人工知能は人間と同じで、学習しなければ賢くなりません：学習データについて考えます（I）

　現在のニューラルネットワーク型の人工知能はデータから学習するので、学習に用いるデータが極めて重要というのは理解できますね。　これに対して従来からの知識ベース型人工知能は、知識自体がシステムに入力されるので、改めて学習する必要はありません。　この場合は、知識を入力する人間が人工知能の代わりに学習し、その結果をまとめて人工知能システムがわかる形で入力（教え込み）します。 

　では人工知能の学習に用いるデータは、どのようなものや条件を満たしていることが必要でしょうか。　現時点で良く分かっていることは、ニューラルネットワーク型人工知能の学習にはかなりの数のサンプルデータが必要だということです。　これに対してルールベース型の人工知能で用いる知識というものは、人間が学習するものなので量的に多いというよりは、まとめやすく、人間が処理できる量で、様々なノウハウを受けて構築されます。　この点で、ルールを設定する過程で、ルールを明確にするようにデータ自体が人間により選択、整理されたものが集めてまとめられます。　この作業は専門分野のエキスパートの関与が必要となります。　この結果、ルールベース型人工知能で求められるデータはルールを作り出す人間が必要とするものであり、その量はニューラルネットワーク型人工知能で用いる学習データよりもかなり少ない量で実施されます。

　上図で示されるように、ニューラルネットワーク型人工知能では大量の学習データが必要となります。　一方で、ルールベース型人工知能は少ない数の学習データで済みますが、人工知能システムが必要なのは知識（ルール）であって、学習データは直接用いません。　その代わりに、知識（ルール）の作成する人間はルールの作成に学習データを必要としますが、そんなに多くのデータではなく、良く整理され、情報的にクリーンなものが利用されます。