AIを作った人は誰？人工知能の父と歴史を築いた研究者・創業者を解説

AIを作った人は、1人に特定できません。人工知能(AI)は、1950年にアラン・チューリングが「機械は考えられるか」と問い、1956年にジョン・マッカーシーらが「人工知能」という研究分野を立ち上げ、その後ジェフリー・ヒントンらの深層学習、OpenAIなど企業の開発チームへと、約70年かけて多くの研究者がバトンをつないで生まれた技術だからです。「AIの父」と呼ばれる人物も、貢献の段階ごとに複数います。この記事では、AIを作った主要な人物を歴史の流れに沿って整理し、日本人研究者の貢献、ChatGPTなど現在の生成AIを作った企業と創業者、歴史から学べる社内共有のポイントまで解説します。

目次

開く

閉じる

1. AIを作った人は誰？「1人の発明者」はいない
2. AIの歴史｜1950年代の始まりから現在まで
3. 黎明期の主要な研究者(チューリング・マッカーシー・ミンスキーら)
4. ディープラーニングを築いた研究者(ヒントン・ベンジオ・ルカン)
5. 現在のAI企業を創った人々
6. AIの歴史から学べること
7. よくある質問(FAQ)
8. まとめ
9. 参考文献

AIを作った人は誰？「1人の発明者」はいない

AIを作った特定の1人はいません。理論の土台を築いたチューリング、名付け親のマッカーシー、深層学習を築いたヒントンなど、多くの研究者の成果が積み重なって生まれた技術です。

電話や電球のように「発明者」がはっきりしている技術とは違い、AIは「機械に知的な振る舞いをさせる」という目標に向けた研究分野の名前です。そのため、「AIの父」や「AIの先駆者」と呼ばれる人物も、どの段階の貢献に注目するかによって変わります。よく名前が挙がる人物と、そう呼ばれる理由を整理すると次のとおりです。

人物	よく使われる呼び名	主な貢献
アラン・チューリング(英国)	人工知能の父、コンピュータ科学の父	1950年の論文で「機械は考えることができるか」を問い、チューリング・テストを提案
ジョン・マッカーシー(米国)	AIの名付け親	1956年のダートマス会議の提案書で「Artificial Intelligence」という言葉を使った
マービン・ミンスキー(米国)	人工知能の父	ダートマス会議の発起人の1人で、MITでAI研究の拠点を築いた
ジェフリー・ヒントン(英国・カナダ)	ディープラーニングの父、AIのゴッドファーザー	ニューラルネットワークの研究を続け、深層学習の実用化を導いた。2024年ノーベル物理学賞

歴史と人物の知識を、全社員が同じ水準で持つには

AIを作った人の歴史は、個人の教養にとどまりません。「AIは何が得意で、どこに限界があるのか」を社員が共通の認識として持っておくことは、過度な期待や誤った使い方を防ぐ土台になります。ただ、担当者が1回説明しただけでは知識は定着しにくく、部署によって理解度にもばらつきが出ます。そこで、自社の資料にまとめて繰り返し学べる形にする、理解度をテストで確かめる、利用ルールを全員に周知する、という3つの目的別に、eラーニングの3サービスを役割の違いで並べます(AIの歴史そのものを扱う教材の有無は、資料で確認してください)。

歴史や人物の整理を、社内の研修資料にまとめて繰り返し学べる形にしたい場合の一例が、Smart Boardingです。研修・OJT・eラーニングを1つのシステムで運用でき、自社の資料や動画と、同サービスの動画を組み合わせた研修コースを作成できます。LMS機能で受講者ごとの進捗や理解度を確認できます。一方で、電話・メール相談や教育プログラム設計などの手厚いサポートは「充実サポートプラン」でのみ受けられます。料金はプランによって異なるため、資料や公式サイトで確認してください。

【自社オリジナルコンテンツ】と【FCEプログラム】を活用した自社独自の学習コースを作成

Smart Boarding 導入事例(株式会社ミツハシ)の見出し 出典：導入事例ページ

「発明者」「発案者」「第一人者」は、どの段階の誰を指すのか

「AIを発明した人」「AIの発案者」「AIを開発した第一人者」と検索されることも多いのですが、答えはどれも「どの段階の貢献を指すか」で決まります。「AIを作った人」を1人に絞るのではなく、次の4つの段階に分けて理解するのが正確です。

