【第30回】AIは計画を立てられる？プランニングとは
目標にたどり着くまでの手順を、AIが自分で考えられたら便利だと思いませんか？
その考え方が「プランニング」です。
この記事では、AIが行動計画を立てる仕組みをやさしく解説します。
1. 読み方
プランニング (Planning)
2. 意味（定義）
AIにおけるプランニングとは、「現在の状況（初期状態）から、達成したい望ましい状況（目標状態）へたどり着くために、実行すべき一連の動作（アクション）の順序を決定すること」です。
AIは、以下の要素を組み合わせて、まるでマニュアルのような「手順書」を作成します。
初期状態： 今、AIが置かれている状況（例：家の中にいる）
目標状態： 到達したい最終的な状況（例：学校に到着している）
アクション（行動）： 状態を変化させるための具体的な動き（例：「歩く」「電車に乗る」）
さらに重要なのは、各アクションには以下のルールが含まれている点です。
前提条件： その行動をするために、あらかじめ満たされていなければならない条件（例：「電車に乗る」ためには、「駅にいる」必要がある）
結果（効果）： その行動をした後に、世界がどう変わるか（例：「電車に乗る」ことで、「移動した」という新しい状態になる）
💡 具体的なイメージ
プランニングが作るのは、以下のような「状態の変化の連鎖」です。
【目標：家から学校へ行く計画】
[初期状態] 家の中にいる
（アクション：歩く） → [中間状態] 駅に着く
（アクション：電車に乗る） → [中間状態] 別の駅に着く
（アクション：バス停へ歩く） → [中間状態] バス停に着く
（アクション：バスに乗る） → [中間状態] 学校の近くに着く
（アクション：歩く） → [目標状態] 学校に到着！
このように、「前の行動の結果」が「次の行動の前提条件」になるよう、パズルのように手順を組み立てるのがプランニングの役割です。
3. 歴史・背景
AIの歴史において、プランニングは「古典的AI（シンボリックAI）」の核心的なテーマの一つであり、「論理的な推論」から発展してきました。
初期のAIは、「もし〜ならば、〜せよ」というルールに従うことが得意でした。しかし、現実の世界は複雑で、あらかじめ用意されたルールだけでは対応できない事態が起こります。
1950年代〜70年代にかけて、研究者たちは「人間のように論理的に考えて、問題を解決する知能」を作ろうとしました。その際、「ゴールに到達するための手順を論理的に導き出すこと」は、最も重要な課題の一つでした。
1960年代後半から、STRIPS（ストリップス）のような、あらかじめ「行動」と「その結果の変化」を定義したシステムが登場し、ロボット工学や自動化技術の基礎となりました。
現代では、ディープラーニングによる「直感的な判断」と、この論理的な「プランニング」をいかに組み合わせるか（ハイブリッドAI）が、非常に大きな研究テーマとなっています。
4. 比較・対比（ここが試験の整理ポイント！）
似ている言葉との違いを、イメージで整理しましょう。
■ プランニング vs 探索 (Search)
探索： すでに用意されている道の中から、ゴールへのルートを見つけること。（例：迷路の脱出）
プランニング： 「どの道を通るか」だけでなく、「どういうアクションを組み合わせればゴールに辿り着けるか」まで含めて考えること。
■ プランニング vs 学習 (Learning)
学習： 大量のデータを見て、「こういう時はこうなることが多い」というパターンやルールを見つけること。（例：経験から学ぶ）
プランニング： すでに分かっているルール（前提条件や効果）を使って、論理的に手順を組み立てること。（例：ルールに従って計算する）
🎮 例え話：RPGの攻略チャート作成
探索： すでに目の前にあるマップ（空間）から魔王城への最短ルートを探す。
プランニング： 「でも、丸腰で行ったら瞬殺されるよね？」と気づき、「まずは村で剣を手に入れ（アクション1）、次に森で薬草を集め（アクション2）、それから魔務王城へ向かう（アクション3）」という、アイテム収集から魔王討伐までの「勝つための手順そのもの」を考える。
5. 活用シーン（実社会のどこで、どんな問題に使うか）
プランニング技術は、形のないソフトウェアだけでなく、現実世界の「動くもの」や「仕組み」に欠かせません。
ロボット工学： 「キッチンにある卵を、割らずにフライパンへ運ぶ」といった一連の動作計画。
