人間には簡単でも生成AIには難しい意外なタスク
AIの登場によってテクノロジーに変化が起きていますが、AIにも苦手なことはあるようです（写真：World Image／PIXTA）
生成AIは、単に人間の模倣や代替ではなく、人間と共に新たな価値や可能性を創り出すパートナーになりえます。その可能性について、東大・松尾研究室所属のAI研究者・今井翔太氏による最新刊『生成AIで世界はこう変わる』よりご紹介します。
コンピュータの限界とは？
たった10年の間で、どうしてコンピュータに関わるテクノロジーに、ここまでの変化があったのでしょうか。それはコンピュータ・AIにできること／できないことの前提が、生成AIの登場でひっくり返ってしまったからです。
「ポランニーのパラドックス」という有名な説があります。これは哲学者マイケル・ポランニーの言葉をもとに提唱されたもので、その内容は「人は言葉で表現できる以上のことを知っている」というものです。この「言葉で表現できる以上のこと」を「暗黙知」と言います。
このパラドックスは、人間の作業の機械化を阻む障害を表すものとして、よく引き合いに出されます。コンピュータは人間がプログラミングして初めて動きます。つまり、人間が言語で表現してプログラミングコードに落とし込むのが難しい動作は、そもそも機械化のしようがないということです。機械化においては、このパラドックスをどうやって乗り越えるかが課題でした。
AI以前にコンピュータの基本的な性能から考えて、「定型作業」が機械化によって置き換えられることは、昔から共有されてきた認識です。定型作業とは、作業内容があらかじめ決まっており、人間の言葉で作業内容を記述できるようなもの、つまり単純な行動の繰り返しで実行できるようなものを指します。
このような作業は、人の手でその内容をコンピュータにプログラミングできます。コンピュータは、人間によって書かれたプログラム、つまり動作するためのルールに従って動作すれば、定型作業を完了できます。
2013年は機械学習・ディープラーニングの本格的な性能上昇が認知され始めた時期です。この時期には、機械学習によって「非定型作業」の一部も機械で置き換えられるという期待が大きくなりました。非定型作業とは、作業内容が決まっておらず、しかも人間の言葉で作業内容を明確に記述できないようなもので、まさにポランニーのパラドックスで言う「暗黙知」が関わる作業です。
「非定型作業」は、コンピュータには難しかった
たとえば、運転は交通状況や天候などに左右され、同じルートであっても作業内容は毎回異なります。もっと簡単な例で言うと、猫と犬を見分けるといった識別も非定型作業です。人間はこれを簡単にやってのけますが、実は犬と猫を見分けるルールを言葉で明確に表すのはかなり難しいことです。
異常検知も非定型作業の1つです。人間の「なんか変だなぁ」という感覚の「なんか」は、言語で表すことの難しさを端的に表しています。
機械学習・ディープラーニングは、人間が作業をプログラミングするのではなく、データから自ら学習することにより、このような非定型作業の一部を可能としました。これらの非定型作業は確かに言葉で表すのは難しいのですが、作業の実例や正解データ自体はいくらでも存在しますし、作業の過程はともかく、作業で達成されるべき目標や成果は明確です。それらをAIに学習させれば、言葉にできない作業過程も自律的に学んでくれるというわけです。
つまり、「ポランニーのパラドックス」で言う暗黙知の一部分は、機械にも学習可能であることが明らかになったのです。
ここまでは、ディープラーニング登場直後の2013年に発表された、オックスフォード大学のカール・フレイとマイケル・オズボーンによる世界的に有名な論文「雇用の未来」においても、AI／コンピュータによって代替できることとして前提にされていた部分です。
AIなら「非定型作業」でも代替できる？
ただし、この論文でも、AIには将来的にも難しいとされていた能力があります。論文内では「創造的知能」と「社会的知能」とされていた能力です。創造的知能とは、作曲や科学研究など、新しく価値あるアイディアを思いつく能力です。
社会的知能とは、交渉や説得のように、人間の感情を重視した対人コミュニケーションを行う能力です。これらの能力が扱う作業は、非定型作業であるうえに、そもそも何が正解であるかが明確ではありません。
