はじめに

G検定では、人工知能（AI）の歴史や基礎技術に関する問題が頻出する。
中でも、1980年代に登場したニューラルネットワークの派生技術についての知識は、差がつくポイントとなる。

今回は、G検定の過去問を題材に、「ボルツマンマシン」というキーワードの意味と、その背景について整理する。

問題の確認

以下のような問題が出題されている。

1985年、ジェフリー・ヒントンらによって確率的に動作するニューラルネットワークの一種である（●）が提案された。

選択肢

1. サポートベクトルマシン
2. ボルツマンマシン
3. ラーニングマシン
4. チューリングマシン

正解は「2. ボルツマンマシン」

なぜ「ボルツマンマシン」が正解なのか？

ボルツマンマシンとは

ボルツマンマシン（Boltzmann Machine）は、1985年にジェフリー・ヒントンらによって提案された確率的なニューラルネットワークモデル。
一見、通常のニューラルネットワークと似ているが、大きな特徴が「確率的に状態を更新する仕組み」にある。

この特徴により、局所最適解に陥りづらく、探索空間を広く取れるという利点がある。
特に「深層学習の前身」として、制限ボルツマンマシン（RBM）やディープビリーフネットワーク（DBN）といった発展形も登場している。

他の選択肢との比較

では、なぜ他の選択肢は不正解なのか。それぞれを簡潔に見ておこう。

なぜこの問題が重要なのか？

G検定では、「人工知能の歴史的発展」を時系列で理解しておくことが重要になる。
ボルツマンマシンは、ニューラルネットワークの限界と発展の文脈で登場し、確率的推論や生成モデルの基礎を形成している。

こうした歴史的背景を知っておくと、類似問題が出ても戸惑わずに解答できる。

関連知識：制限ボルツマンマシン（RBM）とは？

RBM（Restricted Boltzmann Machine）は、ボルツマンマシンの構造を簡略化したモデルだ。
特徴として、入力層と隠れ層のみで構成される。この構造により、学習が効率化される。

RBMは、ディープラーニング黎明期に「事前学習（プレトレーニング）」として活用されていた。
現在では、主流の手法ではないが、歴史を理解する上で知っておきたいモデルのひとつである。

実務的な観点から見たボルツマンマシン

現在、ボルツマンマシン自体が実務で多用されるケースは少ない。
しかし、そのアイデア――確率的なネットワーク、エネルギーベースモデル、探索の多様性――は、他のAI技術に活かされている。

例としては以下のような応用がある。

• 生成モデル（例：GAN、VAE）の基礎概念に通じる
• 強化学習における探索・報酬設計
• エネルギー関数による異常検知

このように、G検定の知識は「試験対策」だけでなく、理論的な応用力の土台ともなり得る。

まとめ

今回扱った「ボルツマンマシン」の問題は、G検定における重要な歴史知識のひとつだ。

✅ 1985年にヒントンらが提案
✅ 確率的に動作するニューラルネットワーク
✅ 制限ボルツマンマシンやDBNの基礎となった
✅ 他の選択肢（SVM・チューリングマシンなど）とは明確に異なる

G検定合格を目指すうえで、技術的なトレンドだけでなく、「どの時代に何が登場したか？」という歴史の流れを押さえておくことが合格への近道となる。