メタデータ株式会社（所在地：東京都文京区；代表取締役社長：野村直之）は、人類の主要知識の痕跡を十分量蓄積したといえるGPT3以降の対話モデルを特定の専門分野や目的、ユーザーのタイプに特化させ、ChatGPTやBingよりも安全に運用できるハイブリッドな対話の仕組みをLivie’s Jump（所在地：東京都台東区；代表：松田圭子）と共同開発しました。独自にチューニングした特定目的専門対話エンジンをさまざまなフロントアプリから接続できるWeb APIサーバの形で4月以降に提供開始するとともに、様々な専門業務向けに対話エンジンをチューニングするサービスの受託ならびにコンサルティングも開始します。

■背景

メタデータ社は、2011年に、BtoBサイトやECサイトに設置して商品・サービスを紹介する対話ボット“Web受付嬢”を開発、提供開始しました。“Web受付嬢”は、その後多数登場した深層学習による1問１答のFAQボットと異なり、様々な状態パラメータを備え、状態遷移で文脈を把握し、ユーザーの欲しいサービスを少しずつ絞り込みます。ユーザーの発言から5W1Hを把握して関連資料PDFをメール送信することもできます。知らない言葉について訊かれたらWikipediaで調べ、「私も知りませんでしたので調べてまいりました。」に続けてWikipediaページの要約を簡潔に答える機能を提供しています。

　一方、オンラインサービスの安全運用の分野では、SNSマーケティングなどで、消費者、一般ユーザーのクチコミを安全に企業ページの小窓(Widget)に流し込んだりするためには、誹謗中傷や違法サイトへの勧誘などをフィルターする必要がありました。5万件超の係り受けフレーズ辞書を搭載した“NG判定API”で有害投稿を排除したり、極端にネガティブな発言を“ネガポジAPI”で検出して人間による審査に回したりして運用現場のワークフローを支えてまいりました。

　さらに、新世代の深層学習Transformerに基づき、穴あきデータを作ることで正解データを自動生成したBERTの出現以来5年間、当該技術を商品名の「名寄せ」に応用する実用化研究開発等を行い、一部顧客に提供してまいりました。BERTのデータ量、モデルの規模を何桁も拡大したGPT3 (General Pretrained Transformer 3) の出現後は、OpenAIのAPIと自社APIを併用して「良いとこ取り」する仕組みを試作。超巨大モデルの出力をコントロールし、実用精度を向上するとともに異常な出力を排除して安全に運用する仕組みを追求してまいりました。

■  専門対話向けにチューニングし、安全にコントロールする仕組み

“Web受付嬢”の開発、提供を通じて獲得、蓄積した実用対話ボットの技術、ノウハウには次のようなものがあります。ユーザーに提供する知識の構造を階層化する技術、また、ECサイト向けの知識コンテンツを金融機関の窓口向けに変換し、カスタマイズする知識編集のノウハウなどです。

GPT3などの汎用の超巨大モデルを専門対話向けにチューニングする巨大な市場が生まれる旨、松尾豊東京大学教授もTV放送で語っています。メタデータ社とLivie’s Jumpの保有するチューニングノウハウに加えて、次の要素技術群が、専門分野へのカスタマイズ、ユーザーの性格タイプへの適合、そして、汎用超巨大モデルのNG出力、ネガティブな出力を補正、上書きする安全運用の仕組みの構築に貢献します。

・専門分野固有の知識をFAQ等にまとめたデータセットを分析して、専門分野の知識を網羅し、冗長性を減らし、粒度を揃えるためのAI分析ツール“Mrテキスト分析”

・シナリオの構造、バランス、その前提となる知識体系、概念体系を構築、整備するノウハウ

・“NG判定API”で有害投稿を排除し、ネガティブな発言を“ネガポジAPIで保留するフィルタリング機能とそれを支える知識ベース（辞書）

・文の構造を受身⇔能動などで変換し視点を入れ替える構文変換技術

　1点目は、主にMrテキスト分析のマルチテキスト・ビジュアル類似検索で実現されます。コントロール用の対話シナリオを効率よく編集して高品質に保つノウハウにより、数千、数万と大規模に対話シナリオが成長しても破綻せず、多種多彩な質問に安全に回答可能とすることができます。

■チューニングの具体例　～Livie’s Jumpが開発中の個人向けカンセリングアプリ

Livie’s Jumpで開発中の「個人に寄り添うカウンセリングアプリ」の出力例を、ChatGPT、Bing (2023/2/20時点)のものと比較し、紹介します。

図 カスタマイズした対話の例　提供：Livie’s Jump

女子高生が日常の相談事の１つとして「先輩に怒られて部活を辞めたい」と語ったのに対し、ChatGPTは、人違いを指摘し、冷徹に、論理で問題解決に直結する助言をしています。いわゆる男性型（共感ゼロ）の回答で、「先生に諭されているみたい」「突き放されちゃった」と感じて落ち込んでしまうこともあるでしょう。Bingは、自分をBingさんという人物のように擬人化（This is Bingを若干誤訳）して共感を寄せています。Web検索結果を参照しながらも、相手の視点で語り、どちらの決断をしてもメリット、デメリットがあることを示しながら、相手が答えやすい質問をし、さらにはそれに対する回答候補をクリックするだけで会話が続くようにしています。

Livie’s Jumpの「裕君」は、毎日のように雑談する仲間のように振る舞い、共感の後に、選択肢を提示するより踏み込んで、意見のような語り口を提示します。すなわち、個人的には辞めないほうがいい気がするけれど、前向きに新しいことをしたいなら応援する気持ちがある旨、平易に優しく語ります。さらに、先輩が怒った理由は期待の裏返しでは？と想像して、過去の対話履歴から具体的に褒めることで、対話の真の目的、ユーザーを落ち込みから救い、前向きな気持ちさせることを達成しようとしています。

■提供形態

　上例のカウンセリング・ボットを始め、様々な専門対話向けにチューニングしたWeb APIサーバを4月以降に提供いたします。フロントアプリは、iOS, Android、React等で構築したWebアプリなど、標準的なものを想定。Web APIサーバは、共用、専用サーバでクラウド提供いたします。

　ビッグデータに後押しされるように台頭してきた今回の人工知能ブームが健全に開花し、過去2回のブーム（1950～60年代、1980年代）のように期待外れのあまりにバブルがはじけて終わったりしないことを願いつつ、人間と機械の役割分担などについて引き続き具体化し、産業的な付加価値を追求してまいりたいと思う今日この頃です。現時点での方向性を探りながら、いくつか、これまで触れ足りなかった話題を取り上げます。

ビッグデータとAIが相互に不可欠な技術として発展

　最近の記事「ビッグデータの国内市場『年率27％で成長も課題山積』」によれば、ビッグデータの分析に使われる情報システムなどのインフラの国内市場は2014年時点の444億円から、年平均成長率27％のペースで拡大を続け、2019年に1469億円に上る見通しとのことです。いわゆるインテリジェント・ストレージや、検索・配信などの「上流工程」への投資が大半なのか、それとも、徐々に中流の分析や、経営判断への活用を支援するツール（例えば弊社のVoC分析AIサーバによるポジショニングマップ作成）の割合が増えていく見込みなのかは不明です。しかし、取りあえず、データという「事実」を踏まえた経営を日本企業が指向し、後戻りなく導入していく傾向、流れを読み取って、大変結構なことととらえたいと思います。

　本連載の初回「ビッグデータが経営判断に使えない本当の理由」で図示したように、ビッグデータ活用において中流・下流の、頭脳を使った「分析」がボトルネックになっているのを解決するために、人工知能が求められている状況もますます切実になっていくことでしょう。特に人工知能と意識されていなくとも、大量データの様々な機械学習手法や、マッチング、最適化の手法が今後ますます必要とされ、データやメタデータの構造化、交通整理と活用に必須のものとなっていくことでしょう。

　人工知能の側、特に、ニューラルネット（ディープラーニング）は、ビッグデータのおかげで実用性が確認、認識され、復活したともいえます。ビッグデータと人工知能が相互に必要不可欠のものとして、互いの発展の手段として機能し、一種の共振現象を起こしているともいえます。そのあたり、ウェブやソーシャルメディアで、それぞれ地球最大と言えそうな超巨大なビッグデータを押さえているGoogleやFacebookが人工知能関連の研究開発や応用を主導するのも必然と言えるでしょう。彼らは、ハッタリや浮わついたところなく、実データを現場で解析して付加価値を引き出すべく、機械翻訳や顔画像認識の精度向上でさりげなく（時に秘密裏に）、人工知能を適用しています。

　例の悲観論をはじめ、妙な挑発などせずに（もっとも「シンギュラリティ論」の教祖格であるレイ・カーツワイル氏は比較的最近Googleに入社したようですが）、自然体でニューラルネットを説明している、FacebookのAI研究所長、Yann LeCun氏の弁には好感が持てます。ディープラーニングを生データコンピューティング（end-to-end computing）と適切に形容した次のインタビュー記事は、実に適切に、新しいテクノロジーとそのビジネス応用への取り組み方を説明していると思います。

　「Yann LeCun氏は、Deep Learningについて「脳のように機能する」と表現することを嫌う。Deep Learningは実際の脳の機能からは、はるかに遠い。そのように表現することは誇大広告となり危険である。」

　「…新しいテクノロジーをビジネスに取り入れる際は、そのテクノロジーで実現できること・できないことを正しく理解する必要があります。現状のビジネス利用では「教師あり学習」が現実的であるなどの示唆があります。

　Yann LeCun氏がFacebookでの取り組みや今後の展望で述べている通り、Deep Learningの応用はさらに発展を遂げ、ビジネスでの利用が広がるでしょう。」

エージェント技術の復活と応用に期待

　前回の記事でご紹介した星新一のショート・ショート「肩の上の秘書（インコ）」では、相手に伝えたいことをぼそっとつぶやけば、ロボットのインコがそれを丁寧な、長い、非の打ちどころのないメッセージにして相手に向けて喋ってくれました。そして、同じように相手の（インコの）長い台詞を簡潔に要約し、冗長な台詞を聞いていなくとも要点を伝えてくれます。

　このインコが、もしごく簡単な（概括的な）指示を与えると「飛び立って」行き、具体的な目的地、交渉相手、情報入手先を自分で調べ、時に考えて探し、目的を達成して戻ってくるとしたら如何でしょうか？　これは、細かく指図しなくとも“よきに計らう エージェント”、それも自分の領域外に出張して仕事を片付けてくれるタイプのモバイル・エージェントのイメージそのものといえます。

　「ザ・エージェント」といえば、トム・クルーズが演ずる、プロスポーツ選手の代理人が主役の映画です。選手本人に代わって契約内容を交渉するだけでなく、全米を飛び回って試合する選手に随行し、本人の様々な不平不満、悩み事を聞いて解決したりします。所属企業の本社に飛んで行って本人が詳細を見切れない条件交渉、法務書類の作成と締結なども行います。

　IT、ネットワーク上のソフトウエア技術としての「エージェント」も、似たものだといえます。エージェントの様々な定義や興味深い分類がこちらにあります。どれくらいの個体数が互いに対話をして協調作業を進めるかで分ける「社会的分類」や、どんな言語（専用言語か視覚言語か日本語などの自然言語か、表情を伴うか等）でコミュニケーションするか、あるいは、ネットワーク上を移動し、違うコンピュータに「お邪魔」するモバイル・エージェントかどうかの違いで分けた「機能的分類」があります。

　1980年代の第二次人工知能ブーム末期あたりにも、モバイル・エージェントの商用規格が流行りかけました。有名だったのは、ウェブの規格など使わない（という評価は後年ならではなのですが）、Telescript言語という独自規格。こちらの解説にあるように、ネットワーク上のエージェント（Agent）達の「出会い（Meeting）」「その場所（Place）」「移動（Travel）」「Connection（互いに異なる場所から呼び合う）」、そして、物理世界、リアルワールドにおけるご主人様から与えられる「権限（Authority）」「許可（Permit）」などを記述して制御する、ジェネラル・マジックが1990年にリリースした商用言語でした。

　これは本格的なエージェント指向でしたが、基盤技術として、Windows, Mac, Linuxなどのプラットフォームを選ばずに動作するJava言語が1995年に出て少し事情が変わりました。すなわち、もともとポータビリティとモビリティが高いJavaで書いたプログラムなら、モバイル・エージェントを非常に実装しやすいだろう、と目をつけられたわけです。さらに、様々なネットワーク上のデータのやりとりについては、HTTP（Hyper Text Transfer Protocol） すなわち、ウェブの規格でオブジェクトをやり取りすれば、さらに低コストで、幅広く普及するエージェントが作れるだろうということで、前世紀末にAglets（IBM）、Voyager（ObjectSpace）などが登場しました。

　個人的には、孤立した、自律型のヒューマノイド・ロボット1体よりも、多数のロボットが独自の「言葉」で猛スピードで効率よくコミュニケーションし、協調して働いてくれた方が嬉しい気がします。もちろん、その大半は、身体を持たないモバイル・エージェントです。物質（atom）から自由なビット列、デジタルデータであればコストゼロで瞬時に世界中を移動できます。身体が必要になったら、必要に応じてヒューマノイド・ロボットやドローン、小型潜水艇、地底探査機、ロケット、はやぶさ2のような人工惑星などに潜りこめば良いでしょう。3Dプリンターは、「身体」構造と素材データを授受しますが、その上に乗るソフトウエアも、自在に世界中を巡って問題解決をし、人間たちに奉仕するのです。

　アシモフが「はだかの太陽」で描いた、2万体のロボットが1人のご主人様の意図をくみ取って互いに協調して動く世界だって、実現できそうな気がするではありませんか！

　規格の標準化と差別化競争をうまく両立させないと産業的成功が難しいということはあるでしょう。また、エージェントを送り出す側はともかく、受け入れ側にとっては、送り手側の意図に沿って勝手な動きをする（もちろん受け入れ側の完全な許可とリソースの割り当てが必要ですが）という意味で、ウイルスのような存在に似ているので、サイバー空間の法秩序みたいなものも整備されていく必要があるでしょう。

