進化し続けるAIのこと、あなたはどこまで知っている？：WIRED GUIDE 人工知能編
スーパーインテリジェンス（超知能）のもつアルゴリズムは、あらゆる仕事を奪うわけでもなければ、人間にとって代わるものでもない。とはいえ、近ごろのソフトウェアはかなり賢くなっていて、「iPhone X」のアニ文字を使って自分の表情そっくりに動くうんちのキャラクターを友達に送ることもできるし、ペーパータオルがなくなったから追加注文をしておいてとスマートスピーカーに頼むことだってできる。
テック企業が人工知能（AI）分野に莫大な投資を進めているおかげで、生活や身の回りのガジェットはすでに変わり始めている。AIが社会の中心となる未来に向けて、地ならしが進んでいるのだ。
現在のAIブームのきっかけとなったのは、マシンラーニング（機械学習）という分野の目覚ましい進歩だった。機械学習とは、コンピューターがたくさんのデータに基づいて判断し、作業を実行できるようにする“訓練”を指す。「人間がプログラミングした通りに動く」という以上の役割を期待しているわけだ。
この機械学習の技術を飛躍的に進歩させたのは、ディーププラーニング（深層学習）という手法だった。それがどれだけすごいのかは、囲碁のような複雑なゲームで18もの国際タイトルを保持するイ・セドルに尋ねてみるといい。彼は2016年、囲碁ソフト「AlphaGo（アルファ碁）」にぼろ負けを喫したのだ。
関連記事：「AlphaGo」の誕生から囲碁「引退」までを振り返る
スマートスピーカーのようなガジェットが生活の一部となり、顔認証機能でiPhoneの画面ロックを解除できるような体験を重ねることで、誰もがAIの進歩を身近にはっきりと感じている。その一方で、AIは生活のまた別の側面にも変化をもたらしている。
そのひとつが、ヘルスケアの分野だ。インドの病院では、網膜画像の診断をするソフトウェアを試験的に導入し、糖尿病性網膜症の患者の網膜を診察している。診断が遅れて失明につながるケースが多く、AIを活用して診断スピードを上げることで、こうした状況を改善しようという狙いだ。また、機械学習は自動運転プロジェクトを支える重要な技術でもある。自律走行車が周囲の状況を把握するうえで欠かせない存在となっている。
関連記事：AIが「眼」から病気を早期発見する日がやってくる
こんなふうに、AIがいまより幸せで健康な暮らしをもたらしてくれるという証拠は確かにある。一方で、警戒しなければならないこともある。AIのアルゴリズムが人種や性別にまつわる社会的偏見を抽出し、助長した例があるからだ。つまり、AIが進歩するのに任せておけば自ずとよりよい未来が待っている、というわけではない。
人工知能のはじまり
いま使われている「人工知能」という言葉は、夏休みのプロジェクトから生まれた。ダートマス大学の教授だったジョン・マッカーシーが、1956年の夏に思いついた造語だ。マッカーシーはその夏、数人のグループを招いて数週間を一緒に過ごし、機械に言語を認知させる方法をともに考えだそうとしていた。
テクノロジーが飛躍的な進歩を遂げ、機械が人間と同じように振る舞う日が来ることを彼は強く望んでいた。そして、一堂に会したほかの参加者とともに、こう書き残した。「慎重に選ばれた研究者たちがこの夏、一丸となって研究に取り組めば、重要な一歩を踏み出すことができる」
この理想は実現しなかった。マッカーシーはのちに、あまりに楽観的だったと認めている。だが、その夏のひとときは、インテリジェントマシンがいつか学問分野のひとつとして扱われるようになるだろうという期待を、研究者たちにもたせてくれるものだった。
AIの初期の研究は、数学や論理学における非常に抽象的な問題を解決することにおおむね重点が置かれていた。だが、ほどなくして、人間特有のタスクでも成果を出し始める。1950年代後半、アーサー・サミュエルがボードゲーム「チェッカー」のルールを学習したプログラムを開発した。1962年には、そのプログラムがチェッカーのプロに勝利したのだ。
そして1967年、「Dendral（デンドラル）」というプログラムが、化学者による化学物質サンプルの構成に関する質量分析データの解釈方法を再現できることを示した。
