【第23回】AIはどうやって答えを探す？探索とは
AIはゴールにたどり着くために、何をしているのでしょうか？
その基本となる考え方が「探索」です。
この記事では、古典的AIの出発点となる探索の考え方をやさしく解説します。
1. 読み方
たんさく
2. 意味（定義）：膨大な選択肢の中から「ゴール」を見つけ出すプロセス
AIにおける「探索」とは、「ある問題に対して、考えられるすべてのパターン（状態）の中から、条件を満たす正解（ゴール）を見つけ出すためのプロセス」のことです。
少し難しく聞こえるので、「迷路の出口を探す」という具体的な場面で考えてみましょう。
スタート： 今いる場所から、道が分かれている分岐点まで進む。
選択： 「右に行くか？ 左に行くか？」という選択肢を検討する。
試行錯誤： もし右に行って行き止まりだったら、一旦戻って左の道を通ってみる。
ゴール： これを繰り返して、ついに「出口」にたどり着く。
この「次の一手を考えて、ゴールに向かって進んでいくプロセス」そのものが、AIにおける「探索」です。
これまでの記事で学んできた通り、AIは膨大な知識を持っています。しかし、ただ知識を持っているだけでは、目の前の問題に対して「どう動けばいいか」が分かりません。 蓄えた知識を使って、「どう動けば成功（ゴール）にたどり着けるか？」というルートを自力で見つけ出す。 そのための「探し方の基本」こそが、この探索なのです。
⚠️ よくある誤解
・探索は「ランダムに探す」ことではなく、ルールや戦略に基づいてゴールを見つけるプロセスです。
・必ずしも最短経路や最適解が見つかるとは限らず、方法によって結果が異なります。
3. 歴史・背景：ルール（論理）から、動き（プロセス）へ
これまでの記事で、AIは「知識」や「意味」を蓄積してきた歴史をお話ししてきました（エキスパートシステムやセマンティックウェブなど）。
しかし、どれだけ膨大な知識が増えても、「その知識を使ってどう動くか？」という「動きのルール」がなければ、AIはただの「物知りな百科事典」で終わってしまいます。
この問題を解決するために、「どのように行動すべきか」を計算する技術として探索が重要視されるようになりました。
例えば、将棋やチェスを想像してみてください。 ルール（知識）を知っているだけでは勝てません。対戦相手がいる以上、「次にどこに打てば勝てるか？」という、次に起こるかもしれない膨大な未来のパターン（選択肢）の中から、最善の一手を見つけ出す必要があるのです。
そこで登場したのが、コンピュータが効率的に「先読み」をして、ゴールへの近道を見つけるための「探索アルゴリズム（計算の手順）」です。
この技術の開発により、AIは単なる知識の塊から、「チェスの次の一手を考える」「カーナビで最短ルートを導き出す」といった、具体的な「行動」ができる知能へと進化したのです。
4. 比較・対比：混乱しやすい概念を整理しましょう
「探す」という言葉は色々な場面で使われますが、AIの文脈では以下の2つの視点で区別して理解しましょう。
【視点①】他の技術との違い（何ではないか？）
探索（Search） vs 学習（Learning）：
探索： すでに決まっているルールや地図の中から、ゴールへの道筋を「見つけ出す」こと。
学習： 大量のデータから、ルールそのものやパターンを「作り上げる」こと。
探索（Search） vs 推論（Inference）：
探索： 「次の一手はこれだ！」と、ゴールにたどり着くための「ルートを探す」プロセス。
推論： 「AならばBである」というルールに基づき、新しい事実を「導き出す」プロセス。
【視点②】探索のやり方の違い（どう探すか？）
探索には、大きく分けて2つのスタイルがあります。
① 盲目的探索 (Uninformed Search)
特徴： ゴールの場所や近道のヒントを持たずに、とにかく順番に調べていく方法。
例： 「幅優先探索（隣の道から全部見る）」「深さ優先探索（行き止まりまで突き進む）」。
イメージ： 霧の中で、手探りで一歩ずつ進む感じ。
② ヒューリスティック探索 (Heuristic Search)
特徴： 「ゴールはあっちの方にあるはずだ」という経験的なヒント（ヒューリスティック関数）を使って、効率よく探す方法。
例： 「A*（エースター）探索」。
イメージ： 霧の中でも、「なんとなく光が見える方向」を目指して進む感じ。