段階	主な人物・組織	何をした人か
考え方を作った	アラン・チューリング	機械が知的かどうかを判定する考え方を示し、AIの出発点を作った(発案者として挙げられることが多い)
学問として立ち上げた	ジョン・マッカーシー、マービン・ミンスキーら	1956年のダートマス会議で「人工知能」を研究分野として始めた(AIの名付け親・創設者)
いまの技術を実用化した	ジェフリー・ヒントン、ヨシュア・ベンジオ、ヤン・ルカン	深層学習を築き、画像認識や生成AIの土台を作った(現在のAIの第一人者として挙げられることが多い)
サービスとして世に出した	OpenAI、Google DeepMind、Anthropicなどの企業と創業者	ChatGPTなど、誰でも使えるサービスにして普及させた

AIの歴史｜1950年代の始まりから現在まで

AIの歴史は、期待が高まる「ブーム」と、成果が期待に届かず関心が冷え込む「冬の時代」を繰り返しながら、約70年かけて現在の生成AIに至りました。文部科学省や総務省の白書でも、現在までの流れはおおむね次のように整理されています。

時期	主な出来事	中心となった考え方
1950年	チューリングが論文「計算する機械と知性」を発表	機械が知的かどうかを判定する考え方の提示
1956年	ダートマス会議で「人工知能」という分野が誕生	第1次ブームの始まり(推論・探索)
1960年代	対話プログラムELIZAが登場(1966年)	パズルや迷路のような限られた問題は解けた
1970年代	現実の複雑な問題を解けず、第1次の冬の時代へ	期待と実力の差が明らかに
1980年代	エキスパートシステムが企業に広がる。日本では第五世代コンピュータの国家プロジェクトが始動	第2次ブーム(専門家の知識をルールとして教え込む)
1990年代	知識を人手で書き尽くせない限界から、第2次の冬の時代へ。1997年にはIBMのDeep Blueがチェスの世界チャンピオンに勝利	ルールの作成・保守の手間が課題に
2000年代から2010年代	2012年に深層学習が画像認識の競技会で圧勝、2016年にAlphaGoが囲碁のトップ棋士に勝利	第3次ブーム(データから機械が自ら学ぶ機械学習・深層学習)
2017年から現在	Transformerの発表、2022年11月にChatGPTが公開	生成AIの普及(文章・画像を作り出すAI)

文部科学省の白書は、最近の生成AI技術の進展を受けて、現在は「第4次ブーム」に差し掛かっているとも言われている、と説明しています。AIそのものの定義や基本はAIとは？で整理しています。以下では、この年表に登場する主要な人物を、時代ごとに詳しく見ていきます。

黎明期の主要な研究者(チューリング・マッカーシー・ミンスキーら)

AIの先駆者は、コンピュータそのものがまだ珍しかった1940年代から1950年代に「機械に考えさせる」ことを構想した、チューリング、マッカーシー、ミンスキーらの研究者です。

アラン・チューリング：AIの考え方を生んだ数学者

英国の数学者アラン・チューリングは、1936年にコンピュータの理論モデル(チューリングマシン)を示し、第二次世界大戦中にはドイツ軍の暗号解読にも携わりました。1950年の論文では「機械は考えることができるか」という問いを立て、人間が文字のやり取りだけで相手が機械か人間かを見分けられなければ、その機械は知的だとみなせるという判定方法を提案しました。これが「チューリング・テスト」です。「AI」という言葉が生まれる前に、その考え方の出発点を示したことから、人工知能の父と呼ばれています。コンピュータ科学のノーベル賞と呼ばれる「チューリング賞」は、彼の名前に由来します。

ジョン・マッカーシー：「人工知能」の名付け親

米国の計算機科学者ジョン・マッカーシーは、1956年夏に米国ダートマス大学で開かれた研究会(ダートマス会議)を呼びかけた中心人物です。前年に書かれたこの研究会の提案書で「Artificial Intelligence(人工知能)」という言葉が使われ、AIが独立した研究分野として歩み始めました。マッカーシーは、AI研究で長く使われたプログラミング言語LISPの開発でも知られています。