人間は多数のエージェントを使って「楽」に

　エージェントの最大の特徴は、細かく指図しなくとも、時にはこちらの意図を察して“よきに計らってくれる”ところです。

　自分で調べずに何でも細かく質問する人のことを「教えて君」と呼び、「教えて君」がSNSのグループやコミュニティに登場したら「ググれカス！」（「ウェブ検索すればすぐ分かるようなことを公の場で質問して他人の時間を無為に奪うな、この馬鹿野郎！」という意味）と言えば良いのだ、というコンセンサスがとれているオンライン・コミュニティもあります。確かに今後は、あるカテゴリの知識の存在を大雑把に教えてもらったら、自分でその都度（オン・デマンドで）調べて行動できない人は疎んじられていくでしょう。さもないと、上記のようなソフトウエア・エージェントに負けてしまいます。

　いや、だからこそ、人間は楽ができるように、多数の専門家エージェントを使いこなすべきなのかもしれません。考えるのをサボりすぎてスポイルされないように、時々猛烈に考えさせてくれたり、創造性を刺激してくれる役割を果たす「きまぐれエージェント（星新一「きまぐれロボット」へのオマージュ）」のお世話にもなりながら。

　エージェントが自らの経験を参考に賢く行動し、感情を持ったりユーモアを解したように対話するプログラムも今後生まれてくるでしょう。弊社・メタデータ社でも数年前に、ウェブ超ロボ・不二子クラウディアと称して、短い依頼の言葉を解釈し、それに必要な、詳細な実行方法、実現手段は自分で調べて（知っておいて）、指示した人が詳細を知らないままでもキチンと仕事が片付くコンセプト・ロボ（ソフトウエア）のプロトタイプを作りました。

　最初は、大手クラウド・ベンダーの競争や囲い込み戦略のために、アマゾンのAWS、グーグルのGAE、マイクロソフトのAzureを全部覚えてクラウド対応ソフト作るなんてウザい！　だから、仕様だけ指示すればこの3つのクラウドに対応したSaaS（ソフトウエア・アズ・ア・サービス）を自動生成してくれるエージェントが欲しかったのですが、これではあまりに専用用途に過ぎると考え、路線変更しました。

　マッシュアップ・アワードに出す作品だったこともあり、

• 「APIの利用登録、API Key取得をお任せ」してしまえる。
  　（何百、何千のAPIごとに利用規約も実際の登録方法も、API Keyの取得方法も違っててウザいから）
• 「「ツンデレのおふざけ会話をしながら同窓会を一緒に企画し、電話、メール、LINE、Twitter、Facebookなどの様々なインスタント・メッセージなどの様々なメディアを適切に使い分けて連絡しなければならない元同級生への連絡を適切にやってくれる」
  　（「みんな、自分ひとりくらい特別な手段で連絡してくれてもいいじゃないって、我儘なんだからぁ！」と愚痴りながら）

　リクルートホールディングズ社のメディア・テクノロジ・ラボで行った講演はこちらです。

　みなさんも、面倒な雑用を自分に代わってやってくれるエージェントが欲しくないですか？　ウェブ上で抽選の行列に並んでみたり、ある裁量の範囲内で市場に売買注文を出してみたり、オークションの出品や落札をして、結果をメールやインスタントメッセージでちゃんと報告してくれたりするソフトウエアロボットです。元のシステムがそこそこ使い難いものじゃないと意味がないという説もあるので、具体例を出すのはちょっと憚られる面もありますが。

情報連携で「気の利く」エージェントがさらに増殖

　日経ビジネスオンラインのこちらの記事のインタビューで言及している、ひさじゅさん作の「シャチクノミカタ（社畜の味方）」も、社員の代理で上司の書き込みに「いいね！」してくれていた、という意味でエージェントだったと言えるでしょう。メタデータ社の高精度ネガポジ判定APIが実際の代読を行い、－1以上とか、+2以上とか、一定以上ポジティブな上司書き込みにのみ「いいね！」を自動で付与することで「うむ。こやつ（部下）は上司の言うことでも是是非非で評価する。なかなか見どころのあるやつだ！」と思わせ、あわよくば出世の助けになるかもしれない、というものでした。どの書き込みに「いいね！」したかがメール通知されてアリバイもばっちりだし、色々と完成度も高く、3万人以上のユーザーを集めてラジオやテレビ出演も果たされましたが、Facebook社のお気に召さなかったようで、惜しくも退場してしまいました。

　もぎゃさん作の「メイドめーる」も、Web受付嬢と同様に、メタデータ社の5W1H APIを用いて、秘書エージェントさんへの返信メールから日付（「明日」、「来週」などの相対的な表現も年月日に変換）を抽出してGoogle カレンダーに予定を自動登録したり、「昨日の会議の参加者へ資料送っといてね！」と依頼しただけで、資料を添付したメールを期日までに送っておいてくれたりするポテンシャルがあります。昨日の会議が複数あったとか、資料の候補が2つあったなど、あいまいな点があれば、依頼者に訊き返せば良い。このあたりの「気が利いている」度合いでも、鈍い人間を追い越してしまう可能性はあります。

　Web受付嬢は誕生以来、個人情報をお預かりして、PDF資料を添付して送信し続けています。内外のWebAPIを用いてオープンな環境で仕事をすることができるのも特徴です。ずばり、通常の対話ロボットと違って、知らないことを訊かれても、ネット上でWikipediaなどで知識検索をして、その結果を要約して教えてくれます。

　かように、ここ10年間で普及したAPIと、それらを束ねるマッシュアップの手法が、オン・デマンドで様々な仕事をこなすエージェント達の基盤として、非常に重要な役割を果たせるよう進化し、増殖してきました。API間の連携、APIとアプリ、ビッグデータの連携の鍵が「つなぐメタデータ」です。

　下図は、2010年に執筆した学術誌「情報の科学と技術」特集：メタデータの現在から、拙稿「ソーシャルメディアの時代に産業上の重要さを増すメタデータ自動抽出技術」において、図1「マッシュアップを支える軸足メタデータ」を引用したものです。

　右下の写真、車のダッシュボード上に置いたSony GPS-1が刻々と記録するタイムスタンプと緯度経度の組み合わせデータを、タイムスタンプを軸足メタデータとして、GPS機能なしのデジカメで撮った写真のExifメタデータに緯度・経度がパソコン上のソフトウエアで流し込まれます。反時計回りに左上に回って、今度は緯度経度が軸足メタデータとなって、WebAPIで自動取得したサムネイル画像をGoogle Maps上に、走行コースに沿ってプロットするマッシュアップが簡単に実行できます。

　このように、メタデータで動作するAPI群による情報連携はとてもシンプルですが、気が利いているということができるでしょう。そして、データや知識、プログラムなどを集めて適切に組み合わせて問題解決をせんとするエージェントにとって、実に扱いやすい仕組みになっているのです。

　ビッグデータと第3次人工知能ブームの時代。新世代のエージェント応用が開花する機は熟している、と言えるのではないでしょうか。

AIとエージェントが描く、IoTとIndustrie4.0の可能性

　前回、ビール・サーバーに接続して1滴単位で量や頻度、温度等を測定してインターネット経由でサーバーに通知するIoTデバイスについて書きました。これは、ERPパッケージで名高いドイツ企業SAPによるものでした。

　ドイツでは数年前から「Industrie4.0」と称して、ひたひたと（あまり英語で情報発信せずに）、インターネットを介して全産業におけるモノが緊密に結びつき、部品在庫削減による低コスト化と受注生産などが両立できる仕組みと、その標準化を準備してきました。素材や部品の工場と組み立て工場。そして、物流、販売店、さらに販売した後の製品までをインターネットでつなぐことで、「効率的な生産」、さらに「新たな需要の開拓」につなげようという取り組みです。日本では、「第4次産業革命」とも呼ぶようになってきているようです。

　NHKの今井純子解説委員によるこのページの真ん中あたりの絵、「第4次産業革命」のイメージが非常に分かりやすいので、是非ご覧ください。この凝縮された「時事公論」の番組の前半では、日本企業が過去最高益の更新、というニュースを眺めつつ、技術革新などによる本当の成長のための投資がなされているか（成長戦略）、このドイツで始まった取組みと対比してチェックする、というスタンスをとっています。

　（ビッグ）データの時代らしく、組み立て工場の中では、生産ライン上を（柔軟に）流れる半完成品にICタグが付いていて、「自分の完成には、あとこれとこれの部品や仕上げ剤が必要だけど、3時間以内に出荷するためには、あの部品の在庫がなくなる確率が50％あるのでそろそろ発注してほしい」などと「訴える」ことができます。このような状態の検出、判定、「訴え」はすべてIoTによって機械間で行われ、部品や素材工場や倉庫に自動的に通知がなされ、最適なタイミングで補充がなされるというわけです。

　このような仕組みがあれば、個別化少量生産、頻繁な仕様の変更を受け付けて競争力を向上させながら、在庫削減等でコストダウンが実現します。上記ページのさらに後半、「第4次産業革命（つながる工場）」から引用しましょう：

　さらに、ネットワークは、工場の外にもつながります。

• ▼ 例えば、販売店とつながることで、注文の情報がすぐに工場に伝わり、納期を短縮できますし、
• ▼ 部品が不足してくると、すぐに納入できそうな部品工場を自動的に探して、発注することで、在庫を減らし、コストを減らすことができます。
• ▼ さらに、これまでのように、製品を納めておしまいではありません。製品ともインターネットを通じてつながって、稼働状況などを把握することで、保守サービスといった新たな事業につなげていくこともできる。こうした様々な可能性につながる取り組み…

　従来から日独共通の強みであった製造業にフォーカスすることに加え、標準化が重要なことから、ドイツ、欧州主導の研究・規格化で、米大手IT企業を寄せ付けないという意欲を読み取ることができます。とは言え、オープンな規格、競争原理の尊重、かつ低コスト志向で、多くのプレイヤーの参加を募っています。俊敏に、急な変更をも歓迎しつつ同時に在庫を削減するためには、ビッグデータをリアルタイムで高速に、かつ賢く解析する必要も生じるでしょう。人工知能的なリアルタイム計算、予測ができるソフトウエアがIoTの裏側で縦横無尽に動作し、モノとモノ、ヒトとモノとの最適なマッチングを実現していく。

　昭和時代のように自動化が画一化につながることなく、知的なIoTによってむしろ個別化、個性化しつつ、低コストが実現していく。中小企業や身近なサービス業も例外ではありません。ビッグデータと人工知能・エージェント的な要素が産業界に浸透することで描かれるIndustrie4.0は、なかなかワクワクするビジョンではないでしょうか。

おわりに　～我々の働き方、再論

　「アルゴリズムが世界を支配する」という本があります。ここで「支配」というのは従属関係でもなんでもなく、宇宙の基本原理たる物理法則に「支配」されているというのと同様のニュアンスです。数学的に確かなモデルは普遍性を持ち、多くの現象、事例に「当てはまる」と言い換えても大差ありません。ですので、またぞろシンギュラリティで人間が機械に駆逐されるかのような悲観論に傾く必要はありません。

　人と機械が協調して、人々を幸福にしていくインフラは着々と整備されつつあります。Industrie4.0におけるIoTデバイス間のコミュニケーションや協調もしかり、ヒトの意思を代行するソフトウエア・エージェントもしかりです。きわめて多くのプレイヤー（大半が機械やソフトウエアになっていく）が参加するゲームで全体最適を実現する数学の法則（例えば2部グラフの最大マッチング）を恐れる必要は全くなく、積極的に活用し、それが高速に動作することを大いに喜べばよいと思います。

　このような人工知能的なソフトウエアにより、大量データの恩恵を受けて、気の利いた示唆を機械が与えてくれたり業務を進めてくれれば、人間はどんどん楽になります。しかし、「結局、AIに負ける心配がない職業とは？」で示唆した通り、「なぜだろう？」と考える人間には、意志や美意識をもってシステムを改良する、重要な役割があり続けます。

　最近の連載を読んで、中央官庁、大企業研究所、国立大、私立大などから、取材・インタビュー、講演依頼を次々といただきました。中には、人々の働き方に関するあまりの超楽観主義に、呆れてものも言えなくなったかに見える方もおられました。もちろん私だって、創造性のない仕事や生活を送っている人については大いに心配しています。過度なリテラシー指向、職業訓練指向のせいか（この方向の大学改革には反対です！）、他人や自分自身を、出来そこないの機械のように仕立てて働かせている人を見ると、「近い将来、人工知能に淘汰されちゃうよ！」と涙を流しそうになることもあります。

　10数年前だったか、厚労省の試算で、日本のホワイトカラーの生産性が北米の4割、西欧の6割にとどまるとするのを見て愕然したことを昨日のように思い出します。今にして思えば、欧米に比べて、日本の事務職の現場には、人工知能に淘汰されやすいような仕事の仕方をしている人が多かった、と言えるのではないでしょうか。

　私自身は、引き続き、人の能力を拡大するソフトウエアや、ビッグデータ分析手法の研究開発に邁進してまいります。テキスト（記号列）、画像、音声、動画等、入出力データの種類を問わずに生データを学習できるディープラーニングも手掛けるし、人間が苦手な、大量候補の全体最適解を求めてマッチングする手法を高速化し改良するなどの研究開発はますます面白くなります。

　と同時に、サービス科学を大学院生、MBA候補生らに教えつつ自ら応用したり、マーケティング、営業に苦心しながら経営者として10年近く、世のため人のため、付加価値の創成に努めてきたのをあと20年は続けていくつもりです。この過程で、皆様に考えを問わせていただく機会（執筆や講演等、Facebookなどのソーシャルメディアでも）など多々あると存じます。本連載は今回で終了しますが、今後ともどうぞよろしくお願いいたします。

