人工知能 4

　ＡＩ　が全人類の知能を超え　シンギュラリティ（技術的特異点）に到達すれば、人類は　ＡＩ　にとって邪魔者になり　ＡＩ　によって滅ぼされるいう見方とそういうことにはならないという見方がある。
　今の時点では一見荒唐無稽に思われるかもしれないがこれは科学者の間でも真剣に議論されている問題である。

　まず前者　ＡＩ　によって人類が滅ぼされるという見方について

　英国の高名な理論物理学者スティーヴン･ウイリアム･ホーキングはいう。

　「今後１００年のどこかの時点で　ＡＩ　は人間の能力を超えていきます。そしてこの人工知能の目的は我々人間を”余所者”にすることだと気づく必要があるのです。」
　「コンピュータは我々の知性と違い、１８ヶ月ごとに能力を２倍にする。そのため、コンピュータが知能を発達させて世界を乗っ取るという危険はすでに現実のものだ。」
(マルチョ名言集他）

　進化の度合いが高いものが低いものを駆逐するという論理からすれば必然的にこうなる。


　米国のジャーナリストで　ＡＩ　による脅威についてさまざまな識者にインタービューしたジェイムス・バッラットは自著でこう述べている。
　
　「すでに知能マシンはつくられているが、それでも人類は絶滅していないのだから、もしかしたら　ＡＩ　を擬人的にとらえても結構なのかもしれない。
　しかし、ＡＧＩ（汎用人工知能）誕生の瀬戸際にあるいまや、それは危険な考え方である。オックスフォード大学の倫理学者ニック・ボストロムは、つぎのように言っている。
　『超知能に関して意味のある議論をするうえで前提条件となるのが、超知能は単なるテクノロジーの一種でもなければ、人間の能力を徐々に高める一種の道具でもないという点を認識することである。
　超知能は根本的に別物だ。超知能を擬人化することがもっとも多くの誤解を生んでいるので、この点はとくに強調しておきたい。』
　ボストロムいわく、超知能が技術的な面で根本的に別物であるのは、超知能が実現すると進歩のルールが変わってしまうからだ。
　つまり、超知能自体が発明を生み出して、技術進歩のペースを決めることになる。
　もはや人類が変化を推し進めることはなくなり、後戻りすることもできなくなる。
　さらに、高度な機械知能も根本的に別物だ。人間によって発明された身でありながら、自己決定権と人間からの自由を欲する。　
　そして人間のような魂がないため、人間に似た動機も持たないだろう。
　したがって、機械を擬人的にとらえると誤った考えにつながり、危険な機械をどのようにして安全に作るかを見誤ると大惨事につながる。」

　「いまやＡＧＩ　の懐疑的な危険性は、尊敬を集める熟達した多くの研究者が認めるところだ。
　カーツワイルがシンギュラリティの恩恵と考えている、血液のナノ浄化、より優れた高速な脳、不死などと比べても、その危険性はより十分に立証されている。
　シンギュラリティに関して唯一確実なのは、ＬＯＲＡのパワーによって我々の生活や身体のあらゆる側面に高速で賢いコンピュータが、組み込まれるということだけだ。
　そうなったら、異質な機械知能は我々の自然の知能に挑んでくるかもしれない。
　我々がそれを望むかどうかは関係ないだろう。」

　「著名なＩＴ起業家で科学者、アップル社のスティーヴ・ジョブズの同僚であるスティーヴ・ジャーヴェソンは、”設計された”システムと”進化した”システムをどのように統合するかを考えた。そして、その計り知れないパラドックスをうまく表現する方法を思いついた。
　『もし複雑なシステムを進化させたら、それはインターフェースによって特徴づけられるブラックボックスとなる。
　その内部のしくみを改良するうえで、我々の設計上の直感を当てはめることは容易ではない。・・・　もし賢い　ＡＩ　を人工的に進化させたら、それは感覚インターフェースによって特徴づけられる異質な知能となり、その内部のしくみを理解するには、人間の脳を説明するために現在費やされているのと同程度の努力が必要かもしれない。
　コンピュータコードが生物の増殖率よりもずっと速く進化できると仮定したうえで、我々が知識でできることはあまりにも少ないのだから。
　その中間段階をリバースエンジニアリングする時間が取れるとは思えない。進化のプロセスは、そのまま続いていくことになるだろう。』
　注目すべきことに、”進化したシステムやそのサブシステムはどの程度複雑になるか”という疑問に対して、ジャーヴェソンは次のように答えている。
　『そのしくみを事細かく因果的に理解するには、人間の脳のリバースエンジニアリングに匹敵する技術的偉業が必要になる、その程度にだ』
　ということは、進化したシステムやサブシステムが知能を持ったら、人間に似た超知能、すなわち　ＡＳＩ（超人工知能）　が実現するのではなく、我々の脳と同程度に理解困難な"脳”を持った異質な知能が生まれるのだ。
　そしてその異質な脳は、生物的でなくコンピュータ的なスピードで進化して自己成長していくだろう、」
（以上　ジェイムス・バッラット著水谷淳訳ダイヤモンド社『人工知能　人類最悪にして最後の発明』　から）