マービン・ミンスキーとダートマス会議の参加者たち

マービン・ミンスキーは、マッカーシーとともにダートマス会議を呼びかけた1人で、のちにマサチューセッツ工科大学(MIT)でAI研究の拠点を築きました。人工知能学会の解説によると、会議の発起人にはクロード・シャノンとナザニエル・ロチェスターも名を連ねています。また、会議ではアレン・ニューウェルとハーバート・サイモンが、数学の定理を自動で証明するプログラム「Logic Theorist」を披露しました。

ジョン・フォン・ノイマン：AIを動かすコンピュータの設計者

チューリングと並んで「AIの土台を作った人」として挙げられることが多いのが、ハンガリー出身の数学者ジョン・フォン・ノイマンです。ノイマンは1945年、プログラムとデータを同じ記憶装置に置いて順番に処理するコンピュータの設計方式を報告書にまとめました。この方式は「ノイマン型コンピュータ」と呼ばれ、現在のパソコンやサーバーの多くが同じ考え方で動いています。チューリングが「計算とは何か」を理論で示したのに対し、ノイマンはそれを実際の機械として組み立てる道筋を示した人物といえます。AIのソフトウェアを作った人ではありませんが、AIを動かす器を形にした人物として押さえておくと、歴史の全体像がつかみやすくなります。

ジョセフ・ワイゼンバウム：対話プログラムELIZAの開発者

ChatGPTのように「AIと会話する」体験の原点を作ったのが、MITの計算機科学者ジョセフ・ワイゼンバウムです。1964年から1966年にかけて開発された「ELIZA」は、相手の言葉に含まれる単語に反応して決まった型の返事を返すだけのプログラムでしたが、心理カウンセラーのように振る舞う台本を使うと、利用者の中には本気で悩みを打ち明ける人も現れました。ワイゼンバウム自身はこの反応に驚き、のちに「コンピュータに人間の判断を任せすぎることの危うさ」を訴えるようになります。仕組みを理解しないまま機械の受け答えを信じ込んでしまう現象は、生成AIの出力をうのみにしないという現在の注意点にもそのまま通じています。

フランク・ローゼンブラット：ニューラルネットワークの先駆者

現在のAIにつながるもう1つの流れが、人間の脳の神経細胞のしくみをまねた「ニューラルネットワーク」です。米国の心理学者フランク・ローゼンブラットは、1958年に学習する機械「パーセプトロン」を発表し、大きな注目を集めました。しかし、1969年にミンスキーらがその限界を理論的に指摘したことで、ニューラルネットワークの研究はしばらく下火になります。この流れを再び表舞台に戻したのが、次に紹介する研究者たちです。

ディープラーニングを築いた研究者(ヒントン・ベンジオ・ルカン)

現在の生成AIや画像認識を支えるディープラーニング(深層学習)は、ジェフリー・ヒントン、ヨシュア・ベンジオ、ヤン・ルカンらが、冬の時代にもニューラルネットワークの研究を続けて築いた技術です。

ジェフリー・ヒントン：深層学習の父

英国生まれでカナダのトロント大学を拠点としたジェフリー・ヒントンは、1986年に共同研究者とともに、ニューラルネットワークを効率よく学習させる手法(誤差逆伝播法)を広く知らしめる論文を発表しました。2012年には、ヒントンの研究室の学生だったアレックス・クリジェフスキーとイリヤ・サツケバーとともに開発したモデルが、画像認識の国際競技会で他を大きく引き離して優勝し、深層学習ブームの引き金になりました。2024年には、ジョン・ホップフィールドとともにノーベル物理学賞を受賞しています。近年はAIがもたらすリスクへの警鐘を鳴らす発言でも知られています。