　これまで一貫して、人と機械が各々得意な能力を組み合わせて豊かな生産、生活が実現するという楽観論を展開してまいりました。膨大なデータに基づくランキング、判断や、超高速に力ずくですべての可能性を計算できる能力では、機械はほぼヒトを凌駕してしまうことでしょう。しかし、前回記事で触れたフレーム問題や、将棋で王手をかけられたら回避すべしといった基本原理の理解不足の類により、人がまだまだ優位な点が向こう数十年は残ると思います。

　将来、量子コンピュータなどの仕組み(アーキテクチャ)が飛躍的に進化するまでは、人間が未知の事態等に世界知識・教養を駆使して対応し、「適当に」計算を打ち切って妥当な判断を下す能力によって、高速に大量のデータ、パターンと照合するという力技では解決でき難い問題を解く役割が続く、ということであります。

　最適化の計算や、チェスや将棋の如き知的、論理的判断、シミュレーションのような課題ですら人間の優位性があるのなら、ましてや、倫理観に由来する価値判断や感覚、感性、感情、美意識を必要とする世界では、ここ当面、人間の圧倒的優位が続くでしょう。ただし、人間が生み出した「作品」のコピーと微修正、カスタマイズで済むケースでは、機械に分がある、という事態は早晩訪れるでしょう。その場合でも、クライアントが気に入らずに却下し、少しずつ新味を取り入れて再合成する、という時に人間による判断が機械を補助する方が効率は良くなりそうです。

　経済的指標、評価尺度で評価されたい向きには「人間が行った方がはるかに効率良く、何千倍も低コストで迅速にこなせる業務（やその断片）は、少なくとも数十年以上の未来まで存在し続ける」、と冷たい表現をした方が好まれるかもしれません。

「AIを教育する」弁護士と「AIに指示される」弁護士に二極化

　2015年初めの１カ月ほどで全5回放映された、NHKスペシャル「NEXT WORLD　私たちの未来」をご覧になった方も多いと思います。50年後の近未来を描いたドラマも印象的でしたが、それ以上に、2014年に取材された今日の現実の方が衝撃的でした。

　第1回の公式ページには掲載されていませんが、未来予測をテーマにしたこの回には、米国の最先端の弁護士事務所が登場しました。ここでは、判例検索・引用やその適用法のコツをモデル化して「人工知能」(AI) に教え込むことができる一握りの超エリート弁護士と、人工知能の指示通りに動いて実世界を這い回る大多数の下級弁護士に二極分解しています。このAIが公判用の文章をほぼ自動生成し、下級弁護士はそれを一応チェックはするものの、基本的には、膨大な知識や可能性がある中で、AIの指示した範囲を出ないで作業するとのこと。彼らの年収は300万～400万円程度に落ち着く可能性があります。

　ここで、わざわざカッコ書きに括って「人工知能」としたのは、自らモデル化して学習していないという意味で人工知能以前の通常のエキスパートシステム（知識処理を担う専門家システム）のように思われたからです。これが進化して一種のシンギュラリティ超え、すなわち対象世界のモデル化や知識のモデル化においても人間の能力を上回る、より本物らしい人工知能となれば、最初にそれを設計した超優秀エリート弁護士すら、将来は不要な存在になってしまうかもしれません。

　膨大な過去の症例から目の前の患者に適合するものを選び出す能力においても、米国TVドラマDr. Houseの主人公たちが扱うようなハイエンドの難しいケース以外のほとんどは、AIが素早く低コストで診断をしていくようになるかもしれません。

　以上は、法律、医療という伝統的に社会的地位が高く、高収入とされていた専門家集団の仕事がAIの台頭によって大きく様変わりする可能性を示唆してくれました。

オックスフォード大『あと10年で「消える職業」「なくなる仕事」』

　英オックスフォード大学が702業種を徹底調査して判明したというリストによれば、現在、主にホワイトカラー業務・事務作業とされている仕事や、いわゆる職人的な仕事の約半数が機械にとって代わられる、との見通しが立てられています。その確率は90％以上とのこと。

　下記は、オックスフォード大でAI関連研究に携わるマイケル・A・オズボーン准教授、カール・ベネディクト・フライ研究員の著した論文『雇用の未来――コンピュータ化によって仕事は失われるのか』の中で、コンピューターに代わられる確率の高い仕事・職業で挙げられたものの一部です。

• 電話販売員　0.99Telemarketers
• 文書管理・サーチャー　0.99　Title Examiners, Abstractors, and Searchers
• 仕立屋（手縫い）　0.99　Sewers, Hand
• 計算オペレータ　0.99　Mathematical Technicians
• 保険の裏書担当者　0.99　 Insurance Underwriters
• 時計修理　0.99　Watch Repairers
• 集荷/運送エージェント　0.99　Cargo and Freight Agents
• 税務申告書代行者　0.99　Tax Preparers
• DPE,写真焼き増し　0.99　Photographic Process Workers and Processing Machine Operator
• 口座開設担当員　0.99　New Accounts Clerks
• 図書館の補助技官　0.99　Library Technicians
• データ入力作業員　0.99　Data Entry Keyers

　以上が99％の確率で計算機に主な仕事を奪われる職種とされています。これらTop10を含む702の職種の中で、98％ の確率でコンピューター化されるという仕事の上位11～20位は、以下の通りです。

• 時間計測器の組み立て・調整係　0.98　Timing Device Assemblers and Adjusters
• 保険申請と契約処理担当員　0.98 Insurance Claims and Policy Processing Clerks
• ブローカー補佐データ処理役　0.98　Brokerage Clerks
• オーダリング処理担当者　0.98　Order Clerks
• 融資スペシャリスト　0.98　Loan Officers
• 保険の審査担当者　0.98　Insurance Appraisers, Auto Damage
• スポーツの審判、審査担当員　0.98　Umpires, Referees, and Other Sports Officials
• 金融機関窓口担当者　0.98　Tellers
• 彫金師　0.98　Etchers and Engravers
• 包装・梱包機器オペレータ　0.98　Packaging and Filling Machine Operators and Tenders
• 購買担当者　0.98 Procurement Clerks
• 出入荷・物流管理者　0.98　Shipping, Receiving, and Traffic Clerks
• 平削り機械セッター、オペレータ（金属とプラスチック）　0.98　Milling and Planing Machine Setters, Operators, and Tenders, Metal and Plastic
• 銀行等の与信分析担当　0.98　Credit Analysts
• 部品のセールスマン　0.98　Parts Salespersons
• 申請類の調整・審査者　0.98　Claims Adjusters, Examiners, and Investigators
• 運転手や販売労働者　0.98　Driver/Sales Workers
• 無線通信技師　0.98 Radio Operators
• 法務秘書・パラリーガル　0.98　Legal Secretaries
• 予約受付、会計・　Bookkeeping, Accounting, and Auditing Clerks
• 検査官、テスター、並べ替え機、サンプル検査、計量の担当者　0.98　Inspectors, Testers, Sorters, Samplers, and Weighers
• モデル業　0.98　Models

　以下、コンピューター化される確率が低い702位までのランキングが並んでいます。確率90％以上が171職種、確率80～89％が93職種、確率70～79％が51職種、確率60～69％が56職種、確率50～59％が32職種となっています。逆に、確率が1％未満のものは49職種あり、創造的な思考による問題解決を行うエンジニア、ソーシャルワーカー、キャリア（人生）教育をする先生や、分子生物学者などの研究者、結婚カウンセラーや、看護師、リハビリ療法士(確率0.28％)、緊急事態指揮官などが、彼らのモデリング手法による計算結果として挙げられています。いかにも、という職種が上下に多い中、一部の職人芸で「そんなに簡単にコンピューター化できるのかいな？」と思わされるものもあります。

　個人的に印象的だったのは、金融関係の業務担当者が多いこと。彼らの専門性、個別対応能力（裁量権と表裏一体）が意外に小さく、比較的容易にIT画面や対話ロボットに取って代わられると2013年時点で評価されていたことです。これを受けて、みずほ銀行、三菱東京UFJ銀行などのトップ銀行さん達が、近未来の大幅人員削減に向けて、ロボットや「人工知能」（具体的にはIBMワトソンなどの大量知識に基づく対話システム）の導入に一斉に走っているかに見えるのは思い違いでしょうか？

未来の職業の頂点に立つのは芸術家？

　さて、コンピューターによるビッグデータ解析の中間結果と対話しながら、人間ならではの高度な知的・論理的な洞察力と、結論を推論する能力により、機械以上に高度な判断がくだせる人々は生き残ります。特に、VoC分析AIサーバー のような強力な「弱いAI」を使いこなす意思のある人ならば（VoC分析AIサーバーは、問題解決への意思があり現場感覚を備えた人なら誰でも使いこなせるように設計されています）。

　このような知性のぶつかり合い、機械と人間の協調で最高の生産性、最適化を達成する業務ばかりが生き残るのではありません。上記702には、人間のメンタル、生理面へのサービスや、極端に複雑な緊急事態への対応など、合理的、論理的とは言い難い業務がコンピューター化されにくいものとして、低確率の数値とともにリストアップされています。

　加えて、前述のように、「倫理観に由来する価値判断や感覚、感性、感情、美意識」を生かした職業は、まだまだコンピューターを寄せ付けない能力、高い価値を人間が生み出し続けることでしょう。

　先日、某室内オーケストラの合宿にて芸術大学出身のプロ奏者の方と食事しながら会話したのですが、最近、ビジネス界、特にITや製造業のデザイン現場から、芸術系学部出身者（特に美術、デザイン）が引っ張りだこになっているという話を聞きます。人を惹きつけるウェブサービス、感性に訴えるデザインがロジック以上に高い価値を持つことは、ITの最前線に携わる人なら日々実感していることでしょう。

　米アップルを創業した故スティーブ・ジョブズの数々の業績にも、美的要素、感性、デザインが大きくかかわっていることを否定する人は少ないでしょう。かつて、iMacを見たビル・ゲイツが、色が豊富なだけで何の新しさもない無意味な製品だと言ったという噂（嘘かもしれません）を聞いたことがありますが、もしそれが本当なら、アップルのみならず、一般消費者がこぞってその発言を購買行動によって否定した事実が歴史に残ることでしょう。

　古き良き昭和時代、大企業サラリーマンになるのが「正しい男子の夢」とされていた時代に育った私は、父親から「芸術系学部にだけは行ってはいけない。"河原乞食"になるぞ！」と脅された記憶があります。母方の叔父の１人が東京芸大のチェロ科を出て、経済的にはあまり恵まれない生活をしていたのを横目で見たことから、父の言葉には一定の説得力がありました。30年以上前の大学生時代にも、所属する音楽部管弦楽団を指導する弦トレーナー（故人、奇しくも件の叔父と芸大で同期でした）T先生も「プロにだけはなるなよ。心の底から音楽を楽しんでいるだけでよい。今の君たちアマチュアの素晴らしさを捨てることになるのだから」と説諭され、複雑な気持ちになったのを今でも覚えています。

　しかし、今や、その芸術家こそが、最も人工知能に追いつかれにくい、ひょっとしたら永遠に機械を振り切ることのできる、ユニークでオリジナルな表現、付加価値をもたらす最高の職業として、そのプレゼンスを日々、高め続けているのかもしれません。

　もっとも、先の合宿での雑談の結論は「美校（美術学部）はいいですよね。企業から熱い注目浴びてもてはやされて。でも音校（音楽学部）は相変わらずですよね（笑）」というものでした。ですので、同じ芸術でも分かりやすい応用のあるジャンル・対象と、深く新しいビジネスモデル等を考えてIT専門家などと丁々発止のコラボ、ブレストなどをしないとなかなか価値が示しにくい専門もあるかもしれません。

　ただ、「音楽」の名誉のために付言するなら、J.S.バッハの知能指数や数学的能力が非常に高かった、と推定されているように、音楽と数学の能力には高い相関があることが知られています。畏れ多い元同僚のマービン・ミンスキー博士もバッハ演奏で素晴らしい能力を披露していたように、知性を反映した芸術的能力で商品・サービスを差別化する必要が生じるまで、デザイン競争が先鋭化してくれば、音楽性と称される人間の謎の能力が引っ張りだこになる日もそう遠くないのかもしれません。これはクラシック音楽のみならず、実は、即興でアレンジ、作曲した新鮮な価値をリアルタイムで生み出し続けるジャズの世界から、産業的価値が生み出される胎動を、ライブハウスなどで最近感じているのであります。

「なぜ？」を問い続ければ機械と差別化できる

　NHKで毎週放映されているスーパープレゼンテーションこと、TED talkには、たまに指揮者など芸術系のスピーカーが登壇します。

　指揮者についてのこの講演などは、ビジネスリーダー、プロジェクトリーダーはどうあるべきかについての深淵な示唆を与えてくれるのみならず、なぜこの演奏はこう生き生きしているのだろう、という疑問へのヒントも与えてくれます。

　そうです。この「なぜ」という問いかけこそ、自意識や価値観、世界観、人生観を当面は持てないでいる人工知能が最も苦手とする部分なのです。「なぜ」の答えには、具体的回答から、禅問答のように抽象的なレベルまで、様々な飛躍したレイヤーの回答があり得ます。そのどのあたりが相手にとって適切なのか、常識や、相手の反応に応じて絶妙に切り替えるような人工知能ができるにはまだまだ、見通せないくらい遥か遠い道のりがあります。

　「なぜ」という問いかけは、物心ついた小さな子どもが両親を悩ませるがごとく、シンプルに誰でも、どんな対象についても発することができます。しかし、回答は難しい。ファストフード店のアルバイトの身分から、この「なぜ」を自問自答し、ときに周囲に発し続けた結果として、その国のファストフード・チェーンの社長CEOまで上り詰めた例がある、と聞きます。「なぜ？」という問いをきっかけに目に見えない要因を突き止め、それを基に、様々なビッグデータ解析ツール、ツールを使い分けるなどして未来を予測し、抜本的な問題解決に至る斬新なアイデアを発案することは当面、人間にしかできないでしょう。