AIの分野が進展するにつれ、スマートマシン開発へのさまざまな戦略に磨きがかかっていった。研究者のなかには、人間の知識を抽出してコード化したり、言語の習得のようにタスクをルール化したりしようとする者がいた。人間だけでなく動物の知能を学習することが重要だと考えた者もいる。
そうした研究者らは、繰り返し作業をこなしていくことでコンピューターが賢くなっていくシステムを構築した。生物の進化を模倣させたり、参照データをもとに学習するようなシステムだ。コンピューターが、以前は人間にしかできなかったタスクを攻略するに従って、AI分野における画期的な展開が、ひとつまたひとつと繰り広げられていった。
“復活”を遂げたディープラーニング
現在のAIブームの火付け役となったディープラーニングは、実のところAIに関する最も古いアイデアが復活したものだ。技術的には、人工ニューラルネットワークとして知られる脳細胞の働きを模した数理的ウェブにデータを流していく。ネットワークがトレーニング用のデータを処理するにつれ、ネットワーク間の接続が調整され、さらなるデータを解釈する能力が構築される。
ダートマスの夏からほどなくして、人工ニューラルネットワークがAIの既定路線となった。例えば1958年には、幾何学模様の識別ができる一部屋ほどの大きさの「Perceptron Mark 1」が『ニューヨーク・タイムズ』紙で取り上げられ、「自力で解読し、賢く成長するよう設計されたコンピューターの卵」と紹介された。
だが69年になると、ニューラルネットワークへの好意的な関心は急速に失われた。マサチューセッツ工科大学のマーヴィン・ミンスキーが、当時話題となった共著で、ニューラルネットワークはそれほどパワフルなものではないと示唆したからだった。
誰もがその見解に納得したわけではないし、ニューラルネットワークの技術を、その後何十年も研究し続けた研究者もいた。そして2012年、ミンスキーが間違っていたことが証明された。一連の実験から、膨大なデータと高性能コンピューターチップがあれば、ニューラルネットワークが機械に新たな認知能力を与えられることが示されたのだ。
その技術を使うことで、例えばトロント大学の研究者たちは、ソフトウェアに画像を識別させる毎年恒例のコンペでライヴァルを完膚なきまでに負かした。また、IBM、マイクロソフト、グーグルの研究者らは、ディープラーニングが音声認識の向上に著しく貢献しうることを示す結果を共同で発表した。テック企業はどこも、人材確保にむけてディープラーニングの専門家を血眼になって探し始めることになる。
人工知能の未来
もし明日、AIのこれ以上の進化に終止符が打たれたとしても、AIが世の中に与える影響がなくなるとは思わないほうがいいだろう。
グーグルやマイクロソフト、アマゾンのような大手テック企業は、AI分野の才能と高性能コンピューターをずらりと揃えることで、コアビジネスであるターゲティング広告や顧客の消費行動予測を強化している。
さらには、自社のネットワーク内で外の参加者にAIを使ったプロジェクトを運営させることで利益を上げようとしている。そうすることで、ヘルスケアや国家の安全保障といった分野の発展が促進されていく。AIのハードウェアが改善し、機械学習の人材養成講座が規模を拡大し、オープンソースのマシンラーニング・プロジェクトが生まれたことで、AIはさらに新たな産業へと進出が加速していった。
消費者は、AI搭載のサーヴィスやガジェットを今後ますます目にするようになるだろう。とりわけグーグルやアマゾンにとっては、マシンラーニングの進歩が、自社のヴァーチャルアシスタントやスマートスピーカーといった製品をよりパワフルなものにするはずだ。例えば、アマゾンの一連のカメラ付きデヴァイスは、持ち主や周囲の環境をいつも眺めている。
AIの商用利用の可能性を考えれば、いますぐその分野の研究者を目指すべきだろう。よりスマートなマシンの開発を目指すラボの数はこれまでにないほど増え、潤沢な資金提供がある。それに、まだまだやるべきことはたくさんある。
まだ機械にはできないこと
AIに関する近年の目覚しい進歩、そして心躍るような近未来予測がある一方で、機械にできないことはいまだに多く存在している。例えば、言葉のニュアンスを理解することや、常識を推し測ること、ひとつふたつの少ない例から新しいスキルを学習するといったことだ。