ヒットする音楽の正解を誰が定義できるでしょうか？ 感動させる詩のつくり方とは？ どんな人も納得させる説得術とは？ ノーベル賞を取れる研究のやり方とは？ 受ける広告のコピーとは？
いずれも正解を用意することは不可能です。確かに、過去にヒットした曲や成功した研究、人の会話や文章のリストなど、正解データらしきものは集められます。これらを学習することで、過去に存在したものを模倣することはできるでしょう。
しかし、こうした作業で求められているものは、本質的に「今まで存在しなかった現象に対応する」ことや「これまでにない価値のあるものを生み出す」ことです。過去に存在したものをデータから学習して模倣するだけでは、あまり価値がありませんし、未知の事象に対応できないでしょう。
「ポランニーのパラドックス」は部分的には否定されたが、少なくとも短期的には機械化できない部分が残るだろう。そして、これらの能力を必要とする職業の大半は、高学歴で長いトレーニングを積んだ者が担う高賃金の職種である。これが2013年から生成AI革命前までの大多数の考えでした。
ところが、生成AIは、この考えをひっくり返してしまいました。OpenAI社らが2023年時点で問題にしているのは言語生成AIだけですが、言語を扱う職業だけで見ても、生成AIが創造的かつ社会的な能力を必要とする仕事を実行できることは明らかです。現在の生成AIも、2013年時点で登場していた機械学習・ディープラーニング技術の延長です。
では、その技術をもってしても「できないだろう」と思っていたことが、生成AIではなぜできてしまったのか。
まだ研究途上の部分も多くありますが、現時点である程度説得力のある説を述べるとすると、人間の創造的な作業とされてきたものの大半は、実は「過去の経験のなかから、価値のある新しい組み合わせを見つけること」であり、生成AIは膨大なデータ学習からこれを見つけられるようになった、というものです。
また、社会的知能についても、人間のフィードバックを加えた強化学習などの調整を行えば、ある程度は実現可能であることがわかってきました。
それでも、依然として生成AIの影響をほとんど受けない職業もあります。
これを説明するために、もう1つのパラドックスをご紹介しましょう。
「モラベックのパラドックス」というものです。ロボット工学者のハンス・モラベックの名を冠したこの主張は、「AIにとっては、人間がよく考えて行う高度な作業は簡単だが、人間が特に何も考えず簡単にこなしていることは難しい」というものです。
生成AIでも代替できないことは？
たとえば、プログラミングコードを使ってシステム開発をしたり、高度なアルゴリズムを書いたりすることは、かなり頭を使う作業です。将棋や囲碁といったゲームをプレイしてプロを打ち破ることは、普通の人が頭を使ってどうにかなるレベルではありません。これらは人間のなかでも、一部の天才や高度なトレーニングを積んだ者にしかできません。しかし、すでに見てきたように、現在のAIはこれを簡単にできてしまいます。
では、服を畳む、食べものを箸でつまむ、散らかった部屋で移動する、ものを探して持ってくる、スキップする、といった作業はどうでしょうか。これはほとんどの人間が簡単にできることです。
多くの人にとってプログラミングは難しい作業ですし、藤井聡太さんを将棋で倒せる人は、少なくともアマチュアでは一人も存在しないかもしれません。それに対して、箸を使ったりスキップしたりすることを難しいと感じる人は、まさかいないでしょう。人間であれば小学生か、下手すれば幼稚園児でもできることです。
しかし、AIにとってはこれが大変困難なことなのです。現時点では、これらの作業を実行できるAIは存在しないか、相当に限られた範囲のことしかできません。生成AIが登場したあともこの点は変わらず、「モラベックのパラドックス」はいまだに健在です。
「GPTs are GPTs」で示されていた生成AI登場後の「AIの影響を受けにくい職業」とは、まさにこのあたりの能力を必要とする作業、つまり肉体労働を中心にした職種です。皮肉なことに、人間にとっては一般的に賃金が低い傾向にあるこれらの職業は、AIで代替するのが最も難しい職業だったのです。
頭脳労働は生成AIなどを実装した機械に奪われてしまい、創造性を発揮する余地はなくなるのではないか？ そんな悲観的な考えが頭をよぎります。
（今井 翔太 ： AI研究者）