　この意味で、先の702の業務の生き残り確率にはとらわれず、どんな職業のどんなポジションにおいても「なぜ？」という問いを発し続けることで、人間らしい問題解決、機械には追従できない新発見を成し遂げ続けることは可能でしょう。こう考えれば、オックスフォード大学の論文など怖くない、といえるのではないでしょうか。

　そもそも、ラッダイト運動に始まる機械脅威論、ロボット脅威論には、マクロ経済的な視点を欠く面があります。すなわち、単純労働、辛い労働（かつては肉体労働）を機械が代行してくれるなら、人間は、根本的に「楽ができる」ようになるわけです。よほど、政財界トップが確信を持って低所得層を不幸にしよう、彼らに所得を分配するのはやめよう、とでも考えない限り（そうならない保障はありませんが）、機械が単純労働、辛い労働を担ってくれることで、人間はより創造的で楽しい業務に専念できるようになるはずです。

　単純事務からも解放されて、いわゆるベーシック・インカムで、最低限の生活なら「遊んで暮らせる」生活が訪れてもおかしくはありません。このマクロ的な予測を恐れ悲観する理由などどこにもない、というのが、AIやロボットによる人類の未来への悲観論に対する大きな反論です。

　AIの現場にいる人ほど、邪悪な意思を持つAIの開発などがいかに困難であるか、よく分かっています。彼らが今日（こんにち）恐れるのは、ソフトウエアのバグで人に危害を与えることです。勝手に人類を邪魔者、敵とみなすことのないような制御回路を先回りして設けることなど、人間が、量子コンピューターの数百種類の斬新なアーキテクチャを考える際に、十分余地があるでしょう。

　人工知能にまつわるつまらない悲観論はやめましょう。今現在、１度きりの人生をどう充実して、創造的に生き抜くのか考えることこそが、先の702種の仕事の機械化確率を提示された時に取るべきリアクションではないでしょうか。「自分はこのジャンルでこんな夢を実現したい。なぜなら、こんなビジョンが現実になれば、人々がこのように幸福になれるからだ」と一歩踏み出してみましょう（ちなみに人工知能は希望や夢をいつ抱けるようになるのでしょう？）。そうすれば、そのためにはどうしたら良いかの "How to" は、いくらでも人工知能的な賢いサービスが教えてくれるようになることでしょう。 　人工知能たちが世界中のビッグデータ、オープンデータを解析して夢の実現のための手掛かりを見つけて提示してくれる素晴らしい時代が目の前に開けている。この連載の読者の皆様がこのように感じてくれたとすると、望外の幸福であります。

「賢いコンピュータ」が繰り出した、まさかの反則技

人工知能ブーム再燃の真実（その８）

　SF作家アイザック・アシモフのロボット工学三原則に私が初めて触れたのは、1973年頃に読んだ『鋼鉄都市』(原題：The Caves of Steel)でした。感情をむき出しにするニューヨーク市警刑事と、人間そっくりのロボット刑事が「2人」がペアとなって互いの長所を生かして、何十年ぶりに起きた、論理的に考えて不可能と思われる殺人事件を解決していきます。

　昨今流行りの「人工知能脅威論」が気になる方や、人間の仕事が機械に奪われて失業者が溢れるのではないかと心配される方は、この『鋼鉄都市』やその続編の『はだかの太陽』(原題：The Naked Sun、「剥き出しの太陽」の方が原意に近いと思います) を読んでみることをお勧めします。後者の『はだかの太陽』では、理想郷を目指して地球人が進出した惑星ソラリアで、わずかな人口の人類が広大な土地に離れて暮らしており、立体視覚通信システム（今でいう仮想現実VRシステム) で必要な時だけ瞬時にコミュニケーションしています。そして、1人ひとりが2万体ものロボットにかしずかれ、豊かな暮らしを享受するという1つの極端な未来イメージがその副作用とともに描かれています。

アシモフの「ロボット工学三原則」

　アシモフが一連のロボットSF小説シリーズを30年にわたって執筆する中で一貫して前提とされてきたロボット工学三原則は、次の3カ条からなります。

• 第一条　ロボットは人間に危害を加えてはならない。また、その危険を看過することによって、人間に危害を及ぼしてはならない。
• 第二条　ロボットは人間にあたえられた命令に服従しなければならない。ただし、あたえられた命令が、第一条に反する場合は、この限りでない。
• 第三条　ロボットは、前掲第一条および第二条に反するおそれのないかぎり、自己をまもらなければならない。

　―2058年の「ロボット工学ハンドブック」第56版 、『われはロボット』より。

　初期の比較的単純なロボットの場合、次のような行動が見られたことが描かれました。第一条に従って倒れた人間を救いに近づこうとしたら、有害ガスに阻まれ、第三条が作動して元の場所に戻る。そこで自己への危険が去ったので、再び人間を救いに近づこうとするが再び有害ガスに阻まれて…というのを延々と繰り返した、というものです。

コンピュータが「反則技」を繰り出した！

　このロボット工学三原則は、技術がいくら進歩しても実現できないかもしれない、などと伝統的に議論されてきました。

　各条を守るために、ほぼ無限の可能性を検討して評価し尽くさなければならない、という『フレーム問題』というのがあります。この問題を回避するために、汎用的にさまざまな事態に対処することを諦めて、特定の問題解決に絞った人工知能（もどき）しか当面は作れないだろう、という議論もありました。

　目的を、将棋に勝つことだけに狭く絞ったコンピュータプログラムでさえ、この問題に突き当たったように見えた出来事が最近起こりました。ある将棋プログラムが、対戦中の計算量を節約するために、過去の膨大な対戦履歴データ中に存在せず、常識では考えられない反則技に陥るプロセスの評価を省略してしまいました。このため、対戦相手（人間）のある手をきっかけに、反則技を繰り出して人間に負けてしまったという珍事です。

　これについて、複数の棋士・関係者による見解が述べられているのを見ると、自分に王手がかかっているにもかかわらずそれを放置したということで、確かに、人間が盤面を見ていれば一目瞭然で、まず犯さない過ちだったろうというのが印象的です。王手を回避する、というのは、将棋の基本中の基本原則。自分を守る原則ということで、ロボット工学三原則の第三条に似ているといえるでしょう。開発者によれば、毎回ゼロからプログラムを作っているので、今回はたまたま作りこみ忘れていて、それを本番まで気づかなかったということです。

　コンピュータ科学の分野では、何かの制約条件を守りながら最適な解答を見つけ出すための問題解決手順（アルゴリズム）が多数考案されてきました。しかし、1日に訪問する客先を最短ルートで回るにはどうしたらいいか？（『巡回セールスマン問題』）など、一見単純・簡単そうな問題でも、計算量が爆発し、数十、数百の要素になっただけで、現在のスーパーコンピュータでも、太陽系の寿命の何百倍の時間の計算をしても計算が終わらないことが証明できてしまった問題もいくつもあります。

　その解決には、現在のディープラーニングや、発売されたばかりの単純な量子コンピュータがもっと高度に進化して、現在と全く違う原理で問題解決できるようにならなければならない、と考える研究者が多いです。あるいは、良い意味で人間のように「適当に」常識の範囲で、少ない解決案の検討ですませることになるかもしれません。この場合、ロボット工学三原則を機械に守らせることは実際上、不可能になってしまうことでしょう。

　Wikipediaにも解説されているように、アシモフによれば、ロボット工学三原則が適用されるのは自我を持って自分で判断を下せるロボットに限られています。

　"ロボット工学三原則が適用されるのは自意識や判断能力を持つ自律型ロボットに限られており、ロボットアニメに登場する搭乗型ロボットなど自意識や判断能力を持たない乗り物や道具としてのロボットに三原則は適用されない。現実世界でも無人攻撃機などの軍用ロボットは人間の操作によって人間を殺害している道具であるが、自意識や判断能力を持たないため三原則は適用されていない。"

　ところが、現時点で自意識、自我とは何であるかの定義は不明確であり、その実態は科学的に解明されていません。そこでこの制約をはずして、家電製品を含むあらゆる機械にこれらの原則を適用できるよう個別に設計してやればいいじゃないか、という議論が説得力を持ちます。しかし、どんな機械が相手としても、ロボット工学三原則を守らせる、すなわち、実装することは容易にできるのでしょうか？

ロボットが「ロボット工学三原則」を守るのは困難！

　最近、第一条を守らせる実験によればロボット工学の原則を守らせるのは実際的に困難だ、という記事が出ました：

「実験の結果ロボットがロボット工学三原則を守るのは困難だと判明」

　人間役のロボットが穴に落ちるのを、第一条を実装された「倫理ロボット」が防ぐことができるかどうか。英ブリストル・ロボティクス・ラボラトリーのロボット学者のアラン・ウィンフィールド氏とそのチームが実験したところ、守る相手が1体のときはうまくいくが、2体の人間役ロボットを相手にした途端に倫理ロボットは混乱をきたし、相手をうまく守れなくなったそうです。2体のうちどちらを守るかの決断を迫られたときに、機械らしく、「厳密に考え」ようとして迷って時間をロスし、2体とも救えなかったケースがあったといいます。

　もちろん人間でも、同じように混乱して文字通り二兎を追う者一兎をも得ず、という結果に終わることも多いでしょう。しかし、これは価値観の違いや、論理的な思考（計算）の速度がコンピュータよりはるかに遅いせいであり、コンピュータ（人工知能）ならそんな問題はないのでは？ という楽観的な予測もあったことでしょう。実験結果を見ると、実際の日常世界で起こる多様な出来事において、ロボットに三原則を守らせることが非常に困難ではないか、と予感させるものがあります。

　ロボットに三原則を守らせることが困難ということは、自動運転車が実用化されようとしている昨今、深刻な問題といえます。例えば次のような事態をイメージしてみましょう。

・走行する道の横断歩道を、黄信号や赤信号になってから横断してくる人の安全を確保しながら、自分が進路をそらして電柱にぶつかって搭乗者に怪我させないようにもしなければならない。

　瞬時に膨大な思考（計算）と様々な判断をやってのけなければならないのは明らかだと思います。

　相手に怪我をさせることでより多くの命だけは救える、という難しいケースを想定してみましょう。こんなとき、あらかじめその通りのシナリオをプログラムされることなく、未知の事態で学習しながら適切な判断を下せる自動運転車ができるのは遠い未来のことのように思えます。

「自動運転」は交通事故を減らせるか？

　先日、ドイツの航空会社の副操縦士が自ら搭乗機を墜落させた事件の直後、「人間よりも機械に乗り物を操縦、運転させた方が安全なのでは？」という論調が流れました。しかし、仮にも何十年と教育を受け、暗黙知なども身に着けながら経験値を上げてきた人間なみに安全遵守能力（安全性能）を向上させるのは、かなり難しいのではないでしょうか。航空機の操縦だけの知識やテクニックに絞った専用人工知能を開発したとしても、先の将棋の反則技を繰り出すようなことは起こり得るわけです。このときの「反則」が想定外だった事態、例えば、計算の結果、海中に潜って空中の障害物（光線の加減を誤認した場合を含め）を回避する、などの手を繰り出してしまう可能性を根絶できるのでしょうか？

　実際に人命を左右するような応用を行う前に、さまざまな実験を徹底的に行って解決策を講じる必要があるでしょう。そして製品のリリース後も、別の人工知能を備えた交通制御システムなども協調的に支援する、などの対策を追加していくことになるのではないでしょうか。

　以上のように安全性を深く考えるのは必須だと考えつつも、やはり最終的には体調や精神状態が怪しい人々が多数、車を運転している現状よりも交通事故は減ってくれるだろう、と楽観しています。もちろん「自動運転車は馬を目指すべき」と提案させていただいた稿でも示唆しましたように、最終の意思決定を下す人間と機械の役割分担、インタフェースをとことん考え抜き、テスト、評価し抜いて、より適切な知性と感覚（センサー）を装備していくべきです。

　新たな発想も必要になり、社会的な合意も必要になってくるので、伝統的な日本のメーカーがあまり得意ではない領域かもしれませんが。それでも冒頭の『鋼鉄都市』が1950年代に描いていたように、人は人の得意なこと、機械は機械の得意な能力を巧みに結び付け、協調させることで、より良い問題解決、安全性の向上になることは間違いないでしょう。

　ヒューマン・エラーをどう低減させるか、というだけの一面的な発想では、機械の位置づけについてのダイナミックな発想が出にくいと思われます。この点、人工知能、あるいは人工知能的な哲学が、新たな視点、発想を提供することができると思います。

AI搭載だから賢い？ ではルンバは知的なのか

人工知能ブーム再燃の真実（その5）

　前回、マーケティングとしての「強いAI」 を話題にしました。ここで一つ思い出すのは、米マサチューセッツ工科大学（MIT）人工知能研究所（AI Lab）の客員研究員（Visiting Scientist）時代に、“人工知能の父”マービン・ミンスキー博士と恐れ多くも同僚として隣室（2週間ほどは同じ部屋！）で過ごしていた頃の雑談です。

　ミンスキー博士曰く、「強いAIを実現する研究者として作ってみたいのは、平日はいろいろ文句言いながらも真面目に仕事をするけれど、休日になると、スケジュールや体調、気分次第では何かやる気が出なくなって、ボーッと一日中フットボールの試合を見て独り言をつぶやいたりするコンピュータだ」。こんな機械の開発に研究予算を出してくれる政府も企業も、いかにも出てこなさそうですね（笑）。

　でも、人間そっくりの脳やセンサー、行動器官を備えたロボットが作りたいなら、確かに上記のようにヒトの性質までそっくり真似られるようでなければいけません。「優れた」ところだけ真似するのだけでは駄目。コンピュータはもともと超高速計算や膨大な記憶容量などで最初からヒトの脳より「優れた」ところがあったわけですから、そこを捨てていくような研究開発を行うのが「強いAI」の一面とも言えるでしょう。人口減少時代に、寂しい高齢者のパートナー・ロボットを開発したいならば、まさにそのような人間臭い、癒し系の「強いAI」が必要になってくることでしょう。