ヨシュア・ベンジオとヤン・ルカン

カナダ・モントリオール大学のヨシュア・ベンジオは、言語をニューラルネットワークで扱う研究などで、現在の大規模言語モデルにつながる基礎を築きました。フランス出身のヤン・ルカンは、画像認識に強い「畳み込みニューラルネットワーク」を実用化し、手書き数字の読み取りなどに応用しました。ヒントン、ベンジオ、ルカンの3人は、深層学習への貢献により2018年度のチューリング賞を共同で受賞しており、「ディープラーニングのゴッドファーザー」と並び称されます。

日本のAI研究者：福島邦彦・甘利俊一と現在の担い手

「日本のAI開発者」を挙げるなら、深層学習の源流にある福島邦彦と甘利俊一が代表的です。日本人研究者の成果は、海外の研究と合流して現在のAIの土台を形づくりました。

研究者	主な貢献	深層学習とのつながり
福島邦彦	1980年に、人間の視覚のしくみをモデルにした「ネオコグニトロン」を発表	深層の畳み込みニューラルネットワークの原型とされる(学習方法は現在のものと異なる)
甘利俊一	1967年に、多層のパーセプトロンを確率的勾配降下法で学習させる方法を発表。情報幾何学の創始者でもある	現在の深層学習の学習方法につながる考え方。2019年に文化勲章を受章
松尾豊(東京大学教授)	2017年に設立された日本ディープラーニング協会の理事長	研究者としてだけでなく、産業界への深層学習の普及と人材育成を担う

福島と甘利は、AIの歴史では欧米の研究者に比べて語られる機会が少ない人物です。一方、現在の日本では、研究者だけでなく、協会や企業が深層学習の活用を後押ししています。「日本人はAIの基礎研究に関わっていない」という見方は、歴史を見るかぎり当たりません。

現在のAI企業を創った人々

現在の生成AIを作ったのは、研究者を集めて大規模な開発に取り組んだ、OpenAI・Google DeepMind・Anthropicなどの企業と、その創業者たちです。2020年代に入り、AIは研究室の技術から誰でも使えるサービスになりました。主な企業と創業者を整理します。

企業・組織	設立	主な創業者	代表的な成果
DeepMind(現Google DeepMind)	2010年	デミス・ハサビス、シェーン・レッグ、ムスタファ・スレイマン	囲碁AI「AlphaGo」、たんぱく質の構造を予測する「AlphaFold」
OpenAI	2015年	サム・アルトマン、イリヤ・サツケバー、グレッグ・ブロックマン、イーロン・マスクら	GPTシリーズ、ChatGPT
Anthropic	2021年	ダリオ・アモデイ、ダニエラ・アモデイら	対話型AI「Claude」

ChatGPTを作ったのはOpenAI

「AIを作った人」として最もよく名前が挙がるのが、ChatGPTを開発したOpenAIの最高経営責任者サム・アルトマンです。ただし、ChatGPTの中核となる技術を率いたのは、ヒントンの教え子でもあるイリヤ・サツケバーら研究者のチームでした。ChatGPTは2022年11月に公開され、短期間で利用者を大きく伸ばし、生成AIを一気に身近なものにしました。「AIを書いた人」を探すなら、特定の1人のプログラマーではなく、モデルを設計する研究者や、学習に使う計算環境を整えるエンジニアなどのチームが作っている、と理解するのが近い見方です。

Google DeepMindとTransformerの研究者たち

英国で創業したDeepMindは2014年にGoogleに買収され、2016年に囲碁AI「AlphaGo」がトップ棋士に勝利して世界を驚かせました。創業者のデミス・ハサビスは、AlphaFoldの開発を率いたジョン・ジャンパーとともに2024年のノーベル化学賞を受賞しています。また、2017年にGoogleの研究者たちが発表した「Transformer」という仕組みは、ChatGPTを含む現在の大規模言語モデルのほぼすべての土台になっています。

ここまで見てきたとおり、現在の生成AIは、1950年代の研究者の問いから、深層学習の研究者、そして企業の開発チームへとつながる長い積み重ねの上に成り立っています。これだけ多くの人物と企業の名前が出てくる分野だからこそ、社内で伝えるときは、要点を自社の資料にまとめて全員が同じ内容を見られるようにしておくと、誤解が広がりにくくなります。