　一言でいえば、ジェイムス・バラッドは、識者へのインタビューを通じシンギュラリティに到達すれば　ＡＩ　が強力になりすぎ人間がコントロールできなくなることを懸念している。

　このように　ＡＩ　によって人類が滅ぼされるかもしれないという懸念は西欧社会にのみ見られることである。日本ではこのようなことを心配する声は聞かれない。
　日本の識者は　ＡＩ　をどうみているのだろうか？

人工知能 3

　ＡＩ　が活用される分野は、画像認識、音声認識、ビッグ・データ、自動運転、創薬、文字認識、自然言語、セキュリティ、ロボットなどがある。
　その成果は日常生活、仕事、産業の広範囲に及ぶ。
ＡＩ　でもアメリカは一歩先んじている。グーグル、フェイスブック、アップル、マイクロソフト、アマゾン、ＩＢＭなどその豊富な資金力で目ぼしい国内外のＡＩ　ベンチャーを買収して　ＡＩ　の技術開発で先行している。
　この顔ぶれには製造業はなく　ＩＴ　企業のみである。
ＩＴ　企業がＡＩ　の技術開発に力を入れるのはそこに巨大なビジネスチャンスを見出しているからであろう。
　日本はどうか。日本はトヨタ、ホンダ、日立、パナソニックなど主に製造業がベンチャー企業と提携して　ＡＩ　の技術開発に取り組んでいる。

　日本における　ＡＩ　の熱心な推進者である東京大学の松尾豊准教授は、一口に　ＡＩ　というが、これは二つに分けて考えた方がいいという。
　情報路線（大人の人工知能）と、運動路線（子どもの人工知能）である。
　そしてこの二つの路線は　ＡＩ　産業競技のいわば予選リーグで、予選リーグを勝ち進んだ企業が決勝に進み、最終的には高度に知能・機械がモジュール化し組み込まれた社会において、人工知能が組み込まれた日常生活ロボット・機械を担う企業が勝者となるという。
　日本が目指すべきは運動路線である子どもの人工知能をターゲットにすべきであると主張している。

　「以前にもお話ししましたが、僕は人工知能を　『大人の人工知能』　と　『子どもの人工知能』　に区別しています。
　これまで、コンピュータにやらせるのは子どものできることほど難しいという時期が何十年も続いてきたのですが、今は変わりつつあります。
　子どもができるような認識や運動の習熟、言葉の意味理解などができるようになりつつあるということで、こちらを　『子どもの人工知能』　と呼んでいます。
　一方でビッグデータ全般や　ＩｏＴ　に代表されるように、今までデータが取れなかった領域でデータが取れるようになってきました。　
　ここに旧来からある人工知能の技術を使うと、いろいろなことができます。
　こちらを　『大人の人工知能』　といっています。
　今の動きの中で、僕が一つ非常に気を付けるべきだと思っているのは、　『人工知能』　という言葉が独り歩きしていて、いろいろな技術を人工知能と呼んでいる点です。
　大人の人工知能の世界は　『データを活用していきましょう』　ということなので、これは当たり前のことです。
　昔からデータの重要性はありましたし、活用した方がもちろん良かったのです。
　これはもう１０年も２０年も前からそうです。日本はそこのところの理解がなかなか進んでおらず、むしろ遅れているので、今頃になってようやく　『データを活用した方がいい』　『情報技術を活用した方がいい』　と多くの人が思うようになってきたということです。
　ですから、これは当然やった方がいいのですが、既に１０～２０年も遅れをとっています。
　一方で子どもの人工知能、すなわちディープラーニングをベースにする技術は、技術的なブレークスルーの時期に当たり、ここ２～３年で、急激にできるようになってきたのです。
　これをどのように産業競争力につなげていくか。そこに日本の戦略的なチャンスがあると思います。
　ですから、この二つは分けて考えた方がいいと、僕は思っています。
　プレイヤーについても、大人の人工知能をやろうとしている人の方が今は多いのです。
　大手の電機メーカーもそうだし、研究者にも大人の人工知能系、つまり情報（データ）を使おうとか、先端の情報技術を使おうという技術を研究している人が多いのです。
　ですから、今はこちら（大人の人工知能）の方が声が大きく、『国レベルで　人工知能をやりましょう』　といったときに、大半が　『大人の人工知能』　系の話になってしまうのです。
　ここ（大人の人工知能）も大事ですが、今あえて投資する必要があるかといえば、それほどありません。
　今、日本が戦略的に投資するべきは　『子どもの人工知能』　で、その技術的なブレークスルーに賭けるべきだと、僕は思っています。
　ただ、こちら（子どもの人工知能）はプレイヤーが少ないので、なかなか苦しいのです。
　しかし、グローバルな産業競争力につながるのはきっと　『子どもの人工知能』　の方に違いないと、僕は思っています。
（10ＭＴＶ　日本のＡＩ戦略）