「掃除」は知的労働なのか

　世間や産業界で騒がれている人工知能（AI）の定義が、何か分からなくなってきた、という向きもいらっしゃると思います。私もときどきそうなりますので、文献を参照して確認することがあります。

　「そもそも人工知能（AI）って？

　　A 人間の知的労働を、コンピュータに処理させるためのソフトウエアやシステムがAIだ。」

――エコノミスト誌、2015.1.27号 p.24 より

　「A」と書いてあるのは、「回答」という意味です。「知的労働」というのは紛れもなく、応用課題として解決されるべきタスク（仕事）で、従来人間の知能労働でしかできなかった（とされる）もののことを指しているようです。また、後半の説明では「人間の脳が日常行っている処理」と、急に違う定義に履き違えられてしまう感じがします。いずれにせよ、上の定義は、前半は狭すぎるし、後半は広すぎて、ちょっと違和感があります。

　例えば、最も身近に普及したAI応用製品と言われる「ルンバ」などのお掃除ロボットを見てみましょう。ルンバはMITの人工知能研究所所長を務めたロボット工学の権威、Rod Brooks博士の基本設計によるものです。センサーが察知して単純に障害物を避けるだけでなく、部屋の形状や家具の配置の地図を「頭の中」に作成し、無駄の少ない移動法を「考え」、かつ2度と同じところを通過せずに効率よく掃除します。人間でも同じところを（念入りに掃除するのでなく）、間違えて何度か掃いてしまうことがあるのに比べて、賢いかもしれません。また、充電器の位置を自分で探して充電されにいくなど、人間いらずの “自動性”が高まっていると言えます。

　それでも、掃除という作業、タスクには変わりありません。部屋の掃除に頭を使う余地は大いにあるとは思いますが、掃除のことを「人間の知的労働」と称する人はまずいないでしょう。お掃除ロボットの普及は、「こんなに考えて動いてくれるなら自動車の自動運転も任せて良いのではないか？」などの発想につながり、一般消費者がAIに肯定的になるのにも大いに貢献しているのではないでしょうか。

自動運転車の目標は「馬」だ！

　自動運転車のテストドライブに同乗する人に果たして保険が適用されるか寡聞にして知りませんが、一昔前なら、よほど勇気のある人しかそんな募集には応じなかったのではないでしょうか。おそらく、人工知能型のお掃除ロボットと日常暮らしている人ならば、自動運転車に不安なく乗ってみようと思う率がはるかに高いような気がします。ちなみに、自動車の運転って知的労働なのでしょうか？　それを考える手がかりとして、車の運転と乗馬の違いについて少し考えてみ ましょう。

　自動車の性能が馬よりも落ちる点として、運転者が寝てしまったら終わり、というのがありました「馬のほうが自動車より賢くて高性能」という見解を初めて聞いたのは、筑波大駒場高校時代に漢文を教えてくれた高井先生がシベリア抑留時代の話をしてくれた時のことです。先生曰く「半分眠ってしまっても隊列の前の人馬に付いていってくれるので全く問題なく目的地に着くことができた。馬は素晴らしい！」と。極寒のシベリアで何度も生死の境をさまよった本人の語りでしたので、強烈な印象でした。

　私自身は5鞍しか乗馬の経験がないので到底その境地には至っていませんが、休ませておけば勝手にその辺の草を食べて自動的にエネルギー補給まで済ませてくれる点も車より優れているし、排せつ物は肥やしにこそなれ、排気ガスのように大気汚染で悪さすることがない点も優れていると言えるでしょう。

　かように、馬はセンサーと（3歳児並みの）知性を備え、危険を回避し、自動的に安全に目的地まで連れて行ってくれる点で自動車より優れていたわけです。AIはヒトばかりでなく、牛馬、犬猫、クジラなどの哺乳類や、一部のロボット研究者のように昆虫の知性を研究したりすることもあります。そこで、馬の知的能力を自動車に持たせるのが自動運転車の目標であり、これもAIなのだ、と言って良いでしょう。

　なお、お掃除ロボットには、あらかじめセットされたランダム、らせん、ジグザグなどのパターン通りに動くのが基本で、壁や家具にぶつかったときの方向転換の向きも一定、何度も通るうちにそのうち床全体がカバーされるでしょうという程度の、知性のかけらもないものもあります。このサイトでは4種類ほどに分類されていて、具体的な製品名があるので、製品選びに役立ちそうです。また、「必ずしも賢い自走式掃除機ばかりが、部屋を（低コストで）きれいにするという大目的にかなうとは限らない。2度拭きでよく汚れが落ちることもあるので。」などと理由付きで指摘している点、今後の「弱いAI」応用製品の設計思想を考える際に考慮すべきチェックポイントの1つとなりそうです。人間の場合も、賢い人ばかりが「使いやすい」とか「使って（互いに）快適」とは限らない、のと似ているかどうかまでは分かりませんが。

弱いAI の市場が花盛りとなる気配

　前節の記述は、ちょっとエコノミスト誌に意地悪だったかもしれません。ヒトの能力が実に多岐にわたり、汎用的であるように、機械にできることも実に多彩であり、タスクによっては、コンピュータの誕生以来、コンピュータの方がヒトより得意なものもたくさんあります。

　AI活用と称するには、何らかの知性を感じさせる作りになっていること。それは、ある種の「学習」だったり、単純な履歴データ活用を超えた「予測」だったり、もっと別種の知性の発揮だったりする。このあたり、個別に「何が新しくできるようになったか」精査する必要があります。安易に、「人間にしかできなかったことができるようになった。だからAIだ。」などとは言うべきではないでしょう。何も定義や切り分けができていないところへ「何にどれだけ役に立つのか」を評価することがますます難しくなってしまう危険があるからです。

　何か賢く「考えている」かの機能要素、原理により、従来は想定外だった水準の自動化率で、人手の仕事（知的労働に限りません）を代替し、省力化したり、人間以上のスピードや仕事量、仕事の質の高さを達成したものが人工知能応用システムと呼ばれるに値するのではないでしょうか。この意味で、エコノミスト誌2015.1.27号p.25以下の本題にある、「自動運転・AI・ロボットで注目の銘柄76社」はいいところを突いていると思います。

　残念ながら、まだ、私の会社・メタデータ社はこのリストに入っていませんが、近く、顧客の声（VoC＝Voice of Customers）を分析するのに人間技では不可能だった膨大な意味抽出や、機械学習による自由テキスト記述の全自動分類などを新規搭載した製品を発表します。どうかご期待ください！

　76社の内訳ですが、3つの大分類のうち、自動運転を担う有望企業として、以下がリストアップされています：

• 関連部品のメガサプライヤー3社（デンソー、日立、コンチネンタル）
• 運転支援関連3社（日本電産、日信工業、アイシン精機）～自動ブレーキや自動パーキング
• 交通情報関連1社（住友電工）～路上センサー情報から信号機の制御など
• 車載半導体関連4社（ディジタルメディアプロフェッショナル、ルネサスエレクトロニクス、ザインエレクトロニクス、インフィニオン・テクノロジーイズ（独））
• センサー8社（ソニー、アルプス電気、イリソ電子、オプテックス、日本セラミック、浜松ホトニクス、村田製作所、インターアクション）～画像センサ、赤外線センサ、加速度センサ等
• ソフトウエア4社（モービルアイ（蘭）他）～立体動画解析、人工視覚他
• 通信機器3社（OKI他）～車車間通信他
• カーナビ・地図関連2社（JVCケンウッド、クラリオン）～クラリオンはGoogleカーナビに地図情報を提供
• 入力・装置関連3社（アルパイン他）～空中に画像を投影したり次世代タッチパネル、アップルの車載プラットフォーム「カープレイ」を手掛ける
• 電子部品・半導体商社3社（ルネサスイーストン他）
• 開発ツール1社（ZMP）～AIを駆使した自動運転開発ツール「ロボカー」を販売。

　この他、自動運転と並ぶAIに大分類された訴訟支援（UBIC）、音声認識（アドバンストメディア）、コミュニケーションロボット（富士ソフト）、自動運転（ZMP）（物流ロボ「キャリロ」発売へ。マミヤOPの芝刈り機にもAIを供給）が挙げられています。

　ロボットという3つ目の大分類には、日本のお家芸、伝統の産業用ロボット14社に加え、新市場のサービスロボットが15社も（ホンダ、サイバーダイン、菊池製作所、パナソニック、セック、ソフトバンク、やまびこ、今仙電機、トヨタ、シャープ、大和ハウス、東芝（お掃除）、三菱重工（廃炉用）、グーグル、アイロボット（お掃除））、挙げられています。他に、ロボット用モーター、減速機、直動システム、センサー、建設機械の自動制御という分類に1～3社が名を連ねています。

　次世代カー、自動運転車というと、「トヨタ対グーグル」などと、異業界の両雄一騎打ち、と揶揄されがちですが、幅広く産業全体を変革していくイメージが上記リストからだけでも浮かび上がってくるかと思います。非常に健全な、「弱いAI」の市場開拓の動きであり、ハードウエアやきめ細かな動き制御といった、日本企業が得意な領域でもありますので、個人的にも注目、応援しています。

“メタファの暴走”にご注意

　弱いAIの研究開発については、その性能の評価基準も多くの場合、明確なので、安心してその加速ぶりを眺めていくことができます。一方、先ほどのAIの定義に絡めて、「人間にしかできなかったことができるようになった」という言い方と同様、「人間のように仕事をするコンピュータ」という言い方も要注意です。

　以前のAIブームの時にも「人間がやるように何々ができるコンピュータプログラム」という言い方も流行りました。 中には、「人間がやるように形態素解析（分かち書き＋品詞付与）をするプログラム」と堂々とうたった論文発表もあり、仰天した記憶があります。

　ヒトは、文章を読む際に「ここは動詞で始まる文節の切れ目で、その後に副助詞『も』、活用語尾、完了の助動詞が付いている」など考えながら、文を単語列に分解しているものでしょうか？　全部の単語について、分かち書きをちゃんと（機械がやるように）やっているのかも疑わしいし、品詞付与にいたっては、単語に品詞名を付与しながら母国語を聴いて理解している人など一人もいない、と断言して良いからです。学校で文法を教わっていない幼児なら「品詞ってなぁに？」と聞きますよね？　形態素解析というタスクはヒトの生得的能力とは随分違います。

　このようなエピソードなら、「研究者ってヘンね」と笑って済ませられるかもしれません。しかし、「知能」、「学習」、「予測」ということばが独り歩きし、知らず知らずのうちにユーザーに誤解を与えるとしたらそれは危険です。人間が幅広い教養と人徳を踏まえて知性を発揮したり、複雑高度な知識をその場で創造しつつ未知の問題を解決するような能力を学んだり、独創的な新経済理論を発案することで2025年の国際情勢を予測する、などの能力と混同されては困ります。これらは、「知能」、「学習」、「予測」などのことばが独り歩きしたことによる、メタファの暴走なのです。

　そもそも自動処理、自動で何かができる、というのはどういうことでしょうか？　蒸気機関の発明以来、いや、それ以前の、風車や水車の時代から、人力や牛馬の筋肉によらずに製粉や灌漑ができたり、人や物を動かしたりできるようになっています。梃子の原理で人力を拡大する装置でも、その動力源を見せなければ、「自動的に」動いているようにみえます。

「人工頭脳」の中枢には蒸気機関が…

　重力が動力源の面白い装置はピタゴラ装置ですね。自動的、自律的に見えるから面白い。風力が動力源で、本当に生き物のように見えてしまう、ストランド・ビーストというのもあります。

　無声SF映画「メトロポリス」をご存知でしょうか？

　マルクス主義が盛んだった時代に、制作年代1926年から100年後の2026年の未来都市は、一握りの支配者階級と、大多数の労働者階級に分かれ、主人公マリアが豹変して機械に支配された代弁者になってしまうくだり。そして暴かれた機械制御の中枢には、蒸気機関があり、すべての機械を制御していたのです。人工頭脳の象徴が、その当時の主力の自動機械だった蒸気機関であったことは大変示唆的なエピソードです。

　すなわち、それ以後も、その時代、時代の最先端の自動機械が比喩（メタファ）、象徴（メトニミ）として使われ、人の頭脳にすぐにでも取って代わるかのようなイメージを与えるようになるだろう、と示唆されたのであります。現在のコンピュータは、ディープラーニングなどのソフトウエアを載せたものも含め、ほとんど全部がプログラム格納方式、別名ノイマン型コンピュータです。これは、「0」（ゼロ）と「1」（イチ）の列を入力されたものが一部はデータとして、残りは制御を進め、切り替える「命令」として扱われ、粛々と機械的に、スイッチや、パチンコ台、そしてピタゴラ装置と同様に、厳密に「0」「1」の列の指示通りに動作する機械です。違いは、大規模、超高速に動作する点だけ、といっても良いでしょう。

　コンピュータには何らかのデータ保存装置があるので（紙テープやパンチカードも含め！）、そこにデータがある程度自動的に取り込まれたことをもって「学習」とか「記憶」と呼んでしまい、また勝手に妄想を膨らませる人もいるでしょう。ここにも「メタファの暴走」の罠がすぐそこに、ぱっくり大口を開けて待っています。さすがに、ハードディスクやUSBメモリにデータを保存しただけのことを「学習」と捉える人はいないでしょうが、プログラムの前回の実行履歴（ディスク装置に「記憶」されています）が自動で呼び出されただけで、「おー、学習機能があるのか、気が利いている」と感じる人は少なくないと思います。