AIの歴史から学べること

AIの歴史から学べるのは、期待が先行すると冬の時代が来ること、AIの得意・不得意は仕組みで決まること、知識は組織で共有してはじめて生きることの3点です。いま生成AIを業務に取り入れる企業にとっても、判断のヒントになります。

期待が先行すると「冬の時代」が来る

過去2回の冬の時代は、いずれも「何でもできる」という期待に実際の性能が追いつかなかったことが原因でした。生成AIも万能ではなく、もっともらしい誤りを出力することがあります。導入時に「どの業務のどの作業に使うか」を具体的に決め、小さく試して効果を確かめる姿勢が、過去の教訓を生かすことにつながります。

AIの得意・不得意は仕組みで決まる

第2次ブームのAIは人が書いたルールに従い、現在のAIは大量のデータから傾向を学びます。そのため、現在のAIは学習したデータにない最新の出来事や、自社固有の事情には弱いという特徴があります。歴史を通じて仕組みの違いを理解しておくと、「なぜこの答えを間違えたのか」を冷静に判断でき、出力の確認が欠かせない理由も腹落ちします。歴史の理解でよくある誤解も確認しておきましょう。

よくある誤解	実際のところ
AIはChatGPTを作ったOpenAIが発明した	AIの研究は1950年代から続いており、OpenAIは生成AIを広く普及させた企業の1つ
AIの父は1人に決まっている	チューリング、マッカーシー、ミンスキー、ヒントンなど、貢献の段階ごとに複数の人物がそう呼ばれる
AIは近年急に登場した新技術	ブームと冬の時代を繰り返しながら、約70年かけて実用段階に達した
日本はAIの基礎研究に関わっていない	福島邦彦のネオコグニトロンや甘利俊一の学習理論など、深層学習の源流となる成果がある

こうした誤解は、一度読んだだけでは解けません。研修のあとに確認テストを出し、どの設問で間違えた人が多いかを見ると、説明が足りなかった点が分かります。AIの基礎知識の理解度を確かめたい場合の一例が、SAKU-SAKU Testingです。CBTの技術を活かしたeラーニングプラットフォームで、用意された設問と自社のオリジナル設問を1つのテストにまとめて配信でき、選択式・穴埋め・並び替え・記述問題に対応しています。受講管理やユーザー管理、帳票出力の機能もあり、組織やグループ単位で管理できます。一方で、AIによるリモート監視機能などは有償オプションで、日本国内仕様のため日本国外での利用はサポート対象外です。AIの歴史に関する設問が用意されているかは、資料で確認してください。料金はプランによって異なるため、資料や公式サイトで確認してください。

知識は組織で共有してはじめて生きる

AIの得意・不得意や歴史的な背景を一部の担当者だけが知っていても、現場での使い方は変わりません。経済産業省と総務省が公表しているAI事業者ガイドラインは、AIを業務で使う側にも、安全性やプライバシー保護といった配慮を求めており、そのためには従業員がAIの特性を理解していることが前提になります。この記事の年表や人物の整理を研修の導入パートに使い、社内ルールの説明と確認テストを組み合わせれば、全社員が同じ前提で生成AIを使える状態に近づけます。業務での具体的な活用方法はAI活用とは？もあわせてご覧ください。

社内ルールの周知では、個人情報や著作権など、生成AIに入力してよい情報の範囲を全員が同じ基準で学ぶことが欠かせません。こうしたルールの周知を、年間を通じた研修として続けたい場合の一例が、OneCompliance(ワンコンプライアンス)です。コンプライアンス研修に特化したeラーニングで、ハラスメント予防、インサイダー取引規制、景品表示法、個人情報保護法、下請法などの全業界向けコンテンツを用意しています。コースの割り当て、自動リマインダー、ダッシュボードによる受講状況の可視化で、連絡や集計の手間を減らせる点が特徴です。一方で、費用は人数に応じた課金体系で、デモや無料トライアルの内容は問い合わせでの確認が必要です。生成AIの利用ルールそのものを扱う教材の有無は、資料で確認してください。料金はプランによって異なるため、資料や公式サイトで確認してください。

