AIには「ルールベース」と「機械学習」があると聞きました。何が違うんですか？
簡単に言うと、人間がルールを書くか、データからAIがルールを見つけるかの違いです。AIの歴史は、この2つのアプローチの発展と切り替わりの歴史とも言えます。
ルールベースAIって、具体的にはどういう仕組みですか？
人間の専門家が「もし〇〇なら△△する」というルール（if-then）を大量に書いて、それに従ってAIが判断する方式です。第2次AIブームのエキスパートシステムが代表例ですね。
1. 人間の専門家が知識・ルールを整理
2. 「if 熱が38度以上 then インフルエンザの疑い」のようなルールをプログラムに記述
3. 入力データに対してルールを順に適用して判断を出力
じゃあ機械学習はどう違うんですか？
機械学習は人間がルールを書くのではなく、データを大量に与えてAI自身にパターンやルールを学習させるアプローチです。第3次AIブーム（現在）の中心技術ですね。
1. 大量のデータ（学習データ）を用意
2. アルゴリズムがデータからパターンを自動で発見
3. 学習したパターンに基づいて、新しいデータに対して予測・判断
それぞれのメリット・デメリットを整理して教えてもらえますか？
比較表にまとめましょう。G検定ではそれぞれの特徴と限界が問われるので、しっかり対比を押さえてください。
| 比較項目 | ルールベースAI | 機械学習 |
|---|---|---|
| 判断の根拠 | 明確（どのルールで判断したか分かる） | 不明瞭（ブラックボックスになりやすい） |
| ルールの作り方 | 人間の専門家が手作業で記述 | データから自動的に学習 |
| 必要なもの | 専門家の知識・時間 | 大量のデータ・計算リソース |
| 未知のケースへの対応 | 苦手（ルールにないケースは処理できない） | 得意（学習したパターンから汎化できる） |
| メンテナンス | ルール数が増えると矛盾・管理が困難 | データを追加して再学習で対応可能 |
| 代表例 | エキスパートシステム（MYCIN等） | 画像認識、自然言語処理、推薦システム |
| AIブームとの関係 | 第2次AIブーム（1980年代） | 第3次AIブーム（2010年代〜） |
ルールベースAIはなぜ衰退したんですか？
最大の問題は知識獲得のボトルネックです。これはG検定でも頻出のキーワードなので覚えておいてください。
専門家の知識をルールとして記述するには膨大な時間と労力がかかる。
さらに、ルールの数が増えると矛盾が生じたり、例外処理が爆発的に増加して管理不能になる。
この問題が第2次AIブーム衰退の大きな原因となった。
機械学習は「人間がルールを書く」のではなく「データからパターンを自動で学ぶ」ことで、知識獲得のボトルネックを大きく緩和しました。さらにディープラーニングの登場で、特徴量（データのどこに注目するか）すらAIが自動で見つけるようになりました。
ルールベース：人間がルールを作る
↓ 知識獲得のボトルネック
機械学習：データからパターンを自動学習（特徴量は人間が設計）
↓ 特徴量設計の手間
ディープラーニング：特徴量も自動で学習（表現学習）