　どんなコンピュータプログラムでも何か自動で動き、何がしかは賢く、あたかも自律的に動いているかに見えても不思議はない。これはコンピュータの誕生当初から、そう、半導体以前の真空管、あるいは天才・池田敏雄氏らが開発したFACOM-100のようなリレーを多数使った機械式コンピュータの時代から、どんなプログラムでも自動で、賢そうにふるまうことはできたという当然のことを意味します。「人工知能搭載だから賢い」というのもその内容、すなわち情報処理機械としての入出力と内部処理の仕様が具体的に定義されていなければ、自動処理機械だから自動で処理している、という同義反復しているような無意味な言説です。ジャーナリズムとしては控えるべきではないでしょうか。

　少し長くなりましたので、次回は、新世代の人工知能らしい「学習」とは何かについて、仮名漢字変換から、人工知能分野とは少し違う領域の研究者が取り組んでいた機械学習について、また、最適化のタスクや、そのためのビッグデータのモデル化などに触れてみたいと思います。

ビッグデータとAIは新しい消費市場を作りつつある

　前回、「人類が生み出した超知能（神）が次の宇宙を生み出す？？」など、究極のぶっ飛んだお話を書きました。今回は企業が保有するビッグデータの流通の話題などに大きくシフトしようかとも思いましたが、私自身、人工知能に再び取り組んでおり、健全に活用するスタンスの取り方が確定しきっていないので、引き続き現在の人工知能ブームに対して、様々な角度から冷静な目線を向けてみたいと思います。

20年前に予言されていた？ ビッグデータによるシンギュラリティ

　昨今、急激に脚光を浴びている「超知能が全人類知を凌駕する」シンギュラリティに似た議論（その後見つけた例）は、30年位前にもありました。当時、自律的、自発的に学習する本格的な人工知能がなかなかできそうにないため、片端から機械に知識を詰め込んでやれば、いつか詰め込んだ以上の知識を類推などで学習できるようになるのでは、という意味での「臨界点」を目指す動きがありました。

　2つ前の連載の2ページ目「大規模知識ベースという副産物を生んだ当時の研究」でご紹介した、常識・知識ベース解プロジェクトの1つ、Cyc のDouglas B. Lenat教授は、（知識）量の違いが質の違いを生むと主張していました。FGCS第五世代コンピュータ国際会議の1つで、 Lenat教授は講演の最初に、「いつ機械は学習し始めるか？」（“When will machine learn?”）と大きく板書。その後、数10分、Cycプロジェクトの内容を紹介した後、当時のタイムスケジュール、ロードマップを聴衆が期待し始めたタイミングを狙って、

「199x年y月z日」と板書しました。

　すみません、確か、1994年12月あたりだったかと思うのですが、記憶、記録が定かでないので変数のままとさせてください。ポイントは、それがCycプロジェクトの（当時の）完了予定日であり、その日こそ、新規に人手で追加投入した知識量以上に機械が学び始める臨界点（割と堅実なシンギュラリティの定義と言えるでしょう）だ、とLenat教授が主張したところにあります。

　確かに、多様で膨大な常識・知識のストックがないと、新たに投入された記述から知識、情報（事実や意見）を取り込むことはできません。例えば次の例文を考えてみましょう：

例：彼は吠えて飛びかかってきた動物と向き合わざるを得なかった。

　「彼」は通常は人間の男性のことであり、人間は通常「吠えない」という知識を使って初めて、上記例文の中で「吠えた」のは「彼」でなく「動物だ」と判断できます。この知識がなければ、彼が吠えて、その後で、動物と向き合ったのかもしれないという可能性を排除できません。この曖昧さは、構文解析という、文の構造解析の結果に含まれる曖昧さなのですが、構文解析を正しく遂行するだけでも、膨大な量の常識知識を適切に表現して、正しく活用する必要がありそうです。また、それがかなり膨大になりそうであり、人間だからといっていつも正しく適切に知識をコンピュータに教えられるとは限らない。

　当時から、機械が常識を獲得できるようになるには何か大きなブレークスルーが必要だ、と感じていたのをお察しいただけるかと思います。もちろん、主に手動による知識のコーディングとその洗練、一定ボリュームになるまで歯を食いしばって実行する必要性を、天才人工知能研究者の名をほしいままにしたLenat教授らが確信していた事実は尊重されてよいでしょう。また、実際どの程度の量の知識を集めればよいのかをもっと研究すべしとか、人間の学習を真似るにはどの程度、人間と同様の脳の仕組みを真似る（＝“強いAI”の発展）必要があったかとか、もっと執拗に追究すべきなのかもしれません。大規模知識ベース開発と並行して。

なぜ今、人工知能や高度な分析力がブームに？　～ビジネス現場のニーズから考える

　現在なぜ、人工知能に関心と期待が集まっているのでしょうか？　前回までは、データ量や計算機の能力が何桁も増大したこと、また雌伏20年、当時の若手研究者が研究指導者になって、怖いもの知らずの若者に「取りあえず計算量のことは気にしなくてもいいから多層（4層以上）のニューラルネットで画像認識をやってみてくれ」などと示唆したなどのせいでブレークスルーが達成できてしまった、という事情もあるでしょう。

　しかし、全体としては「必要は発明の母」、ニーズの高まりが技術開発を促した側面が大きいように感じます。最大のポイントはやはり、ビッグデータ。昨年前半くらいまでに、大量データの収集とその“お掃除”、データの形式や網羅性の追求整備が進んだけれど、まだそれをあまり活かせていない。活かすためには、人手でも機械でも分析ができればよいのですが、本当にビッグデータなので、やはり全部は見きれない。目視できた範囲でも、それだけでは経営戦略に重大な影響を与える「何かを発見しろ！」「アイディアを出せ」と言われても何も出てこない。

　そこで、様々な角度で解析し、絞り込み、クロス集計などをかけるという統計的手法などを駆使してみたりします。しかし、次の場合は、人工知能的でない手法ではなかなか自動化が進みませんでした：

• 元データが数値データではなくテキストや画像、音声などの不定形データの場合
  →人に代わって文章を代読したり、画像や動画中の物体や動きを認識する能力が必要
• 数万～数千万の生データを走査して、潜在するパターンや法則を発見する
• どんなデータであるか皆目分からない大量データを自動分類し何らかの傾向、意味付けを与える

などなど。

　一方、マーケティング上、重要な役割を担うようになってきたソーシャルメディアを眺めてみたとき、例えばフェイスブックがその利便性、（企業にとっての）付加価値を高めるために、高精度な顔画像の自動認識を備えているのも重要です。これなどは、手動で友達をひもづけるインタフェースの上に、デフォルト（既定値）として自動認識結果が補完されかけているようにした、なかなか巧みな仕組みです。かつては人間にしかできなかった顔認識を自動化することで、友人、人間を「奴隷」のように機械に奉仕させることを回避できている、といえます。

　ゲーム中毒や個人情報の悪用問題など、IT自身の生み出した負の側面への対抗策にも、もはや人力では無理であり、ITをもってITを制するしかないのは、AIの懐疑派も認めるところではないでしょうか？　まだまだ、出てきたばかりの新しい機能群のもたらす負の側面をコントロールしきるところまではいきません。しかし、このようなネガティブな気持ちになる作業を人が膨大な時間をつかって奴隷のように働くわけにはまいりません。やはり、人間の代行がある程度可能なAI的なITによって対応する、いわば、毒をもって毒を制する、というとになるでしょう。こんな表現ならば、IT懐疑派には歓迎されそうな気もいたします。

生活現場の興味・好奇心がロボットや人工知能に向かう

　モノは溢れかえり、サービスも、消費者のアテンションや時間、ひいてはお金を奪おうと手ぐすね引いてくれる。ウェブ検索を毎日行って情報や知識にアクセスする人々は必ずしも多数派ではなく、ソーシャルメディアの「友人」や、アマゾンをはじめとするECのソーシャルフィルタリングやレコメンデーションに従って、あまり考えずに買い物をして楽チンがしたい。でも時に、時間を節約しすぎて意図せざる商品が届き、失敗を悔やむ。

　こんな生活を続けていると、「あーあ、もっと自分の意図を賢く察してくれる忠実な召使いはいないものか？　できればフレンドリーで、忍耐強く、優しくて、面白い奴が良いな！」と考えると、以前ご紹介したアマゾン製の円筒のようなロボットや、流行り始めたソフトバンクのPepperのパーソナル版が出てこないか、などの期待が募ってくることでしょう。

　TVからネットへ、という流れは、消費者、一般大衆が常に能動的に情報にアクセスしコントロールする方向へシフトしていることを必ずしも意味しません。周りの人もネットのサービスで連絡や相談をするようになったから、と引きずられて、何となく自然にネットを使うようになったユーザーも千万人単位でいるわけです。そんなユーザーは、少なくとも疲れている時、寛ぎたい時くらいは受け身でネットと接したいことでしょう。

　普段シビアにネットを使いこなしているヘビーユーザーだって同じかもしれません。TV時代のように、受け身で楽チンに接するあり方がそのままネットに移行するためには、現在のPCや、検索エンジンのインタフェースでは受け止めにくいわけで、そこに音声認識や対話型のスマホの新しいインタフェースが大発展する素地があります。そして、先ほどのロボットのような専用デバイスが大市場を築く可能性も大いにあります。

　先の連載の「クリックなしのネットショッピングをロボットが実現」 でご紹介した米アマゾンのEchoは、そのあたりのニーズの本命をずばり捕えている可能性があります。珍奇だからといって敬遠する理由はないでしょう。

マーケティングとしての「強いAI」

　私は一貫して「弱いAI」すなわち、人間の能力を拡大したり、人間と協力し合って互いの得意な能力を出し合って対話的に問題を解決するという人工知能を推進するという立場をとってきました。ところが、先のロボットでも、さりげなくアシストしてくれて楽チン、というのではなく、いかに人間らしく振る舞うかとか、人間の子供がするようなことが出来たり、わがままやジョークを言ったり、ということにも人々の多大な興味が集まります。

　これなどは、「見世物としてのAI」、「娯楽のためのAI」と呼ぶべきかもしれません。しかし、市場としてバカにできない大きさになる可能性があります。ゲームの裏側にAI的なプログラムがいるのも、ある意味自然です。一人だけで麻雀はできないので、他の3人のプレーヤーを用意してくれるプログラムは20年前からありました。プレーヤーに個性を持たせ、互いに喧嘩させることで「裏で3人が通じ合って八百長などしていない」ことを演出しているかのような麻雀ソフトもあったように思います。

　本物の人間並みのバリエーションで対話したり、本物の感情を持つには至らない対話ロボットであっても特定の個性的なキャラを持たせて、複数参加させることで時に予期せぬ（事前にプログラミングしきれない）対話の展開を生じさせることがあり得ます。直接のご利益や有用性はなかなか得られないかもしれませんが、少なくとも見ていて楽しい、3人以上の対話に参加して楽しい、という人間にとってのメリットは考えられるでしょう。

　翻って、NHKの「ネクストワールド」のような番組が高い視聴率をとって話題になるのも、1つには強いAI、人間みたいな知性を感じさせる技術、設計、デザインそのものに視聴者が大きな興味を持つからでしょう。この意味で、「強いAI」という、もともと科学技術、研究開発の方向性の哲学だったものがマーケティングの有望な概念としても機能していることが分かります。

　人工知能ブーム再燃の真実、まだ続きます。本稿末尾の負の側面として、「メタファの暴走」の話や、AIとは思われてこなかった機械学習の話、また、AI的な手法を用いながら全然そのように見えない、見せない問題解決の局面などご紹介してまいりたいと思います。

　情報処理学会の会員向け月刊誌「情報処理」2015年新年号の特集は、「人類とICTの未来：シンギュラリティまで30年？」というものでした。古くは、シュワルツェネッガー主演の映画「ターミネーター」で想定されたように、人工知能が何らかの本当の学習能力をいったん備えてしまえば、急速に自己進化を遂げてあっという間に人間の知能を超え、独自の（非）倫理観をもって、邪魔で非効率な人類の排除に乗り出すという臨界点も「シンギュラリティ」の1つのあり方です。

　一般には「特異点」ということで、人工知能の進化で何らかの後戻りできないポイントを通過すること。人間がコンピュータに教え込む知識量以上の知識をコンピュータが自ら獲得できるまでに学習能力が高まり、勝手に知識ベースを増大させられるようになることを指すでしょう。おそらくその次の段階で、知識の獲得、創造の仕方自体を自ら改善し進化させてしまうことが想定できますが、世間でのシンギュラリティ談義では、そのあたりが混同されているようにも見えます。

　この2つの特異点は区別したいです。ただ、実際に、コンピュータが本当に自ら知識を獲得したというのはどういうプロセス、状態なのか定義、判定するのは難しいでしょう。現在のGoogleさんの検索エンジンは、精度向上の仕事の相当部分が自動化されているはずですが、研究者が考案したアルゴリズム（計算手順）とデータ構造に基本的には依存しており、研究者のセンスを超えて気の利いた手法をコンピュータが勝手に「考え」たりはしていないはず。でも、その延長で、いつどのように「あれ、適合型の意味構造認識のアルゴリズム入れたけど、自分（研究者）の想定以上に賢くふるまっている」と判定できるのか、判断が難しいと思われるからです。

　2つ目の「（知識獲得・創造の仕組み自体を改変して）自らを進化させる」という特異点に至っては、お手本たるべき地球上の生物でさえ、自らの意思で自らを改造してきたわけではないので、さらに大きな疑問符が付きます。生物進化については、ダーウィンの自然淘汰説が主流なわけですから「機械が自らの意思で進化してしまうのはおかしいのではないか。少なくとも『強いAI』の立場で、とことん生物、人間をお手本に機械が進化する限りは」という説もあります。

　いずれにせよ、現時点で反証可能な仮説とは言い難く、個人的には、熱気とブームは認めますが、量子コンピュータや量子情報科学、そしてディープラーニングという名の古くからある多層ニューラルネットの原理や能力の解明がもっと進まないと、科学的な議論とならないように感じています。

