フレーム問題は、人工知能が現実世界で行動する際に直面する、論理的な推論の範囲を限定することの困難さを指す概念です。これは、特定の行動が世界に与える影響と、影響を与えない事象とを、いかにして効率的に区別するかという問題に帰結します。

例えば、AIを搭載したロボットがコーヒーを淹れるタスクを実行するとします。この行動は、コーヒーの温度や量といった直接的な変化を引き起こしますが、同時に、地球の自転速度や月の位置、部屋の壁の色など、無数の事象には影響を与えません。

古典的な形式論理では、AIはタスク遂行に関係する事象だけでなく、関係しない無限の事象についても、それが変化しないことを逐一確認する必要が生じます。このようなアプローチでは、推論の計算量が爆発的に増大し、現実的な時間内での意思決定が不可能になります。これがフレーム問題の核心です。

この問題の解決策として、論理的な推論の代わりに、ヒューリスティクスや非単調論理、あるいは深層学習のような統計的アプローチを用いる方法が探求されてきました。

これらのアプローチは、すべての可能性を網羅的に検証するのではなく、関連性の高い事象に焦点を絞ることで、計算上の制約を回避しようとするものです。

しかし、これらの手法が、人間の持つ常識的な知識や状況判断能力を完全に再現できるかは、依然として未解決の課題となっています。