　なぜ日本は、情報技術・データの活用が10～20年も遅れをとったのだろうか。　
　今年７月松尾准教授はフォーリン・プレスセンターの講演で情報路線はあきらめ運動路線にターゲットを絞るべきと述べた。
　なぜそうなのか理由を質問した記者にこう答えている。

　”日本には１９９０年代既に検索エンジンがあり、２０００年代に入ってすぐソーシャルネットワークもあった。
　だがユーザが日本人に限られるため大きくならなかった。
１０倍人通りが多いところで店を開くのと１０倍少ないところで店を開く違いである。
　日本語でやっている限り大きくならない。情報路線にはこの制約があるが運動路線にはこれがない。”

　別の講演では運動路線に特化すべき理由を列挙している。

①　少子高齢化でかつ幸いにも移民を受け入れていないため、ＡＩ　を活用した機械化・ロボット化の効用が大きい。

②　人工知能研究者数に恵まれている。2015年現在人工知能学界　日本人は　3500人、　日本以外では全世界でも　6000人である。

③　日本は第1～2次ブームからの研究者を擁していて、指導者層にＡＩ　にたいする理解がある。インターネットのときにはなかったことである。

④　インターネットのときにはニーズを見つけるというビジネスセンスが求められたが、今回は防犯は防犯、建設は建設とニーズは変わらず性能向上の要求であり、製造業にも求められる賢さと真面目さが重要となり日本人向きである。

⑤　インターネットは日本語が障壁となり早くから検索エンジン、ソーシャルネットワークがありながら日本からグーグルもフェイスブックも生まれなかった。
　ＡＩ　は言葉は関係がない。アルゴリズムを製品にのせるから日本語のハンデがない。

　このように松尾准教授は日本は運動路線に特化すべきと力説している。

　ＡＩ　は今アメリカが先行しているが　この技術は２０１２年にブレークスルーしたばかりである。真の競争は今後にかかっている。

　わが国における　ＡＩ　の今後の展望に先立ちシンギュラリティについて考えてみたい。
　ＡＩ　が全人類の知能を越えるときがくればどのようなことになるのか。その日は２０４５年ともいわれている。

人工知能 2

　AI は過去2回ブームがあり現在3回目のブームにさしかかっている。
出典：松尾 豊著KADOKAWA『人工知能は人間を超えるか　ディープラーニングの先にあるもの』

　過去のブームの衰退を簡単にいえば、第1次ブームは特定の問題は解けても複雑な現実の問題は解けないこと、第2次ブームはコンピュータに大量の知識をいれ管理するには限界があり費用と時間がかかりすぎかつ汎用性に乏しいことであった。
　現在は　ＡＩ　技術のブレークスルー（飛躍的進歩）といわれるディープラーニングで3度目のブームにさしかかっている。
　囲碁の対戦でＡＩ　が現役最強棋士といわれる韓国の李世九段に勝利したのはこの技術によるものであった。
　今回はこれにシンギュラリティ（技術的特異点）の問題が加わり　ＡＩ　が人間の知能を越え人類の脅威となるなどとブームに拍車がかかっている。