　「情報処理」2015年新年号では、さらに詳細に、シンギュラリティの肯定派、懐疑派（SF作家など）による詳細な議論のまとめと各国のプロジェクトなどが紹介されていますので、ご興味の向きは是非ご参照ください。京大の物理学博士（1970年）で神戸大学名誉教授の松田卓也さんによる「来たるべきシンギュラリティと超知能の驚異と脅威」には、様々な「超知能の作り方」が紹介されています。

• 生物学的超人類：「高い知能を持つ男女を掛け合わせて…」あるいは遺伝子工学で
• 知能増強：脳にチップを埋め込んだり赤血球大のコンピュータを脳内血管に常駐
• 集合知能：「みんなの意見は案外（なぜか）正しい」の延長
• 人工脳による集合知能：脳だけの人間を作り出して結合
• 全脳エミュレーション：死んだ人の脳をガラス化して薄くスライスし、ニューロンとシナプスの3Dマップを作って機械上に再現してスイッチを入れたら故人の精神・魂が蘇るのではないかという研究プロジェクト。問題は、死の直前の、惚けた脳のコピーになること。
• マインドアップローディング：よりソフトウエア的に、生きている人の意識からあらゆる脳内記憶、脳の活動をコンピュータに転送し、人を肉体から解放。
• 機械人工知能：コンピュータでヒトの脳の働きをシミュレートする、古典的な、強いAIが目指してきた方向。現在のノイマン型コンピュータを前提とするEUのヒューマン・ブレインプロジェクトや、全く違うニューロモルフィックチップを開発して、従来型コンピュータの苦手な感性や感覚を担当させる。IBMがDARPA（米国防高等研究計画局）の協力下で遂行中のシナプス計画の手法。

　いかがでしょうか？　SFと紙一重というか、SF的な予言、目標が10年後には実現しかねないくらい境界があいまいになってきている印象を受けないでしょうか？　

　EUのヒューマンブレイン計画は、2013年からの10年で12億ユーロほどの予算を90の研究機関に投じて脳を解明しようというものです。10万個のニューロンからなる新皮質コラム中で起こる現象を化学反応のあり方までコピーしてシミュレートするという、ブルーブレイン計画(2005年～)は既に成功し、ネズミの知能は実現済といいます。その延長で、ネコの知能、サルの知能をクリアし、2023年頃に人間程度の知能を実現するとしているとのこと。いわゆる論理的思考だけでなく感情、感覚、そして、いまひとつ正体が分からない意識や自我まで、勝手に出現するだろうと当事者は予測します。

　この他の様々なプロジェクトが紹介された後、超知能は核兵器同然のものであり、人類を滅ぼすのでは、という心配が指摘されます。民間企業に任せていては倫理基準が働かないので、先のホーキング博士の心配が正夢になってしまうのではないか、しかし超知能の開発はかつての核軍拡競争に取って代わり、世界覇権を狙う各国がしのぎを削っているので誰にも止められないだろう、と。

　最後に、豪州出身のAI研究者 Hugo de Garisが、今世紀後半に、人類の知能の１兆倍の１兆倍の知能をもつ機械“Artilect”（超知性）ができると主張した話題が取り上げられます。de Garisは、圧倒的に愚鈍で足手まといの人類はその時点で滅ぼされると主張します。だから、そのような機械を作って良いかどうか賛成派と反対派が武力衝突を起こして超知性戦争という名の世界大戦が起き、どちらが勝つか分からない。さらに、“Artilect”（超知性）が誕生して人類が滅亡した後は、“Artilect”（超知性）が真空の揺らぎから新しい宇宙を作り出し、その中でまた100億年後くらいに人類のような知的生命体を生み出す、と。

　つまり、神が人間のような知的生命体を作ったのではなく、それは逆で、何らかの知的生命体が神（のような機械）を作り出し、その神（のような機械）が今の宇宙を作ったのではないか、と主張しているようです。半世紀後にも新しい神を人類が作り出して、その神に滅ぼされる。ここまでいくと、誇大妄想狂と言われても仕方なさそうです。

　ここで、中年以上の方には今や古典となったロバート・ゼメキス監督の映画「バック・トゥ・ザ・フューチャー」（1985年）を思い出していただきたいと思います。

　「バック・トゥ・ザ・フューチャー2」で舞台となった30年後の未来とはいつか？　そう今年、2015年です。当時の予測、空飛ぶ自動車、空飛ぶスケートボード、しゃべる服（あれは当時から自然な音声合成を実現していたDEC Talkという発声エンジンを使って撮影されました）などは実現していません。必要もなかったからと言えるでしょうか。様々な本人認証システムなどは、銀行ATMでの掌紋認証や、網膜パターン認識による制限エリアへの入場許可、そしてノートPCに当たり前に指紋認証が付いてきたなど、より着実に幅広く浸透したといえるので、見事に予測が的中した、と言ってもいいでしょう。

　1985年当時は考えられもしなかった機器やサービスが現実世界に出現した例もあります。スマホアプリがクラウドと連携して便利なサービスを利用できる状況はごく当たり前になり、中高生達は、ごく最近出現したLINEのサービスがなければ生活が成り立たないくらいにさえなっています。

　とはいえ、たったの30年間ではこの程度の進化だったか、という印象が強いのではないでしょうか？

　シンギュラリティ論者は、2045年までの30年はこれまでと違ったすさまじい勢いで進化が加速するのだと言うでしょう。ただしそれには、1960年代から知られていたニューラルネットという手法が、1980年代に3層が実験されて数10の要素で表現できるモデルの学習は何とか実用化し、計算量がより多く結果も発散しそうと敬遠された多層ニューラルネット（実際には計算量が減る例もあることが最近示されたことを知って私はディープラーニングに肯定的に転じました）によるパターン認識や自動分類の精度向上という半世紀にわたる地道な進化の歴史を振り返ると、ブームやニーズに火がついて加速するとしても、シンギュラリティ論者の主張する進化の加速はにわかには信じがたいものがあります。

　思い出すのは、大変僭越ながら米MITの元“同僚”で、1993～94年当時、よく音楽や自然言語の謎について議論した人工知能の父マービン・ミンスキーの名著『心の社会』です。これは同じ認知科学の巨人で現代言語学の父ノーム・チョムスキーに言わせれば反証可能性がなく、科学の産物ではない、とされましたが、重要な示唆に富んでいたと私は評価いたしました。『心の社会』出版記念シンポジウムに相当する「ミンスキー・シンポジウム」がマサチューセッツ州ケンブリッジ市のMITキャンパス内Cresgi Auditoriumで開催された際、彼のスピーチで鮮明に覚えているくだりがあります。

　「類人猿から決別して現生人類へ向けて確実な進化が始まった400万年前から、1万年に1種類ずつくらい、全く新しい、認知、理解、様々な知識、判断、行動の意思決定など（感情は猫にもあるのでもっと古いだろう）を司る新しいアーキテクチャ、脳内のサブ・システムの情報処理の仕組み、ハードウエアやソフトウエアの構造が誕生し、時に不整合なまま追加されていったのではないだろうか？ 」

　自然言語の誕生は4万年ほど前と言われます。それ以後に4種類。400万年で、400種類もの異なる仕組みがヒトの脳に付け加わって、うまく機能した系統だけが生き残ってきたとするならば、多層とはいえ、単純で画一的な神経回路網上の結合度が教師データで変化するだけのニューラルネットですべての脳機能が表現できる、とする論法には無理があるように感じます。もちろん、違う仕組みのコンピュータ上で同じ機能が再現できる可能性は否定しきれないですが、その効率、実現可能性は必ずしも高いとはいえないと思います。

　というわけで、今後10年、20年、30年で、人工知能の匂いのする知的なソフトウエアやロボットは着実に普及するものの、2045年に機械の知性が人類を追い越すという第一のシンギュラリティは訪れないだろう、という予測に私は賭けます。生きていれば83歳ですので、掛け金を払うかもらうか、いずれにせよ、結果を確認できる確率は五分五分くらいかなと思いつつ（祖父が99歳、父が68歳に亡くなっているので自分はちょうど中間の83.5歳まで生きるつもりでいます）、楽しみにしています。

　そういえば、治療型のナノボットなど、医学の進歩によって、2045年の平均寿命が100歳になるという主張もあるようですね。その時点で生まれる赤ん坊についてのことであり、現在の国際紛争、テロや貧困が撲滅されていれば有り得ないことではない、というくらいに期待したいと思います。

　新年の最初の記事を書いてから2週間の間、ディープ・ラーニングや量子コンピュータを含む、最近の人工知能関連の話題、研究の最前線について問い合わせを受けて調べ、考える機会が顕著に増えました。本業の合間にじっくり考えたり、若手研究者と話をしてきたわけですが詳細は別途お話しするとして、ここ四半世紀、計算量が爆発的に増えるため個人的には懐疑的なスタンスを取ってきた多層ニューラルネット（≒ディープ・ラーニング）について、肯定的に評価するようになったという変化がありました。

　お引き合いや問い合わせは、いわゆるビジネス応用についてのものが多いわけですが、人工知能応用の5年後、10年後を語れ、と言われた時に、研究の最前線、その勝算について考えないわけにいきません。とはいえ、基礎的なアルゴリズムの「勝ち筋」が仮に分かったとしても、産業に、生活に、ITインフラに、多彩な影響を与える応用がどうなるかが簡単に読めるわけではありません。

　そこで、具体的な応用テーマを眺める前に、人工知能にはどんな種類があるのか、どんな分類法をすれば見通しが良くな（った気がす）るか、元旦の初夢で思いついた「人工知能の3軸分類」を用いてご紹介したいと思います。

人工知能は万能にあらず。様々な種類、方向性がある

　ビジネスマンの会話の中でも、テレビ番組への取り上げられ方でも、人工知能には様々なニュアンスが伴います。画像や動き、音声を認識したり、人間の言葉や感情を僅かでも解釈するような技術要素が入れば人工知能だし、チェスや将棋、囲碁のように人間がプレイヤーとなって頭を使うゲームや作業も、全般に人工知能と呼ばれがち。少し気の利いた、進んだ会話を自覚する人々の間では、楽器の演奏など身体を駆使した、従来は人間にしかできなかった作業全般も人工知能、ロボット技術と認知されています。本連載で以前取り上げた対話ロボットというソフトウエアや、クイズに答えるソフトウエアはランキング、レコメンデーションと似た技術の延長にあるにもかかわらず、やはり人間臭いところから人工知能、と認識されていることでしょう。

　少し幅広く「知的なふるまいをするソフトウエア」と緩く定義しておいて、どんな種類の人工知能（以下、AIと略記） があるのか考えてみたいと思います。

　予告させていただいた「初夢」では、従来からある「強いAI」対「弱いAI」、「専用AI」対「汎用AI」に加えて、「大規模知識・データに基づくAI」対「小規模知識・データで動くAI」という3つの軸で分類し、様々な位置関係に色々な違ったタイプのAIがあるととらえてみよう、と思い立ちました。

　「強いAI」とは、「人間の脳と同じふるまい、原理の知能を作る」ことを目指すAI研究のことを指します。「弱いAI」は、「人間の能力を補佐・拡大する仕組みを作る」ことを目指すので、必ずしも人間の脳の構造や、機能さえも解明する必要はないということになります。

　汎用、専用というのは、相対的に取ることもできます。たとえば、チェスしかできない機械と、チェスも将棋も、囲碁もできる機械とを比べたら、後者のほうが汎用的と言えるでしょう。ただしAI研究の世界ではもっと次元の違う汎用性、例えば知識を新たに自分でその場で獲得しながら使いこなしていけるという、メタ知識をもって未知の事態にある程度対応できるAI、汎用の学習能力を持ったAIのことを汎用のAIと呼ぶことが多いようです。知識やデータの多いか少ないかの違いは、読んで字のごとくです。

人工知能（AI）の3軸分類

• 強いAI vs 弱いAI
• 汎用AI（万能、広い） vs 専用AI（個別、狭い）
• 知識・データが多量 vs 知識・データが少量

「強－弱」「専用－汎用」「知識・データの量」の3軸で分類

　この3Dグラフ上のいくつかの位置について見てみましょう。

　まず、「強いAI」で「汎用的」で、「大規模知識・データ」を備えているAIなら、人間のような認知、理解、学習も全部できた上で、人間が苦労してプログラミングして教え込むことなく、何千種類もの専門家の知識を急速に自分で獲得して、全知全能のようにふるまうという機械となるでしょう。このようなAIが、いつか質的にも人間の理解や発想の能力を超えて、超・知性として進化し始める特異点がある、と考えるのが「シンギュラリティ（2045年問題）」論者です。

　次に、今度は具体例としてIBM社の初代「ワトソン」コンピュータがどんな種類のAIであるか考えてみましょう。まず、人間のクイズ王を凌駕するほどの大量知識を備えていることには誰も異論はないでしょう。次に、その構造や「理解の仕方」がどうかというと、確かに様々なジャンル（文学、歴史、地理、物理、化学、生物、地学、数学、音楽、映画、などなど）に通じているようには見えますが、各専門知識を、その専門にある程度合わせた構造で持つ場合もあり（数式や年号など）、それを足し合わせた仕組みということで、専用AIの集合体と位置付けるほうが適切でしょう。

　言語の構造、すなわち、主語と述語「＊＊＊がどうした」、目的語と述語「＊＊＊をどうする」のパターンが似ているという、浅い知識照合で解答候補をランキングしている部分は汎用的とも言えるのですが、逆にその分野の専門知識を備えているというには程遠いと言えます。検索エンジンのランキングや、ECサイトのレコメンデーションエンジンに近いと言えるわけで、IBM社自身が当初言っていたように、処理方式の主要部はAIではない、という評価が妥当かもしれません。

　ふくらはぎの辺りに電極、センサーを取り付けて、脳波が足の筋肉にどんな指令を出し、それがフィードバックされるかを刻々と測定して筋力をアシストし、寝たきりの人を歩行できるようにしたCyberdine社のHALはどうでしょうか。失われた能力を補完し復活を手助けするという機能は「人間の能力を拡充」に含まれるので、明らかに「弱いAI」に該当します。汎用的とは言えないので専門的。知識量が将来増えるのかもしれませんし、知識量の数え方、計り方もよく分かりませんが、百科事典の数百万項目やウェブ上の知識情報に比肩できる水準ではないでしょうから、小規模知識・データ、に該当すると言えるでしょう。

