AI進化史：LLMからAIエージェントへ

AI進化史：LLMからAIエージェントへ知能の階梯と技術的転換点に関する考察 1

はじめに 1950年代の黎明期から現代に至るAIの劇的な変遷を分析単なる計算能力の向上から「意志」に近い計画性の獲得へ本スライドでは、LLMの誕生から最新の「AIエージェント」への移行を解説 2

第1章：人工知能の黎明と限界記号的アプローチの時代（1950s - 1980s） 3

知能の定義と初期の試み 1950年：チューリングテストの提唱知能の基準を「言語的相互作用」に置く 1956年：ダートマス会議「人工知能（AI）」という用語が正式に誕生 1966年：ELIZAの登場パターンマッチングによる初期のチャットボット人間が機械に知性を投影する「ELIZA効果」を証明 4

エキスパートシステムの台頭と限界 1970-80年代：シンボリックAI 特定の専門知識を「If-Then」ルールで記述例：感染症診断システム「MYCIN」致命的な弱点ルールの手動更新が困難文脈の変化や未知のデータに柔軟に対応できない結果として「AIの冬」を招く 5

第2章：トランスフォーマー革命統計的アプローチへの転換 6

逐次処理から並列処理へ RNN / LSTM の限界文章を端から順に処理するため、長い文の初期情報を忘れる（勾配消失問題）大規模な並列計算が困難 2017年：Transformerの登場論文
"Attention Is All You Need" 逐次処理を排除し、自己注意機構（Self-Attention）を導入 7

自己注意機構（Self-Attention）の衝撃全単語間の関連度を同時に計算文中のどの単語が、他のどの単語に注目すべきかを動的に決定数千単語離れた文脈も効率的に学習可能現代AIの標準アーキテクチャその後の全てのLLM（BERT, GPT等）の基盤となった 8

第3章：LLMの誕生とスケーリング則「理解」のBERTと「生成」のGPT 9

BERTとGPT：二つの道 BERT（Google）エンコーダーを活用。文脈を「双方向」から理解感情分析や質問回答に強み GPT（OpenAI）デコーダーを活用。「自己回帰的」に次単語を予測文章生成に特化し、高い汎用性を示す 10

知能の「スケーリング則」パラメータ数とデータ量の増大 GPT-1（1.1億）→ GPT-2（15億）→ GPT-3（1750億）創発的能力の出現モデルを巨大化するだけで、予測精度がべき乗則に従い向上明示的な学習なしにタスクをこなす「ゼロショット / フューショット学習」
が可能に 11

第4章：アライメントの時代人間の意図に沿うAIへ 12

RLHFによる調整課題：ハルシネーションとバイアス LLMは「もっともらしい嘘」をつくことがあった RLHF（人間からのフィードバックによる強化学習） i. 人間が回答例を作成（SFT） ii. 回答の良し悪しをランク付け（報酬モデル） iii. AIが報酬を最大化するように自己最適化（PPO）
13

ChatGPTと社会実装の爆発 2022年11月：ChatGPT公開対話インターフェースとしてLLMの地位を確立 2023年3月：GPT-4リリース画像も扱えるマルチモーダル化司法試験やコーディングで人間レベルの性能を発揮 14

第5章：推論モデルへの進化「直感」から「論理」へ 15

推論時間（Test-time）のスケーリング従来のLLM：システム1（直感的）入力に対して即座に応答を生成推論モデル（o1, R1等）：システム2（論理的）回答前に「思考の連鎖（Chain-of-Thought）」を内部展開考える時間を増やすほど精度が向上する 16

自己修正と検証 DeepSeek R1 等の革新人間の手本なしで、強化学習のみで高度な思考プロセスを獲得思考のトレース：手順を言語化自己修正：途中の誤りに気づき、遡って直す検証：結論の整合性を再確認 17

第6章：AIエージェントの定義「対話」から「行動」へ 18

チャットボットとエージェントの違いチャットボット（受動的）ユーザーの問いに答えるだけ AIエージェント（能動的）自ら計画を立て、目的達成まで自律的に実行外部ツール（Web、API、ファイル操作）を使いこなす Observe-Think-Actのサイクルを回す 19

エージェントの3つの構成要素 1. プランニング（計画）抽象的な目標を具体的な実行ステップに分解 2. メモリ（記憶）短期：対話の文脈保持長期：過去の知識やユーザーの好みを蓄積 3. ツール利用
外部検索、コード実行、企業内システムとの連携 20

第7章：自律型エージェントの歴史 2023年からのパラダイムシフト 21

先駆的プロジェクト：AutoGPTとBabyAGI 2023年のトレンド「自己プロンプト（Self-Prompting）」の導入 AIが自分自身に指示を出し続け、タスクを完遂するデモが世界に衝撃を与えた初期の課題無限ループに陥りやすいトークン消費（コスト）が激しい 22

オーケストレーションの時代単一のループから構造化されたワークフローへ主要フレームワーク LangChain / LangGraph：複雑なプロセスをグラフ構造で制御 AutoGen / CrewAI：複数の専門エージェントを連携させる「マルチエージェント」体制の構築
23

第8章：ビジネス実装の現状（2025年）実験から実用フェーズへ 24

産業へのインパクトカスタマーサービス回答だけでなく、在庫確認や返金処理まで完遂ソフトウェア開発生成だけでなく、デバッグ・テスト・デプロイまで自律化組織構造の変化 **最高AI責任者（CAIO）**の登場 AIを「個人ツール」ではなく「仮想労働力（ワークフォース）」として管理 25

第9章：将来展望（2026-2030）エージェント経済の到来 26

テクノロジーの深化世界モデル（World Models）自分の行動が物理世界に与える影響を「想像」する能力製造・物流・医療への展開を加速恒久的メモリユーザーと共に成長し、数年単位のコンテキストを保持するパーソナルエージェント 27

社会・経済の変容エージェント間取引（A2A） AI同士が交渉し、スマートコントラクトで決済するエコシステムソロ企業（Solo Enterprise）の急増 1人の人間が数百のエージェントを操り、大規模な収益を上げるモデル労働市場の再編「定型作業」から「ゴール設定と監督（Human-in-the-loop）」へ 28

第10章：リスクと課題安全性とガバナンス 29

予見されるリスク法的責任の所在 AIの自律的な判断による事故（AIによる死など）への対処認知能力の低下過度な依存による人間の批判的思考の衰えセキュリティプロンプトインジェクションによる権限奪取やデータ漏洩監視用「セキュリティ・エージェント」の重要性 30

まとめ AIは「知識の図書館（LLM）」から「有能な社員（エージェント）」へ変容した 2017年：Transformer（技術の種火） 2022年：アライメント（対話能力） 2024年：推論（論理的思考） 2025年以降：自律的行動（エージェント）私たちに求められるのは、AIと競うことではなく、AIという強力な労働力を「導き、共生する」オーケストレーション能力である
31

AI進化史：LLMからAIエージェントへ

AI進化史：LLMからAIエージェントへ

MIKIO KUBO

More Decks by MIKIO KUBO

Other Decks in Education

Featured

Transcript