エキスパートシステムとは？えきすぱーとしすてむ
エキスパートシステムとは、特定の分野の専門家が持つ知識を「もし〜ならば〜である」というルールの形で知識ベースに蓄え、推論エンジンがそのルールを組み合わせて、専門家のように判断や診断を行うシステム。どのルールを使って結論に至ったかをたどれるので、判断の理由を説明しやすい。一方、ルールは人が書き下して登録する必要があり、知識を集める手間と、ルールが増えたときの保守が大きな負担になる。試験では、データから規則を自動で学ぶ機械学習・ディープラーニングとの違いが問われる。
最終更新：2026-10-10
この語が出る過去問を解く →背景
1970〜80年代のAI研究で、何でもできる汎用の知能を作るのは難しいと分かり、医療の診断や機器の故障診断のように分野を絞れば、専門家の知識を書き出して再現できると考えられた。これが第2次AIブームの中心になった。
具体例
1970年代にスタンフォード大学で開発されたMYCINは、血液の感染症の原因菌を推定し、抗生物質を提案するエキスパートシステムだった。「グラム染色が陰性で、形が桿状なら、〜の可能性がある」といったルールを数百個持ち、医師に患者の症状や検査結果を質問して、その答えをもとにルールを組み合わせて推論した。どのルールから結論を出したかを示すこともできた。
試験での引っ掛け
「専門知識を人手で入力して推論させる」のがエキスパートシステム、「データから規則を自動で獲得する」のが機械学習（fe-2018a-am-3）。ディープラーニングは人がルールを書かずに多層のニューラルネットワークで特徴を学ぶ点で、ルールを人があらかじめ設定するエキスパートシステムとは知識の獲得方法が逆（fe-2018h-am-3）。
関連用語
出た過去問
出典：平成30年度 春期 基本情報技術者試験 午前 問3（IPA）解説で登場
AIにおけるディープラーニングの特徴はどれか。
正解：人間の脳神経回路を模倣して、認識などの知能を実現する方法であり、ニューラルネットワークを用いて、人間と同じような認識ができるようにするものである。
要点：ディープラーニングは多層ニューラルネットで特徴を自動学習する
ディープラーニングは、人間の脳の神経回路をまねたニューラルネットワークを多層に重ね、大量のデータから特徴そのものを自動的に学習させる手法である。人が判断ルールを書き下すのではなく、層を深くすることで画像認識や音声認識といった認識処理を高い精度で行える点が特徴となる。ルールベースの推論やエキスパートシステムとは、知識の獲得方法が根本的に異なる。
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。