　アシストする臓器が「人間の脳」という事例も近い将来出てくるように見聞します。分かりやすく具体的に描いた例として、米国の近未来SF TVドラマ“Intelligence” の主人公ガブリエルの脳に埋め込まれたチップでネットに接続し、膨大な情報を自在に引き出して、「サイバー・レンダリング」と呼ばれる機能で脳内に3Dイメージを再構成し、それを通常の脳機能で“眺めて”、何かを解釈、発見するようなことが実現したとしましょう。「弱いAI」であり、超「大規模知識・データを活用」したものであり、脳がインターネットに直結するようなもので、汎用の仕組みで脳の能力を拡大するわけですので「汎用AI」と言っても良いのではないでしょうか。

IoTの人工知能はどこに位置付けられるか　

　年初にラスベガスで、過去最高の約17万人を集めて、世界最大級の家電展示会CES（Consumer Electronics Show）2015が開かれました。

　個人的には、Royal Gateの梅村社長がモバイル決済デバイス、システムを引っ提げてブースを構え、日本のベンチャーとして気を吐いたのが非常に嬉しかったですが、全体としてはやはりモノのインターネットIoT（Internet of Things）が最大の話題であったようです。

　あらゆる家電製品、デバイスがインターネットにつながると言っても、CES2015で注目されたのは次の4つです：

• ウエアラブル
• ドローン／ロボティクス
• スマートホーム
• 自動車
  

　四半世紀前の第2次人工知能ブームでは、人工知能はソフトウエアである、というのが通常の理解だったと思います。それがここへ来て、さまざまなハードウエアや、生体との連動、融合と言っていいような応用の動きが注目されたり、ドローンのように人間や、人間が操縦する航空機器では対応できなかったような問題解決や視点（新しい芸術的映像）も生まれています。

　これらは全般に、人間の能力、特に乳幼児が当たり前にできることを忠実に機械に真似させようとする（言葉の覚え方を含め！）といった「強いAI」の方向とは正反対の方を向いていると言えるでしょう。住宅や自動車など、ヒトより大きな人工物に知性を持たせたり、IoTと言わずに「ソーシャル・マシーン」と呼ぶ向きのように、かつての、一人の人間という単一個体についての科学的探究（認知科学ですね）から飛翔して、人間集団に機械の個体も加わって違和感のないふるまいをさせたりする方向性が注目されています。これも、第3次ブームの特徴ではないかと思います。

　次回は、人工知能の進化をめぐる楽観論と悲観論について取り上げてみたいと思います。人工知能がすぐにも人間の知能を追い越して進化するように見積もることで、映画『ターミネーター』や『トランセンデンス』のように機械が人間を支配しようとする、技術的には楽観的になることで人類にとって悲観的な未来を描く向きもあります。ただし現場の最前線の技術を具体的に知悉している人は、どちらかというと正反対の見方をする人が多いようです。

　私が米マサチューセッツ工科大学（MIT）人工知能研究所（通称“AIラボ”）に研究員としてお世話になった1993～94年から20年が経ちました。MITのメディアラボにも1、2度表敬訪問しましたが、当時のニコラス・ネグロポンテ所長は私に対し、“Right Institution, but wrong Laboratory!”と言って、同じMITというニアミスなのになぜうちの研究所（メディアラボ）に来なかったのだ？と笑いました。

　そのネグロポンテ所長の言葉に対しては、「日本語や英語などの言語の研究は奥深く、シンプルな少数の手法だけではなかなか翻訳や検索などの実用システムは作れないので、デモ作り至上主義のメディアラボでは首になっちゃいますよ！」とおどけて答えたものです（当時のメディアラボは、“Demo or Death”というほど全研究員に対してデモ作りを重視しており、理論や分析は実際、後回しというスタンスの研究者が多かった気がします）。

　AIラボでは理論的ブレークスルーを目指し、言語について、今でいうビッグデータを構造化し、分析し、その妥当性を複数の認知科学的な手法で評価する仕事に、年間363日は没頭したものです（残りの2日は、フリーウェイを300km飛ばしてタングルウッド音楽祭に出向いたのと、日本からの客人への応対に費やしました）。

　ネグロポンテ教授は、昨年のTEDトーク (邦訳「スーパープレゼンテーション」でNHKが放映） の中で、過去30年間、およそ隔年で彼の話した内容を振り返り、“I have actually been to the future!（かつて私は実際に未来に行ったものだ）”と断言しました。それくらい当時から未来を先取りして、様々な21世紀のシステムやソフトウエアを試作し、動かして見せたということですね。

　『Being Digital』（物質＝Atomより情報＝Bitが経済社会の主役となる）という彼の「預言書」には20年後、30年後の生活様式、例えば電子端末を指でこすって新聞や雑誌を読むようになる、などと書かれ、「そんなことは絶対にありえない！」とジャーナリストに猛攻撃をくらったことを勲章のように感じる、と語っていました。グーグル・ストリートビューの撮影にそっくりなことをグーグルより20年以上前にやっていたビデオ映像など、先見の明の証明としてなかなか説得力がありました。

　ネグロポンテ先生の足元にも及びませんが、それでも同じMITながら違う研究所で研究生活を送った者として、25年前の人工知能ブームと、今日の人工知能への期待とを対比し、取り巻く環境の違いなどを少々綴ってみたいと思います。

　四半世紀前、日本が国威をかけ、千数百億円の国家予算を投じて取り組んだ第五世代コンピュータ開発機構ICOTのプロジェクトは失敗に終わったとされています。これは知的なコンピュータ、推論マシンの開発や並列プログラミングに重きを置いていましたが、自然言語処理も重要な研究テーマの1つでした。

　人工知能的なコンピュータの実現には自然言語理解が不可欠、という主張は当時のICOTの予算配分も左右したし、最近では、機械の知的能力の総量が全人類の知的能力を超える「シンギュラリティ」の代表的論客Kurzweil博士（米グーグル社）も信奉するところと言われます。

　ICOTの判断に当時、機械翻訳開発に注力していた富士通、NEC等の大手メーカー8社が加わって、大規模知識ベース、特に計算機が言葉を”理解”するための辞書の開発プロジェクトがスピン・オフ。私自身も開発メンバーとなったEDR電子化辞書プロジェクトが立ち上がりました。これは機械翻訳に人工知能的要素を取り入れて言葉の意味をとらえ、文脈に応じておおよその訳し分け（例：bankは「銀行」？「（川の）浅瀬」？） ができることを目指した野心的なものです。日本語や英語などから独立の概念体系と概念記述を50万概念について構築しようとして、ある程度の知識資産を残すに至りました。

　この当時、他国では別のアプローチで2つ、大規模知識ベースの研究開発が走っていました。一般の社会人が当たり前に知っている様々な“常識” 知識を、専門の知識編集者が機械に入力する、Douglas B. Lenat教授らの“Cycプロジェクト”と、もっと実証性・客観性・再現性を重んじて「概念でなく単語（英単語）の間の関係ネットワーク」構築を目指した、George A. Miller教授らの “WordNet : An Electronic Database”（野村も”WordNet for Linguisticsの章”のアイデア発案者であり執筆者の一人として加わっています）です。

　EDRと合わせて、3つの大規模知識ベースとも、ビッグなデータという資産を残しました。当時の専用マシン向けのソフトウエアが現状はほとんど動作しなかったり、保守改良されない状態になっているのに対してずっと良く、予算投入した甲斐があった、ということができるでしょう。中でも、WordNetは、英語以外の言語にアレンジされて構築が進み、来る本格人工知能を開発するための強力な知識インフラとして、現在も成長を続けています。

　冒頭の自問に戻ります。

「四半世紀前と違って、なぜ今回はうまくいきそうなのか？」

　1つの材料としては、上記のようにかつての人工知能研究ブームの遺産があり、その後、ノウハウ、経験を積んだから、という技術開発側の事情も確かにあります。しかしそれ以上に、ビッグデータと、それを組織化・活用してスマホのアプリなどの形で様々なサービスが提供され、またAPIという使いやすい部品がクラウドでいつでも使えるという状況によって、「真に役立つ」人工知能的なアプリを作りやすくなったという事情の方が大きいように感じます。

「なぜ、今、人工知能なのか？」

　ネット上のデジタル情報量が10年で1000倍と指数関数的に増える「情報爆発」が継続し、自分に必要な情報を読み切れない、選択肢が多すぎて全部トライしている時間がなくなってきた、という人々のニーズは重大です。情報は飛躍的に増えており、目下の判断、意思決定にとって肝要な、自分に最適な情報に行きつけず、情報洪水の中で溺れかけてしまう。だから、本当にベストの解でなくてもいいから、そこそこ使える、頼れる解を「友達」に聞こう、というソーシャルに向かう解決法もありました。しかし、皆が分野ごとに全知全能の友達をそろえているわけではありません。人とのコミュニケーションには膨大な時間がかかるし、ギブ・アンド・テイクの収支に気を遣うあまり疲弊していく人も出てきます。

　「届いたメールを全部読める人などいなくなっている。でも、庶民全員が秘書を四六時中控えさせておくわけにはいかない」という状況で、不都合を回避、軽減するほとんど唯一の解は「機械に代読させる」ことではないでしょうか。ここに、特に先述のKurzweil博士が主張する「自然言語理解」を中心とした人工知能的アプリケーションへのニーズがあります。

　文章を代読したり、さらには、そこから得られたパラメータ（メタデータ！）をもとに、細々とした雑用を、いちいちその詳細は報告せずに、自分でやり方を調べて、こなしてくれる。このような「代行者」としての人工知能がいてくれたら本当に便利ですね。かつての人工知能ブームの末期にも、ネット上をお出かけして他のコンピュータから教えを乞いて問題解決をするモバイル・エージェントが提案されました。エージェントを記述するTelescriptという名の言語も現れましたが、広く普及するには至りませんでした。

　ここ四半世紀で、パーソナルコンピュータの計算速度は何桁も速くなり、インターネットも大容量化して、無線で動画を見放題という、かつては想像もできなかったほどの利便性、体感速度を実現するに至りました。また、機械同士がコミュニケーションするインフラとして IoT (Internet of Things: モノのインターネット）のための軽量言語MQTTが普及し始めたり、そもそも大量データの供給源として、多彩なセンサーが使われるようになり、例えばスマホを振る“シェイク”動作のログを延々とクラウドに吐き続ける仕組みが当たり前のように普及してきました。3Dプリンターに象徴される多彩な出力デバイスが、アイデアを文字通りに具現化したり、サービスの形で供給する具体的な手段として現れ、年々、劇的に価格低下しています。

　計算機の速度が上がっただけで、かつては使いものにならないほど遅かったアルゴリズム（計算手順）が実用になってくる場合もあります。あるいは、たくさん計算できるようになった分、精度が低くて実用にならなかった診断や単純な予測処理が、実用的な精度にもっていけるようになった、ということもあります。

　以上、ニーズとシーズの両面から「機は熟してきた」と論述しましたが、実は、ニーズとシーズは全く独立・分離したものではありません。「優れた道具は、持ち手に新しい使い方を閃かせ、もはや発明者、制作者の思惑を超えて独り歩きする」というアラン・ケイの言葉の通り、優れたインタフェース・デザインの道具は使い手の創造性を刺激し、新たな問題解決に使われ、新たなニーズ、ひいては市場を開拓していくものです。

　逆に、もちろん、伝統的な教訓「必要は発明の母」も然り。多彩なソーシャルメディアからごく短期間に吸い上げたニーズにこたえるサービスがすぐに実現し、使い手に渡ってフィードバックを受けて改良される。これを象徴する出来事の一つが、孫正義さんがツイッターで、フォロワーからの何らかの要望を含む書き込みを読んで「やりましょう！」と宣言し、2～3週間後に「できました！」と言ってまたツイッターで報告したというエピソードです。これは2010年か2011年の流行語大賞になるのでは、とつぶやかれ、また、その後も、2013年のソフトバンク株主総会で「やりましょう」と言ってしまった事件などが記憶に新しい人もおられることでしょう。やらされる社員さんたちは大変ご苦労様ですが、ユーザーにとってはこのように迅速にニーズを吸い上げてもらえる環境、インフラは歓迎するしかない、と言えるでしょう。

　この他にも、四半世紀もの間には歴史的事件がいくつも起こり、ビジネス上のトレンドも何度も変化してまいりました。中でも、9・11や3・11を経て、人々はますます自分の時間の貴重さ、それがかけがえのない有限の資源であることを自覚するようになった変化は大きいと思われます。かつては、“Time is money”「時は金なり」と言われていた程度だったのが、いやはや“Time is life!”「時は命なり！」です。

　他人の時間を無為に奪うことは、文字通り、その人の命の一部＝有限な人生の時間を奪っていく”partial murder”「部分的な殺人」である。こうした消費者の意識の変化を前提にした経済モデルとして、「アテンション・エコノミー」 が生まれ、様々なメディア間で、消費者の時間を奪い合う様子に注意が集まるようになりました。

　こうなってくると、新参者のサービスの多くが、「ユーザーの細切れの時間に使ってもらう」とか、「細切れの時間の集約に寄与する」とか、「ユーザーが迅速に適切に判断できるよう集約・要約する」とか、さらには、「たくさんの雑用を代行する」というカテゴリに該当するようになってきます。この「雑用」というのが曲者で、これぞ人間の得意分野である融通の利く対応や、優れた柔軟性を求められることが多いのです。だから、このようなニッチ時間を活用する雑用的なサービスが「人工知能的」な様相を呈してくるのに何の不思議もありません。

　少し長くなりましたので、元旦の初夢で思いついた、「人工知能の3軸分類」のご紹介など、次回にしたいと思います。