人工知能とは何か？WIRED完全ガイド

人工知能（AI）は今、ここにあります。過大評価され、十分に理解されておらず、欠陥も抱えていますが、すでに私たちの生活の中心となっており、その影響力はますます拡大していくでしょう。

AIは自動運転車の研究を支え、医療画像から通常は見えない病気の兆候を見つけ出し、Alexaに質問すると答えを見つけ、AppleのAnimojiを使えばiPhone Xで顔認証でスマートフォンのロックを解除し、動くうんちとして友達と会話できます。これらはAIが既に私たちの生活に影響を与えているほんの一部に過ぎず、まだやるべきことはたくさんあります。しかし、心配しないでください。超知能アルゴリズムがすべての仕事を奪ったり、人類を滅ぼしたりするわけではありません。

AI関連のあらゆる分野における現在のブームは、機械学習と呼ばれる分野におけるブレークスルーによって促進されました。機械学習とは、人間によるプログラミングに頼るのではなく、コンピューターに例に基づいてタスクを実行させるように「訓練」することです。ディープラーニングと呼ばれる技術によって、このアプローチははるかに強力になりました。複雑な囲碁で18の国際タイトルを獲得したイ・セドルに聞いてみてください。彼は2016年にAlphaGoというソフトウェアに惨敗しました。

AIが私たちをより幸せで健康にするという証拠は存在します。しかし、注意すべき点もあります。アルゴリズムが人種や性別に関する社会的な偏見を拾い上げたり、増幅させたりした事例は、AIによって強化された未来が必ずしもより良い未来になるとは限らないことを示しています。

人工知能の始まり

私たちが知る人工知能は、休暇中のプロジェクトから始まりました。ダートマス大学のジョン・マッカーシー教授は1956年の夏、少人数のグループを招き、数週間かけて機械に言語などの機能を持たせる方法について考えさせました。この時、人工知能という言葉が生まれました。

彼は人間レベルの機械開発の進展に大きな期待を抱いていた。「厳選された科学者グループが一夏をかけて共同で取り組めば、大きな進歩を遂げられると考えています」と、共同主催者らと共に記した。

期待は叶わず、マッカーシーは後に楽観的すぎたことを認めた。しかし、このワークショップは、知能機械を夢見る研究者たちが結集し、学術分野として認められるようになる助けとなった。

初期の研究は、数学や論理におけるかなり抽象的な問題の解決に重点を置くことが多かった。しかし、AIがより人間的なタスクにおいて有望な結果を示し始めるまで、それほど時間はかからなかった。1950年代後半、アーサー・サミュエルはチェッカーの遊び方を学習するプログラムを開発し、1962年には、そのプログラムがチェッカーの名人に勝利した。1967年には、「Dendral」と呼ばれるプログラムが、化学者が質量分析データから化学物質の組成を解釈する方法を再現できることを示した。

AI分野の発展に伴い、より賢い機械を作るための様々な戦略も進化しました。ある研究者は、人間の知識をコードに凝縮したり、言語理解といった特定のタスクのためのルールを考案したりしました。また、人間や動物の知能を理解することの重要性に着想を得た研究者もいました。彼らは、進化をシミュレーションしたり、サンプルデータから学習したりすることで、時間の経過とともにタスクの精度が向上するシステムを構築しました。コンピューターがこれまで人間にしかできなかったタスクを習得するにつれ、AI分野は次々と画期的な成果を上げました。

現在のAIブームの原動力となっているディープラーニングは、AIにおける最も古いアイデアの一つを復活させたものです。この技術は、人工ニューラルネットワークと呼ばれる脳細胞の働きに大まかに着想を得た数学的な網目構造にデータを渡すというものです。ネットワークが学習データを処理するにつれて、ネットワークの各部分間の接続が調整され、将来のデータを解釈する能力が構築されます。

