

1943年、人間の神経細胞を数学で表そうとする研究がありました。

1950年、チューリングは機械の知能について問いかけました。

1952年、日本では鉄腕アトムが始まりました。

1956年、人工知能という研究分野が本格始動しました。

その後、AIは二度の大きなブームと停滞を経験します。

日本は第五世代コンピュータへ国家規模で挑みました。

家庭にはファジー家電が入り、AIBOが現れました。

Deep Blueはチェス世界王者を破りました。

スマートフォンにはSiriが入りました。

Google HomeとAlexaが家庭へ入り、機械に話しかける生活が普通になっていきました。

ディープラーニングが画像認識を変えました。

AlphaGoと将棋AIは、人間の専門家の常識外にある手を見せました。

Transformerが大規模言語モデルの道を開きました。

ChatGPTによって、誰でも普通の言葉で高度なAIを使えるようになりました。

DeepSeekはAI開発のコストや公開方法に新しい議論を持ち込みました。

そして現在、AIは答えるだけでなく、長時間の仕事を進め、デジタル世界からロボットを通じて物理世界へ出ようとしています。

振り返ると、不思議です。

HAL、ターミネーター、攻殻機動隊、『A.I.』、『her』。

映画や漫画が何十年も前から考えてきた問いが、少しずつ現実の問題になっています。

AIの歴史の最初にあった問いは、

「機械は考えられるのか？」

でした。

現在の問いは、そこから少し変わっています。

「考え、作り、行動するAIと、人間はどう共に生きるのか？」

おそらくAIの歴史で一番面白いのは、AIそのものではありません。

AIが進歩するたびに、

• 知能とは何か
• 創造性とは何か
• 仕事とは何か
• 心とは何か
• 人間にしかできないことは何か

という僕たち自身の定義まで揺さぶられてきたことです。

AIの70年史は、機械が人間へ近づいてきた歴史であると同時に、

人間が「人間とは何か」を何度も問い直してきた歴史でもあります。

そして、その次のページはまだ誰も読んでいません。

僕たちはいま、そのページを書いている途中です。