物流・配送システム： トラックがどのルートで、どの順番で街を回るべきかという配送計画。
製造業（スマートファクトリー）： 工場内の機械に対して、いつ、どの順番で製品を作らせるかのスケジュール管理。
ゲームAI： キャラクターが「プレイヤーを倒す」ための行動手順（武器を拾う →→ 隠れる →→ 攻撃する）の組み立て。
6. G検定での出題傾向
G検定では、以下のポイントが狙われます！
キーワード： 「初期状態」「目標状態」「一連のアクション」を見たらプランニングを疑いましょう。
仕組み： アクションには「前提条件」と「結果（効果）」が含まれる、という点。
歴史的文脈： 「シンボリックAI」や「STRIPS」との関連性。
手法との関連性： STRIPSのような、ルールベースの手法としての位置づけ。
探索・学習との対比： 「データのパターンを見つける（学習）」や「道を探す（探索）」とは異なる、「手順を組み立てる」という独自性の理解。
7. G検定の例題
【問題1：最頻出】
AIにおける「プランニング」の説明として、最も適切なものはどれですか？
A. 与えられたデータから、統計的なパターンを見つけ出し、未来の数値を予測する手法である。
B. 初期状態から目標状態へ到達するために、一連の行動（アクション）の順序を決定する手法である。
C. すべての可能性を順番にチェックし、最も報酬が高い選択肢を決定論的に導き出す手法である。
D. 過去の膨大な経験に基づき、試行錯誤を通じて最適な行動ルールを学習する手法である。
【問題2：頻出】
プランニングにおいて、構成要素として重要となる「3つの要素」の組み合わせとして正しいものはどれですか？
A. 学習データ、モデル、パラメータ
B. 入力データ、中間層、出力結果
C. 初期状態、目標状態、アクション（行動）
D. 報酬、エージェント、環境
【問題3：プランニングの構成要素】
プランニングにおける「アクション（Action）」の構成要素として、一般的に含まれるものはどれですか？
A. 過去の学習データ、モデルの精度、損失関数。
B. 学習率、エポック数、バッチサイズ。
C. 前提条件（Precondition）、および実行後の状態の変化（Effect）。
D. 入力画像、ラベル、特徴量マップ。
【問題4：ひっかけ】
プランニングに関する記述として、誤っているものはどれですか？
A. プランニングは、ゴールに到達するための「手順」を構築することを目的とする。
B. ロボットが物体を移動させる際などの、一連の動作計画に活用される。
C. 実行可能なアクション（行動）の集合が定義されている必要がある。
D. プランニングは、一度作成した計画を一切変更せず、最後まで実行し続けることのみを指す。
8. 解答と解説
【問題1】 正解：B
解説： 「初期状態から目標状態へ」「一連の行動（アクション）の順序」という言葉があれば、プランニングの定義として完璧です。Aは回帰分析などの予測、Cはブルートフォース法や探索、Dは強化学習の説明です。
【問題2】 正解：C
解説： プランニングには「どこから（初期）」「どこへ（目標）」「どうやって（アクション）」の3要素が不可欠です。Aは機械学習の基本要素、Bはニューラルネットワークの構造、Dは強化学習の構成要素です。
【問題3】 正解：C
解説： アクションには「何が必要か（前提条件）」と「どう変わるか（効果）」が含まれます。Aは機械学習の構成要素、Bはハイパーパラメータ、Dは画像認識に関する説明です。
【問題4】 正解：D
解説： これがひっかけです！プランニングによって立てられた計画であっても、途中で状況が変われば（例：道が塞がれた）、計画を練り直す「再プランニング」が必要になることがあります。「変更しないことのみを指す」という記述は誤りです。
📝 総評・まとめ
今回の「プランニング」では、AIがいかにして「思考のプロセス（手順）」を組み立てているかを学びました。「初期状態 → アクション → 目標状態」という流れに加え、「前提条件」と「結果」というルールがあること、そしてそれが「シンボリックAI」の重要な技術であることまで押さえれば、試験対策はバッチリです！
🚀 次回予告 プランニングを具体的に実現するための、歴史的な手法が登場します。 【第31回】AIは行動の計画を立てられる？STRIPSとは お楽しみに！
✅ この記事が役に立ったら「スキ」で応援してください！
あなたの応援が、次の解説を作るエネルギーになります！🚀