人工ニューラルネットワークは、ダートマス・ワークショップから間もなく、AI分野における確立された概念となりました。例えば、1958年に発表された、部屋いっぱいに広がるパーセプトロン・マーク1は、様々な幾何学的形状を区別することを学習し、 ニューヨーク・タイムズ紙で「読み、賢くなるように設計されたコンピュータの萌芽」と評されました。しかし、MITのマービン・ミンスキーが共著した1969年の影響力のある著書で、ニューラルネットワークはそれほど強力ではないと示唆された後、人気は失墜しました。

しかし、懐疑論者の主張を誰もが納得したわけではなく、一部の研究者は数十年にわたってこの技術を存続させました。彼らの主張は2012年に立証されました。一連の実験により、大量のデータで駆動するニューラルネットワークが機械に新たな知覚能力を与えることが示されました。従来のコンピューターチップではこれほど大量のデータを処理するのは困難でしたが、グラフィックカードへの移行によって処理能力が爆発的に向上しました。

注目すべき成果の一つとして、トロント大学の研究者たちが、画像分類ソフトウェアの年次コンペティションでライバルを圧倒しました。また、IBM、Microsoft、Googleの研究者が共同で、ディープラーニングが音声認識の精度を大幅に向上させる可能性を示す結果を発表しました。テクノロジー企業は、見つけられる限りのディープラーニングの専門家を必死に採用し始めました。しかし、AI分野は過去に幾度かのブームと崩壊（いわゆる「AIの冬」）を経験しており、今日もまた大きな変化が起こる可能性を秘めていることを念頭に置くことが重要です。

AIの現状

AI ハードウェアの改善、機械学習のトレーニング コースの増加、オープン ソースの機械学習プロジェクトにより、国家安全保障からビジネス サポート、医療に至るまで、他の業界への AI の普及が加速しています。  

Alphabet傘下のDeepMindは、サッカー選手の動き、古代文書の修復、さらには核融合の制御方法など、様々な問題にAIを投入してきました。2020年には、DeepMindは自社のAI「AlphaFold」が、長年研究を阻んできたタンパク質の構造を予測できると発表しました。これは、AIによって真の科学的疑問が解明された最初の事例の一つとして広く認識されました。AlphaFoldはその後、新型コロナウイルス感染症（COVID-19）の研究にも活用され、現在では科学者による顧みられない病気の研究にも役立っています。

一方、消費者はAI機能を搭載したガジェットやサービスがますます増えると予想されます。特にGoogleとAmazonは、機械学習の進歩によってバーチャルアシスタントやスマートスピーカーの性能が向上すると確信しています。例えばAmazonは、所有者や周囲の環境を検知するカメラを搭載したデバイスを開発しています。

過去20年間で大きな進歩がありましたが、まだ取り組むべき課題は山積しています。AIの近年の目覚ましい進歩と、近い将来についての大胆な予測にもかかわらず、言語のニュアンスを理解すること、常識的な推論を行うこと、そしてたった1つか2つの例から新しいスキルを習得することなど、機械にはできないことがまだたくさんあります。

AIソフトウェアが人間の多面性、適応性、創造性に近づくためには、こうしたタスクを習得する必要がある。これは「汎用人工知能」と呼ばれる概念だが、実現はおそらく不可能だ。ディープラーニングのパイオニアであるGoogleのジェフ・ヒントン氏は、この壮大な課題の解決には、この分野の基礎となる部分を再考する必要があると主張している。

生成AIとその論争

特定のタイプのAIが話題になっています。中には、実際に文章を書いているAIもいます。生成型AIとは、デジタル世界の断片を寄せ集めて、何か新しいもの（まあ、新しいものに近いもの）を作り出すAIの総称です。例えば、アート、イラスト、画像、完全かつ機能的なコード、チューリングテストだけでなくMBA試験にも合格するようなテキストなどです。

OpenAIのChat-GPTテキストジェネレーターやStable Diffusionのテキスト画像生成ツールといったツールは、信じられないほどの量のデータを吸い上げ、ニューラルネットワークを用いてパターンを分析し、それを理にかなった方法で吐き出すことで、これを実現しています。Chat-GPTを支える自然言語システムは、インターネット全体、そして数え切れないほどの書籍にも利用され、質問に答えたり、プロンプトからコンテンツを作成したり、そしてCNETの場合は、検索語に一致するウェブサイトの説明記事を作成したりしています。（念のため言っておきますが、この記事はChat-GPTによって書かれたものではありません。ただし、自然言語システムによって生成されたテキストを含めることは、AIライティングの常套句になりつつあります。）

