高学歴､高収入､高スキルな人ほど｢リストラ候補｣になる…東大AI研究者が証言する｢AIと仕事｣の意外な関係
■長らく議論が続く「AIによる労働への影響」
「特別なスキルを必要としない賃金が低い仕事であるほど、コンピュータ／AIによる自動化の影響を受ける可能性が高い」
これは、コンピュータ／AIが労働に与える影響を分析する研究で、長らく共有されてきた主張です。この分野の研究はいくつか例がありますが、ほぼすべてでこの結論に達していたと言っていいでしょう。
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」でもこの主張がされています。
また、2019年に出版された、同じくカール・フレイによる書籍『テクノロジーの世界経済史』（邦訳版は2020年、日経BP刊）でも、数多くの研究を俯瞰(ふかん)しながら同様の主張にまとめられています。
では、生成AIが登場した2023年現在に広く共有されている主張はどうなっているのでしょうか。先に結論を述べておきましょう。
「高学歴で高いスキルを身につけている者が就くような賃金が高い仕事であるほど、コンピュータ／AIによる自動化の影響を受ける可能性が高い」
これは第1章でも少し触れたOpenAI社などが発表した論文「GPTs are GPTs」の主張です。1つの研究分野の主張が、ここまで完全にひっくり返ることは歴史的にも稀(まれ)でしょう。一体どういうことなのか、具体的に説明していきます。
■「全職業の47％に影響」という衝撃
まず、前述したオックスフォード大学の論文を見てみましょう。本論文の原題は“The future of employment: How susceptible are jobs to computerisation?”（雇用の未来――仕事は機械化によってどれくらい影響を受けるのか？）で、全702個の職種についてAI（機械学習）やロボットによる影響をどれくらい受けるのかを分析しています。
この論文は、ディープラーニングの登場直後に発表されたというタイミングとその分析の規模から、大きな反響を呼び、AIと労働に関する議論では確実に参照される論文となっています。
図表1に、本論文において示された、機械化の影響を受けにくい／受けやすい職業をそれぞれ1〜25位までまとめています。
影響を受けにくいとされる職業は、全体的に高度な判断力や創造性、数理的な思考、人との感情を重視した対話を必要とする傾向があります。一方で、影響を受けやすいとされる職業は、作業の内容がほとんど決まっており、作業内容に変化が生じにくいものが多くなっています。
最終的な結論としては、全職業のうち47％が機械化の影響を受けるだろうとしています。
■「ホワイトカラーこそが影響を受ける」とした「GPTs are GPTs」
次に、2023年にOpenAI社とペンシルベニア大学が共同で発表した論文を見てみましょう。原題は“GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models”（GPTは汎用技術である――大規模言語モデルが労働市場に与える影響についての早期の見解）というものです。
この論文では、GPTのような言語生成AIやその拡張システムによって、各職業の労働がどれくらい影響を受けるのかが分析されています。
特に言語生成AI周辺の技術に焦点を当てており、その点ではコンピュータやロボットなど、機械化全般に焦点を当てていた2013年の論文とは異なります。ただ、それぞれの時点におけるコンピュータ科学技術の最高到達点に目を向けているという点では、比較に値する内容です。
図表2に、本論文において示された、AIの影響を受けにくい／受けやすい職業をそれぞれ25種まとめたものを示しています。厳密に各職業名などが対応しているわけではないのですが、2013年の研究と比較すると、傾向がまったく異なることが一目でわかるでしょう。
■ブルーカラーの仕事は影響を受けにくい
影響を受けにくいとされる職業は、ほとんどが手足を動かす肉体労働を行うもの、いわゆるブルーカラーと呼ばれる職種です。一方で、影響を受けやすいとされる職業は、エンジニアや研究者、デザイナーなど、高度な判断力や創造的な思考が必要とされるもの、いわゆるホワイトカラーと呼ばれる職種です。
最終的な結論として、全職業の8割がなんらかの影響を受け、さらにそのなかの2割ほどは労働の半分がAIに完全に置き換えられるレベルの影響を受けるだろうとしています。さらに同論文内の分析を見てみましょう。図表3を見てください。
この図が主張しているのは、本章冒頭でも少し触れた次のような内容です。
「高学歴で高いスキルを身につけた者が就くような賃金が高い職業であるほど、生成AIによる自動化の影響を受ける可能性が高い。ただし、本当に習得に時間がかかる高度なスキルが必要とされる職業に関してはその限りではない」
図表3を見てみると、必要とされる訓練が短い、または学位の要求が低く、賃金が低い職業であるほどAIの影響を受けにくく、逆に訓練期間が長く、学位が必要で、賃金が高い職業であるほどAIの影響を受けやすいという傾向があります。ただし、弁護士のように最も賃金が高く、訓練に必要な時間も長い職業については、AIの影響の受けやすさの値は高いものの、その程度は限定的です。
なお、ここで示したのはあくまでもGPT-4が登場した初期の時点での見解ですので、それ以降も急速にAIが発展していることを考えると、実際の影響はこれどころではないでしょう。
■「奪われる仕事」が10年で真逆の結論になった理由
たった10年の間で、どうして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。
■「非定型作業」の一部も機械で置き換えられるようになった
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。
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。
■AIは人間の「暗黙知」も学習できる
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。
ここまでは先ほど紹介した論文「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。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。
■機械化できない部分が残り続けると思われていたが…
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。
■人間の創造的な作業が代替可能に
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、第2章で説明した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。
■生成AIでも代替できないものはあるのか
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。
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。
■肉体労働を中心にした職種は代替が難しい
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（いまい・しょうた）
AI研究者
1994年、石川県金沢市生まれ。東京大学大学院工学系研究科技術経営戦略学専攻松尾研究室に所属。人工知能分野における強化学習の研究、特にマルチエージェント強化学習の研究に従事。ChatGPT登場以降は、大規模言語モデル等の生成AIにおける強化学習の活用に興味を持つ。著書に『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版』（翔泳社）、『AI白書2022』（角川アスキー総合研究所）、訳書にR.Sutton著『強化学習（第2版）』（森北出版）など。
----------
（AI研究者 今井 翔太）