社内に法務専任担当や教育専任担当がおらず、社内のみでの実施が困難

OneCompliance 導入事例(株式会社プリメディカ。導入の背景・課題感として掲載) 出典：導入事例ページ

ここまでの内容を踏まえ、自社でのAIの基礎知識の共有状況を、次のセルフチェックで確かめてみてください。

よくある質問(FAQ)

Q1. AIを発明したのは誰ですか？

A. 特定の1人ではありません。1950年にアラン・チューリングが機械の知性を判定する考え方を示し、1956年のダートマス会議でジョン・マッカーシーらが人工知能を研究分野として立ち上げました。「発明者」や「発案者」と呼ばれる人物は貢献の段階ごとに複数いて、その後も多くの研究者と企業の成果が積み重なって現在のAIになっています。

Q2. AIを開発した第一人者や「AIの父」と呼ばれるのは誰ですか？

A. 文脈によって異なります。AIの考え方を生んだアラン・チューリング、学問として立ち上げたマービン・ミンスキーやジョン・マッカーシー、深層学習を築いたジェフリー・ヒントンが、それぞれ「AIの父」と呼ばれています。

Q3. 「人工知能」という言葉を最初に使ったのは誰ですか？

A. 米国の計算機科学者ジョン・マッカーシーです。1956年に開かれたダートマス会議の提案書で「Artificial Intelligence」という言葉が使われ、AIという研究分野の名前として定着しました。

Q4. ChatGPTを作ったのは誰ですか？

A. 米国のOpenAIが開発し、2022年11月に公開しました。OpenAIは2015年にサム・アルトマンやイリヤ・サツケバーらが設立した組織で、技術の土台には2017年にGoogleの研究者が発表したTransformerという仕組みが使われています。

Q5. 日本のAI研究者で有名なのは誰ですか？

A. 深層学習の源流として、1980年にネオコグニトロンを発表した福島邦彦と、1967年に多層パーセプトロンの学習方法を発表した甘利俊一が知られています。現在は、東京大学の松尾豊教授が日本ディープラーニング協会の理事長を務めています。

Q6. AIの歴史を社内研修で教えるにはどうすればよいですか？

A. 年表と主要人物をスライドにまとめて研修の導入に使い、AIの得意・不得意や社内の利用ルールの説明につなげる構成がおすすめです。eラーニングで配信し、確認テストを添えると、受講者ごとの理解度も把握できます。

まとめ

AIは1人の発明者が作ったものではなく、約70年にわたる多くの研究者と企業の積み重ねによって生まれた技術です。この記事のポイントを振り返ります。

1. 1950年にチューリングがAIの考え方を示し、1956年のダートマス会議でマッカーシーやミンスキーらが研究分野として立ち上げた
2. AIはブームと冬の時代を繰り返し、2010年代に深層学習で実用段階に入った
3. 深層学習はヒントン、ベンジオ、ルカンらが築き、日本の福島邦彦や甘利俊一の研究も源流にある
4. 現在の生成AIは、OpenAIやGoogle DeepMindなどの企業が研究者を集めて開発し、広く普及させた
5. 歴史から学べる教訓は、過度な期待を避け、AIの得意・不得意を組織で共有すること
6. 社内で基礎知識をそろえるなら、研修コース・理解度テスト・ルール周知の目的別に、eラーニングの資料を比べて検討する

AIの成り立ちを知ると、目の前の生成AIとの付き合い方も見えてきます。学んだ知識は自分の中にとどめず、社内で共有して、組織全体でAIを正しく使いこなす第一歩にしてください。

参考文献

• 文部科学省「令和6年版 科学技術・イノベーション白書 第1章 新時代を迎えたAI」、2026年10月19日確認
• 総務省「平成28年版 情報通信白書 人工知能(AI)の研究開発」、2026年10月19日確認
• 経済産業省「AI事業者ガイドライン(第1.2版)」、2026年10月19日確認
• 人工知能学会「人工知能の話題：ダートマス会議」、2026年10月19日確認
• IBM「Deep Blue」、2026年10月19日確認
• 日本ディープラーニング協会「協会概要」、2026年10月19日確認
• Wikipedia(日本語版)「福島邦彦」、2026年10月19日確認
• Wikipedia(日本語版)「甘利俊一」、2026年10月19日確認