投資家たちがうっとりする一方で、作家やビジュアルアーティスト、その他のクリエイターたちは当然ながら不安を抱えている。チャットボットは（少なくともそう見えるのは）安価であり、人間には生活できる収入が必要だ。Dall-Eに無料で何かを作ってもらえるのに、なぜイラストレーターにイラスト料を払う必要があるのだろうか？

懸念しているのはコンテンツ制作者だけではない。GoogleはOpenAIの成果を受けて、ひそかにAIへの取り組みを強化している。検索大手であるGoogleは、チャットボットが私たちの代わりに質問に答えられるようになったら、人々の検索習慣がどうなるのかを懸念すべきだろう。さようならGoogle、こんにちはChat-GPT？

データはさておき、こうした言語モデルには根本的な問題がある。読みやすい文章を吐き出すものの、必ずしも正確ではないのだ。こうしたモデルはどれほど賢くても、自分が何を言っているのか理解しておらず、真実の概念も持ち合わせていない。こうしたツールを新規事業やコンテンツ作成に活用しようと躍起になっている中で、この点はすぐに忘れ去られてしまう。言葉は単に聞こえが良いだけでなく、意味を伝えることも目的としているのだ。

人工知能の課題（そして未来）

まず、ディープラーニングは本質的に膨大なデータを必要とします。チップの革新により、これまで以上に迅速かつ効率的に処理できるようになったとはいえ、AI研究が大量のエネルギーを消費することは疑いようがありません。あるスタートアップ企業の推定によると、OpenAIはロボットハンドを用いてルービックキューブを解くようシステムに学習させるのに、2.8ギガワット時の電力を消費しました。これは、原子力発電所3基が1時間で発電できる電力に匹敵します。別の推計によると、AIモデルの学習には、アメリカ車5台が製造・走行する平均寿命に相当する量の二酸化炭素が排出されるとのことです。

影響を軽減する技術は存在します。研究者たちはより効率的な学習手法を開発し、モデルを必要なセクションのみ実行するように分割し、データセンターや研究所はよりクリーンなエネルギーへの移行を進めています。AIは他の産業の効率向上や、気候変動危機への対応にも貢献しています。しかし、AIの精度を高めるには、一般的に、より複雑なモデルでより多くのデータを精査する必要があります。OpenAIのGPT2モデルはデータ評価に15億個の重み、GPT3モデルは1750億個の重みを使用したと報告されています。これは、AIの持続可能性が向上せずに悪化する可能性があることを示唆しています。

これらのモデルを構築するために必要なすべてのデータを吸い上げることは、前述の新鮮データの入手可能性の減少以外にも、さらなる課題を生み出す。バイアスは依然として中心的な問題である。データセットは私たちの周りの世界を反映し、それはモデルが私たちの人種差別、性差別、その他の文化的思い込みを吸収することを意味する。これにより、多くの深刻な問題が発生する。皮膚がんを見つけるようにトレーニングされたAIは白人の肌でより良いパフォーマンスを発揮する。再犯を予測するように設計されたソフトウェアは、本質的に黒人の再犯の可能性が高いと評価する。欠陥のあるAI顔認識ソフトウェアはすでに黒人男性を誤って識別し、逮捕につながっている。そして時にはAIが単に機能しないこともある。警察向けの暴力犯罪予測ツールの1つは、明らかなコーディングエラーのために非常に不正確だった。

繰り返しになりますが、緩和策は可能です。より包括的なデータセットは、バイアスの根源に対処するのに役立ちますし、テクノロジー企業にアルゴリズムによる意思決定の説明を義務付けることで、説明責任の強化にもつながります。業界を白人男性以外の多様化することも、決して無駄ではありません。しかし、最も深刻な課題に対処するには、人命に深刻な被害をもたらすリスクが最も高い状況におけるAIによる意思決定の利用を規制し、場合によっては禁止することが必要になるかもしれません。