💡 まとめると
迷路で「とにかく全部の道を調べて出口を見つける」のが盲目的探索。「『右側の方が出口に近そうだ』という直感（ヒント）を使って、効率的に探す」のがヒューリスティック探索です。
5. 活用シーン：AIが「道」を決める瞬間
探索技術は、私たちの生活のあらゆる「判断」を支えています。
カーナビ・地図アプリ（ルート最適化）： 出発地から目的地まで、渋滞や距離を考慮して「最も早く着くルート」を、膨大な道路ネットワークの中から探索して提示します。
ゲームAI（次の一手）： チェスや将棋、囲碁などのAIは、「自分がここに打ったら、相手はこう打ってくる」という未来のパターンを、数手先まで「探索」して最善の手を選びます。
物流・配送計画（ルート配送）： たくさんの荷物を、どの順番で、どのトラックに積めば最も効率よく配れるか？という複雑な組み合わせの中から、最適な計画を探索します。
※この探索の考え方は、現在のAIにおいても、ゲームAIや最適化問題、生成AIの推論プロセスなどに広く応用されています。
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： 「状態空間（じょうたいくうかん）」「ゴール状態」「経路（ルート）」
概念の理解： 膨大な「選択肢の集合」の中から、目的の「状態」を見つけ出すプロセスであること。
技術要素： 探索の対象となる、起こりうるすべてのパターンを指す**「状態空間」**という言葉が非常によく出ます。
7. G検定の例題
【問題1：最頻出】
AIにおける「探索」の説明として、最も適切なものはどれですか？
A. 大量のデータから、統計的なパターンやルールを自動的に抽出すること。
B. 与えられたルールや状態の中から、目的とするゴールにたどり着くための手順を見つけ出すこと。
C. 過去の事例に基づき、新しい知識や事実を論理的に導き出すこと。
D. プログラムのバグを見つけるために、コードを一行ずつ確認すること。
【問題2：頻出】
探索問題において、起こりうるすべての状態（局面や選択肢）が集まった集合のことを何と呼びますか？
A. 知識ベース
B. 学習データ
C. 状態空間
D. ニューラルネットワーク
【問題3：ひっかけ】
「探索」に関する記述として、誤っているものはどれですか？
A. 探索とは、迷路の出口を見つけるように、ゴールとなる状態を探すプロセスである。
B. 探索の効率を高めるためには、無駄なルートを省く手法が重要である。
C. 探索によって見つけ出されたルートは、必ずしも最短であるとは限らない。
D. 探索は、学習によって得られた「知識」とは無関係に、ランダムに行われるものである。
8. 例題の回答と解説
【問題1】
正解：B
【解説】
A：❌ 誤り。「学習（機械学習）」の説明です。
C：❌ 誤り。「推論」の説明です。
D：❌ 誤り。デバッグの話であり、探索の定義ではありません。
【問題2】
正解：C
【解説】
探索において、考えられるすべてのパターンや局面をまとめた空間のことを「状態空間（State Space）」と呼びます。G検定の超重要用語です！
※状態空間とは、「ありうるすべての状況の集合」のことで、探索はこの中からゴールを見つける作業です。
【問題3】
正解：D
【解説】
「無関係」という点が間違いです。探索は、学習によって得られた知識やルール（重み付けなど）を活用して、効率的にゴールを探すために行われます。知識と探索は、車の「エンジン」と「ガソリン」のような関係です。
📝 総評・まとめ
「探索」とは、AIが迷路の中で出口を見つけるように、膨大な選択肢（状態空間）の中から、目的のゴールへたどり着くためのルートを見つけ出すプロセスのことです。
これまでの「知識を蓄える技術」に、「ルートを見つける技術（探索）」が加わることで、AIは初めて「自律的に行動する知能」へと進化しました。
🚀 次回予告
「膨大な選択肢の中からルートを探すとき。もし、枝分かれした道が無限に続いていたら？ 迷路の地図を、まるで木の枝のように描き出し、一つずつ辿っていく方法があります。
次回は、【第24回】AIは迷路の答えをどう見つける？探索木とは です。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！🚀