　東京大学の松尾准教授は　ＡＩ　を飛躍的に進化させたディープラーニングについてこう述べている。

　「人間は特徴量をつかむことに長けている。何か同じ対象を見ていると、自然にそこに内在する特徴に気づき、より簡単に理解することができる。
　ある道の先人が、驚くほどシンプルにものごとを語るのを聞いたことがあるかもしれない。特徴をつかみさえすれば、複雑に見える事象も整理され、簡単に理解することができる。
　同じことを人間は視覚情報でもやっている。
　たとえば、ある動物がゾウかキリンかシマウマかネコかをみわけるのは人間にはとても簡単だが、画像情報からこれらの動物を判定するのに必要な特徴を見つけ出すのは、コンピュータにはきわめて難しかった。　
　機械学習させようにも、この特徴を適切に出すことができなければ、うまく学習できないのである。（中略）
　ディープラーニングは、データをもとに、コンピュータが自ら特徴量をつくり出す。
　人間が特徴量を設計するのではなく、コンピュータが自ら高次の特徴量を獲得し、それをもとに画像を分類できるようになる。(注：もちろん、画像特有の知識ー事前知識　をいくつか用いているので、完全に自動的につくり出せるわけではない。）
　ディープラーニングによって、これまで人間が介在しなければならなかった領域に、ついに人工知能が一歩踏み込んだのだ。　
　私はディープラーニングを　『人工知能研究における50年来のブレークスルー』　と言っている。」
（松尾 豊著KADOKAWA『人工知能は人間を超えるか　ディープラーニングの先にあるもの』）

　ＡＩ　の歴史はわずか60年であるから、ディープラーニングが50年来のブレークスルーとすればこれがいかに画期的な技術であるかが想像できよう。

　ディープラーニングの凄さについて小林雅一氏は分かり易く解説している。

　「ディープラーニングは人間という教師の手助けがなくても、自分で勝手に大量のデータから何かを学び、ある問題を解く上で、何か本質的に重要なポイント（変数）であるかを、システム自身が探し出してくるのです。
　そして、ここにも再び謎が登場します。つまりディープラーニングがなぜ、それらの変数（特徴量）を選び出してきたのか？　
　そこに至るシステムの思考経路を、それを開発した技術者（つまり人間）は理解できないのです。
　しかしディープラーニングは、難問を解決する上で、必ずといっていいほど正しい変数を選んできます。
　だから音声・画像認識など、これまで停滞していたパターン認識の分野で大幅な性能向上が見られたのです。
　多くのＡＩ　専門家は口を揃えて、この点を絶賛しています。
　彼らの見方によれば、問題を解決するために必要な　『何かに気付く』　という能力こそ、これまでのＡＩ　に欠如していたものです。
　この限界を突破したことで、ディープラーニングは　ＡＩ　における永遠の難問とされてきた　『フレーム問題』　さえ解決する、との見方も出てきました。
　第1章でも紹介したように、フレーム問題とは、
『所詮は限られた情報処理能力しかないロボットや　ＡＩ　には、現実世界で起こり得る問題の全てには対処できない』　ということでした。
　それは特に、ケース・バイ・ケースの判断ルールをコンピュータなどに移植していく　『ルール・ベースの　ＡＩ　』　にとって致命的な問題でした。
　しかしディープラーニングのように、人間がロボットやコンピュータに何らかのルールや変数などを教えなくても、彼ら自身が問題を解く上で本質的に重要なことに気付いてくれるなら、フレーム問題は解決できる可能性があります。
　そして、ここでも興味深いことは、ディープラーニングが人間の脳の仕組みを参考にしていることです。
　つまりディープラーニングがフレーム問題を解決できるとすれば、それは私たち人間が普段何らかの形でフレーム問題を処理している、あるいは少なくとも何とか切り抜けている証になるということです。（もちろん、ときにはジタバタしたり失敗することもありますが。）
　いづれにせよディープラーニングは単なる機械学習の手段という枠組みを越え、人間のような汎用的知性を持つ最初の　ＡＩ　になる可能性があるとの期待が高まってきました。
　その進化のスピードは今後、一層加速すると見られています。　それは脳科学（神経科学）と　ＡＩ　研究が連携することで相乗効果が期待されるからです。」
（小林雅一著講談社現代新書　『　ＡＩ　の衝撃』　）

　此度のＡＩ　ブームは過去2回と異なりすぐに衰退しそうにない、それどころか　ＡＩ　の開発は指数関数的に増加する可能性さえある。
　このような革新的な技術について各国はどう取り組んでいるか先行している日米を中心に見てみよう。