脳科学者・茂木健一郎が語る「ヒューマノイドのChatGPTモーメントは訪れない」理由とは

YouTube動画『ヒューマノイドにおける、ChatGPTモーメント』で、脳科学者の茂木健一郎氏が、ヒューマノイドロボット分野における“革命的瞬間”について考察を語った。動画冒頭で「ヒューマノイドロボットがおそらく、カンブリア爆発する元年のような気もする」としつつ、ChatGPTのような質的飛躍はヒューマノイドには訪れにくいのではないかという見解を示した。

茂木氏は「チャットGPTモーメントという言い方があって、大規模言語モデルにおいて、チャットGPTが明らかに前と質の違う出力をし始めた時に、みんながびっくりした」と振り返る。だが、ヒューマノイドロボットの場合は「似たような形では訪れないんじゃないかな」と指摘。理由として「人間のように喋るってこと自体は、ある意味ではラージ・ランゲージ・モデル（LLM）で経験済みですよね」とし、真の驚きは“身体を持った上での情報処理”にあると解説する。

「その現場で見ているものとか聞いているものをマルチモーダルで処理し、そこに特化したコンテンツを喋るようになったら、本当にそこにいるということになる」とした上で、現状のAIは「皆さんのところにはいない」「サーバー上で統計的学習した結果を出している」と続ける。ヒューマノイドロボットのキーは「ローカルな環境に対応した入出力」にあると強調した。

また「ウィノグラードスキーマチャレンジでは言語の中でローカルな意味を把握しているかを見ているが、その身体化されたものがヒューマノイドロボットのChatGPTモーメントに近い」としつつ、それが言語の運用能力のように世間を驚かせるかは「ちょっと微妙な気がする」と率直に述べた。

一方で茂木氏は「ヒューマノイドロボットは実際に身体を持っていて、いろんなところでローカルな情報を得られる」「データを集めるセンサーとしての役割が実は重要」と新たな注目点を提示。「どっちかというと、出力自体が我々を驚かせたチャットGPTモーメントではなくて、システムレベルでの学習やデータのアップデートを支える、ネットワークのインフラとしての面白さが出てくる」と語った。

動画の締めくくりで茂木氏は、「ヒューマノイドロボットの面白さがどこから出てくるのか」を問い直し、「爆発的な何かが起こるというよりも、インフラの進化としての新たな期待がある」と予測を示した。