これらは望ましくない結果のほんの一例です。しかし、ディープフェイクの作成や偽情報の拡散など、AIは既に悪意ある目的で利用されています。AIによって編集または生成された動画や画像には、声優が番組を降板したり亡くなったりした後の代役として活用されるなど、興味深いユースケースがありますが、生成AIはディープフェイクポルノの作成、アダルト俳優に有名人の顔を追加したり、一般人の名誉を傷つけたりするためにも利用されています。また、AIはウェブに偽情報を氾濫させるためにも利用されており、ファクトチェッカーたちはこの技術を利用して反撃しています。

AIシステムがより強力になるにつれ、当然のことながら、より厳しい監視を受けることになるでしょう。刑事司法などの分野における政府によるソフトウェアの利用は、しばしば欠陥があったり、秘密裏に行われたりすることが多く、Metaのような企業は、自らの人生を形作るアルゴリズムの欠点に立ち向かい始めています。より強力なAIは、例えば女性や黒人に対する歴史的な偏見やステレオタイプを永続させることなど、より深刻な問題を引き起こす可能性があります。市民社会団体、さらにはテクノロジー業界自身でさえ、AIの安全性と倫理に関する規則やガイドラインの策定を模索しています。

しかし、生成モデルをめぐる騒動は、AIに関して私たちがまだ教訓を学んでいないことを示唆しています。私たちは冷静になり、AIがどのように機能し、いつ機能しないのかを理解し、そしてこのツールを慎重に、思慮深く展開し、懸念が生じたらそれを軽減する必要があります。AIは私たちの生活をより良く、さらには延命させる真の可能性を秘めていますが、機械の賢さがもたらす恩恵を真に享受するには、私たちが機械についてより賢くなる必要があります。

もっと詳しく知る

• AIは労働者と競争するのではなく、労働者を強化するべきだ
  。機械学習エンジニアが人間の能力を模倣するのではなく、強化することに切り替えれば、経済は活性化する可能性がある。
• ロボットが人種差別主義者になるのを防ぐ方法
  アルゴリズムは差別のパターンを増幅させる可能性があります。ロボット工学の研究者たちは、機械の体がそのような偏見を抱くのを防ぐための新たな方法を求めています。
• 生成型AIはゲーム開発に革命を起こすには至らない。
  人工知能がいつかビデオゲーム制作の骨の折れる作業をすべて自動化するだろうと熱狂的なファンは言う。しかし、現実はそれほど単純ではない。
• AIに忘れやすさを教える時が来た。
  一部のデータを忘れるという人間の能力を模倣することで、心理AIはアルゴリズムの精度を変革するだろう。
• ChatGPT搭載検索エンジン開発競争
  会話型の検索ボットは、嘘をつかなければ、答え探しを容易にする可能性がある。Microsoft、Google、Baiduなどが開発に取り組んでいる。
• AIが明らかにする、文章の最も人間的な側面
  作家はどんな時にインスピレーションを得るための助けを求めるのでしょうか？そして、どんな時に完全なコントロールを求めるのでしょうか？コンピューターは、メディアの真の未来を明らかにするかもしれません。
• ChatGPT は教育で AI を使用する唯一の方法ではありません。AI
  は、子供たちにとって有意義なつながりと学習体験を生み出すツールとなり、より公平な結果を促進するのに役立つ可能性があります。
• AIアートブームの起源と
  今後の展望 過去1年間で、イラスト、アート、そしてフォトリアリスティックなシーンを生成するアルゴリズムは飛躍的に進化しました。次は？ビデオです。
• さらに！AIの幻覚問題と WIREDの人工知能に関するその他の記事。

このガイドは 2023 年 2 月 8 日に最終更新されました。

この詳細な解説は気に入っていただけましたか？ WIREDガイドをもっとご覧ください。