「シンギュラリティはSFめいた話」──人工知能学会会長が切る“間違ったAIのイメージ”と正しいAI研究の姿

1

2020年10月29日 12:03  ITmedia NEWS

  • 限定公開( 1 )

  • チェックする
  • つぶやく
  • 日記を書く

ITmedia NEWS

写真人工知能学会の野田五十樹会長(産業技術総合研究所 人工知能研究センター 総括研究主幹)
人工知能学会の野田五十樹会長(産業技術総合研究所 人工知能研究センター 総括研究主幹)

 「シンギュラリティはSFめいた話だ。そもそも“知能”が何を示すのか、定義せずに語っても意味が無い」──人工知能学会の野田五十樹会長は、10月28日に開催された「第1回 AI・人工知能EXPO【秋】」(幕張メッセ)の特別講演で、現実の研究からかけ離れた“AI”のイメージを否定した。



【その他の画像】



 野田会長は「ディープラーニングは万能の関数近似ツールである」ともいう。これまでのAI研究の歴史と、今のAIの研究テーマについて野田会長が解説した。



●AIが目指していたのは「神経系の模倣と知能の再現」



 近年の人工知能ブームは「第3次AIブーム」と呼ばれている。ディープラーニングなどの技術が注目されているが、広い意味の「AI」はより幅広く、長い歴史を持つ。



 人の能力を機械で置き換えるという意味の「AI」を作る試みは古くからさまざまな形で試みられてきた。人の計算能力を代替するという意味においては、コンピュータもその一形態といえる。現代の技術につながる「AI」の由来は約60年前にさかのぼる。1956年に米国で開催された研究発表会で「Artificial Intelligence」(人工知能)という言葉が初めて使われたとされている。



 その後60年代、80年代と二度の人工知能ブームを経て、2000年〜2010年代に第3次AIブームが到来し、現在に至る。過去のAIブームは新たな技術コンセプトの発見によって起き、AIの将来性に期待した多くの研究者がこの分野の研究に参加した。ただし、ブームの後に技術的な限界が判明して、「幻滅期」、つまり冬の時代が訪れるのが過去2回の流れだった。



 そもそもAIが目指していたものは「人類の神経系」を機械で模倣し、人間の知能の再現に挑むことだった。一方、目下の第3次AIブームで注目されている技術「ディープラーニング」は人間とはかけ離れたシステムとなっている。それでも実用性を備えていたことから、現代に欠かせないソフトウェア技術の一つとして、あらゆる分野で応用されている。



●ディープラーニングは「万能の関数近似ツール」



 現代ではさまざまなシステムにディープラーニング技術が組み込まれ、「AI」の代名詞的存在になっている。例を挙げれば、LINEで自動返答してくれるチャットbotや、「Google 翻訳」のような機械翻訳ツール、スマホのポートレートモード、人を検知して体温を表示するカメラ、自動運転車など、とにかく幅広い分野で活用されている。



 ディープラーニングは、機械学習の手法の一つだ。機械学習は、人工ニューラルネットワーク(神経回路網)を生成するメカニズムのこと。野田会長は「ニューラルネットワークの機能を一言で定義すると『万能の関数近似ツール』である」という。



 まず万能性については「数学的にどのような関数でも模倣できる」(同)。ある入力をすると一定の値を出力するため関数であるといえる。そして、「ある程度の誤差を許容すれば実用性がある」(同)ために近似もしている。



 野田氏はこれをサッカーボールに例える。例えばボールを真っすぐ蹴ると、前に向かって飛ぶ。蹴る力を強くすれば速く飛び、サイドから蹴ると曲がりながら飛ぶ。このとき「蹴る力」や「蹴る角度」が入力で、「ボールの速さ」や「ボールの飛ぶ方向」が出力に当たる。



 ニューラルネットワークは万能の関数近似ツールなので、正しく学習させればサッカーボールを蹴ったときの結果を計算によって模倣できる。ただし、適切な出力を得るには適切な入力を設定する必要がある。また、全ての要素を完全に考慮して模倣するのは実際には困難だ。そのため計算による結果は、近似値として捉える必要がある。



 ディープラーニングがこれまでの計算技術と異なる特徴として、「人間が全てを定義する必要がない」という点が挙げられる。ディープラーニングは人間が被写体などの特徴を定義しなくても、学習によってその特徴を学べる。



 ここでいう学習は、膨大な「入力」や「出力」の具体例を与え、入力から出力を導き出すよう訓練することだ。リンゴの写真とリンゴ以外の果物の写真を数千枚規模で用意して学習させれば、果物の写真の中からリンゴだけを識別するニューラルネットワークを生成できる。



 機械学習のコンセプトは1959年の時点で存在はしていた。ただし、90年代まではコンピュータの計算能力が乏しく、大量の入力を用意することもできなかったため、例えばチェスをプレイするニューラルネットワークなど、用途が限られた問題にのみ使える手法だと見なされていた。



 その状況が変わったのは2000年代。コンピュータの計算能力の劇的な向上によって、ディープラーニングに必要な処理能力が得られるようになった。また、学習に使えるデータもインターネットなどにより大量に収集することが可能となった。こうして、人工知能によりさまざまな課題を関数として近似できるようになった。



 ディープラーニングの発展につれて、あるデータセットで学習したモデルを別種のデータセットに適用する「転移学習」や、画像生成AIと評価AIを戦わせて自然な画像を生成する「敵対的生成ネットワーク」(GAN)などの応用的な手法も作られるようになった。



●“知能”を定義せずにシンギュラリティは語れない



 AIが発展すると、人間の知能を超える「シンギュラリティ」が訪れるといわれている。「2045年にAIが人間の知能を超える」という予測もある。



 だが、野田会長はこの主張を「SFめいた話だ」と切って捨てる。「そもそも“知能”が何を示すのか、定義をせずに語っても意味が無い」という。「仮に知能が計算力を指しているのであれば、80年代からとっくに人間の能力を超えていることになる」(野田氏)



 実はこの「知能とは何か」を考えるのは、人工知能学の根源的なテーマだ。人工知能学はそもそも人の知能の再現からスタートした。その領域には、人間の体にまつわる理学的な研究から、ロボットのような工学的な研究、そして情報科学まで、幅広い科学分野が含まれている。ディープラーニングの研究は、人工知能学の中でもごく一部にすぎない。



 人工知能学会は、人工知能学を俯瞰できる「AIマップ」を制作している。その中心にあるのが、「知能とは何か」という研究だ。



 「多くの科学は基礎的な積み上げから応用に発展していくが、人工知能学は真逆の構造となっている。周辺分野の厚みを増して、知能とは何かという中心のテーマを追い求めている」(同)



 野田会長の主張に沿えば、シンギュラリティを考えられるのは「知能とは何か」という根源的テーマに答えが出てからになりそうだ。


    ランキングIT・インターネット

    前日のランキングへ

    ニュース設定