AIのソフトウェアが、多様性・順応性・創造性を備えた人間の知能に近づくには、こうしたスキルを習得する必要がある。ディープラーニングの先駆者、グーグルのジェフリー・ヒントンは「その大きな挑戦で進展を見るためには、この分野を根本のところから再考する必要性に迫られるだろう」と主張する。
AIのシステムがさらにパワフルになるにつれ、より徹底した精査が必要になってくるだろう。刑事司法といった分野での政府のソフトウェアの利用には、欠陥や隠蔽がつきまとう。フェイスブックなどいくつかの企業は、自社の根幹であるアルゴリズムの不都合な欠陥に対峙しなければならなくなった。
AIがさらに進歩すれば、より深刻な問題を引き起こす可能性もある。例えば、女性や黒人に対する固定概念・歴史的な偏見を、永遠に固定してしまうかもしれないのだ。市民団体やテック業界自身が、いまやAIの安全面・倫理面に関する規則やガイドラインの制定を模索している。スマートになっていくマシンの恩恵を十分に享受するには、わたしたち自身がスマートにマシンを使う必要があるのだ。
人工知能の進化の歴史
1956年
ダートマス大学の夏のプロジェクトで、「人工知能」という言葉が生まれた。この新たな分野において、人間のような知性をもつソフトウェアの開発を目指した。
1965年
マサチューセッツ工科大学のジョセフ・ワイゼンバウム教授が、最初のチャットボット「ELIZA（イライザ）」を生み出した。“彼女”はセラピストを装ってチャットするコンピューターだ。
1975年
「Meta-Dendral」というプログラムが、コンピューターによる初めての発見をしたとして学術誌に掲載された。このプログラムは、かつてスタンフォード大学で質量分析の解釈をするために開発されたものだった。
1987年
メルセデス・ベンツのクルマが、ある学術研究プロジェクトで20kmの距離を自律走行した。それも、ドイツの高速道路沿いを時速55マイル（同88km）以上という速さでだ。このプロジェクトはエンジニアのエルンスト・ディックマンが主導した。クルマには2台のカメラと複数のコンピューターが搭載されていた。
1997年
IBMが開発したコンピューター「Deep Blue（ディープ・ブルー）」が、チェスの世界チャンピオンであるガルリ・カスパロフを破った。
2004年
「DARPA（米国防高等研究計画局）グランドチャレンジ」のレースが自律走行車の産業を活気づけた。このロボットカーレースは、米国防総省がモハーヴェ砂漠で開催したものだ。
2012年
深層学習というニッチ分野の研究者たちが、音声や画像認識機能をより正確にするアイデアを示した。それによって、企業はAIに対する新たな関心をもち始めた。
2016年
「AlphaGo（アルファ碁）」が囲碁棋士の世界チャンピオンを破った。この囲碁ソフトはグーグルの親会社であるアルファベット傘下のDeepMind（ディープマインド）が開発したものだ。
知っておくべき重要なキーワード
人工知能（artificial intelligence＝AI）
人間の知能が必要とされる問題を解決できるよう開発され、発展したコンピューター。
マシンラーニング（機械学習）
サンプルデータや学習をもとに、コンピューターによる予測やタスク処理を高度化させていく技術。
ディープラーニング（深層学習）
人間の脳内にあるニューロンから漠然とひらめきを得たという数理自動調節ネットワークで、データをフィルターにかけて学習するマシンラーニングの技術。
教師あり学習
ソフトウェアにタグ付けされた写真のようなサンプルデータを示し、コンピューターが何をすべきか教えて学習させること。
教師なし学習
ソフトウェアに注釈のないデータから学習させること。世間の慣習や経験則のみから学ぶのは人間にはたやすくても、機械にはまだ難しい。
強化学習
ソフトウェアがゲームで得点する場合に、最大の報酬（ポイント）を得る方法を導きだそうと、さまざまなアクションを試して学習すること。
汎用人工知能
いまだに存在しないソフトウェア。異なる環境に適応し、新たな課題に対処することが可能となる。ソフトウェア間で知識を共有できるといった人間に近い能力を見せることが想定されている。
