フェイスブック/グーグル/WIRED
カナダ、モントリオールのWeWorkビルにある、セキュリティの厳重な角部屋オフィスには、コードがぎっしり詰まった巨大な黒いスクリーンが散乱している。モニターは縦横に積み重ねられており、Facebook人工知能研究（FAIR）グループで働く約20人の研究者やエンジニアにとって、ほとんどスペースがない。「もうすぐ新しいオフィスに移転します」と、FAIRモントリオール研究所の所長でマギル大学准教授のジョエル・ピノー氏は語る。ピノー氏の研究室は設立から1年ちょっとで4人から20人に増えたが、急速に拡大しているFAIR研究室は他にもある。
AI分野の発展を担うFAIRグループは、2013年にFacebookのチーフAIサイエンティスト、ヤン・ルカン氏によって設立されて以来、世界中で約200名の研究者を擁するまでに成長し、2020年までにその数は倍増する予定です。その使命は、可能な限り最も賢い機械を開発することです。研究成果のほぼすべてを公開しているこの研究グループは、人間とシームレスに視覚、聴覚、コミュニケーションをとれるAIの構築を目指しています。Siri、Alexa、Google、Cortanaと少し会話をすれば、まだ道のりは長いことがすぐに分かるでしょう。Facebook独自のバーチャルAIアシスタント「M」は1月にサービス終了となりました。
FAIRの研究者たちは、現在メンローパーク、ニューヨーク、シアトル、ピッツバーグ、モントリオール、パリ、ロンドン、テルアビブに拠点を置き、ロボット工学、コンピュータービジョン、自然言語処理、言語翻訳、ゲームといった分野に焦点を当てています。これらの分野における漸進的な進歩はすべて、人間レベルの知能を持つAIの開発に役立つと考えています。最近、FAIRの研究者たちは、食事の写真を見るだけでレシピを作成し、材料のリストを作成するAIを訓練しました。また、FAIRの研究者たちは、AIを活用してMRIスキャンを最大10倍高速化する方法も研究しています。
すべては夕食から始まった。2013年、FacebookのCEOマーク・ザッカーバーグは、Facebookの製品機能をより洗練されたものにするために、より優れたAIシステムを開発する必要があると気づいた。当初、彼はロンドンに拠点を置くAI研究所DeepMindの買収を検討していた。DeepMindは、テクノロジー界の大物でFacebookの取締役であるピーター・ティール、イーロン・マスク、そしてSkypeの共同創業者であるヤーン・タリンらが出資していた。しかし、DeepMindに興味を示していた別のテクノロジー大手、Googleがいた。
FacebookとGoogleはDeepMindのシリコンバレーへの移転を望んでいたが、DeepMindはヨーロッパにはもっと多くの未開拓の才能があると主張して拒否した。最終的に、Googleは2014年にDeepMindを約4億ポンドで買収した。FacebookはAI研究組織をゼロから構築することを選択し、ルカン氏を夕食に招待した。ルカン氏は興味をそそられた。「翌日Facebookを訪問したところ、その日の終わりに[ザッカーバーグ氏]から『わかった。それで、今、私たちを助けてくれるだろうか？』と言われたんです。」
AIのゴッドファーザーの一人として知られるルカン氏（Googleのジェフ・ヒントン氏、Element AIのヨシュア・ベンジオ氏と並ぶ）は、愛するニューヨークの自宅も、2003年から教授を務めるニューヨーク大学の職も離れたくなかった。58歳のフランス人ルカン氏はザッカーバーグ氏に条件を伝えた。「彼は『イエス』と言い、私は『わかった。どこにサインすればいいんだ？』と答えた」
現在、DeepMindはFAIRの最大のライバルであり、両社は業界で最も優秀な人材をめぐって常に熾烈な競争を繰り広げており、その過程で高額な報酬を提示している。ルカン氏によると、上級レベルのAI研究者の中には、7桁の報酬を得ている者もいるという。ベルリンを拠点とするAI研究者のサミム・ウィニガー氏は、代わりにGoogleへの移籍を決めた。「Facebookは世界クラスのAI研究者とインフラを擁していますが、実際の成果（研究論文や展開済みプロジェクト）はバラバラです」と彼は言う。これは、FAIRがAIのほぼすべての分野で活動しているものの、どの分野でもリードしているわけではないことを示唆しており、分断され、焦点が定まっていない印象を与えている。
「もちろん、私たちはたくさん戦っています。優秀な人材をめぐって、Googleと激しい戦いを繰り広げています」と、FAIRニューヨークラボの責任者であるロブ・ファーガス氏は語る。「勝つこともあれば、負けることもあります。」
両グループは、世界最高峰のAI研究チームの一つとされています。FAIRが画期的な成果を上げると、Facebookの応用機械学習（AML）グループは、その技術をFacebookやFacebookの他のプラットフォーム（Messenger、Instagram、Oculus、WhatsApp）向けの新製品や機能の開発にどのように活用できるかを検討します。
ザッカーバーグ氏はAIを重要な技術と捉えており、Facebookはすでにメインプラットフォームのコア機能の多くにAIを活用しています。例えば、Facebookのニュースフィードは、各ユーザーが見たいコンテンツを予測するAIによって支えられています。「基本的に、誰もが自分の好みを学習した訓練されたシステムを持っており、そのシステムは、ユーザーが好むコンテンツの種類や交流したい相手に関するあらゆるシグナルを利用しています」とルカン氏は言います。
続きを読む: FacebookとGoogleの世界をつなぐ競争が激化
700人以上の従業員を擁するGoogle DeepMindは、2016年に世界最強の囲碁棋士であるイ・セドルを破ったAIシステム「AlphaGo」で、これまで以上に注目を集めている。しかし、地理的な孤立、Google Brainとのライバル関係、そして研究とコードの分断といった理由から、DeepMindがGoogle製品に新技術を投入するのは非常に困難だとルカン氏は指摘する。「結果として、数年後にはGoogle社内で『なぜこれほどの資金を投入しているのか？こんな状況は望ましくない』と疑問を抱くことになるだろう」（Googleは自社のデータセンターとAndroidオペレーティングシステムにDeepMindのAIを活用している）。
Facebookにとって、AIの活用はおそらくより明白でしょう。AIは、Facebookの非常に高精度な広告ターゲティングソフトウェアの基盤であり、年間数十億ドル規模の収益を生み出しています。また、写真の自動タグ付けや自動翻訳サービスといったユーザー向け機能もAIによって支えられています。Facebookは他にも、拡散するフェイクニュースや有害コンテンツ（テロ組織が投稿するヘイトスピーチ動画など）の特定にAIソフトウェアを活用しようとしています。さらに、自殺を考えている可能性のある人の投稿をAIシステムに学習させ、彼らに連絡を取り支援を提供するようにしています。
Facebookの既存のAI機能のほとんどは、教師あり学習と呼ばれる機械学習の一種を用いて構築されています。「過去5年間、教師あり学習に特化することは理にかなったことでした。なぜなら、データを収集し、ラベル付けし、制御ネットワークを訓練して、どんな問題でも解決することが経済的に実現可能なアプリケーションが非常に多かったからです。例えば、フランス語と中国語から英語への翻訳、あるいはその逆の翻訳、テキストのトピック分類、画像認識、画像内の物体検出などです」とルカン氏は言います。
しかし現在、Facebookはデータが必ずしも存在しないアプリケーションの開発を目指しています。例えば、Facebookがパシュトー語をスワヒリ語に翻訳したい場合、機械が学習するための対訳テキストが存在しないため、Facebookは代替手法を用いる必要があります。AI研究者は最近、教師あり学習では対応できないいくつかの問題に取り組んでおり、強化学習と呼ばれる手法が用いられています。これは、エージェントの行動に対して正と負の報酬を与えて訓練する、AIの人気の分野です。
この方法は、スペースインベーダーなどのAtariゲームや囲碁のような複雑なボードゲームを機械がマスターするのを支援するのに効果的であることが証明されていますが、試行錯誤の手法には限界があります。「強化学習システムにAtariゲームをプレイすることを学習させるには、人間が数分で到達できるレベルのパフォーマンスに達するために、最良のアルゴリズムを用いて約100時間相当のプレイが必要です」とルカン氏は言います。「つまり、何かが欠けているということです。」
ここでの要因の一つは、人間はある程度の背景知識を持っているため、特定のタスクを迅速かつ安全に学習できるということです。「私が興味を持っているのは、人間がどのようにしてこれを学習したかということです」とルカン氏は付け加えます。「強化学習を使って自動運転車を運転させたい場合、どうすれば運転を回避できるかを理解するまでに、1万人の歩行者を死なせたり、崖から落ちたりを数千回経験させなければならないのはなぜでしょうか？ 一方、人間は約30時間の訓練で事故を起こすことなく運転方法を学習できるようです。では、その違いは何でしょうか？ それが大きな疑問です。」
彼の仮説は、人間は世界の仕組みに関する多くの背景知識、つまり常識を身につけており、世界についての予測モデルを持っているというものだ。「これにより、ハンドルを左に切って車が崖から落ちても、何も良い結果は出ないだろうと事前に予測できます。ですから、事前に計画を立てて、実際にはそうしないようにすることができます。一方、従来の強化学習システムは、実際に試してみなければ、それが悪いことだとは気づきません」とルカンは言う。
Facebookが次に試みているのはまさにこれだ。世界のモデルを実行できるマシンを構築することだ。しかし、ルカン氏によると、そこには複雑な点がある。世界は完全に予測可能ではないのだ。
この記事はWIRED UKで最初に公開されました。
