人工知能の進化の限界は肉体にある

[[233888]]

AIの未来は私たち自身のニューラルネットワークを複製することにある

私たちは、チェスで人間のトッププレイヤーに勝てる人工知能を恐れており、多くの人々はそれを「人工知能が人類を滅ぼす」兆候と見なすだろう。しかし、この記事の著者の意見では、近い将来にこの日が来ることを心配しているようには見えません。著者は、人工知能が実現するまでの道のりはまだ長く、重要なステップは脳からどのように学習するかであると考えています。

私たちの脳には限界がないようです。私たちは車を運転するだけでなく、高層ビルを建てたり、会社を経営したり、感情を処理したりもします。私たちは物体を簡単に拾い上げ、柔軟に操作することができ、また、組み合わせて素早く完了できる何百もの複雑なスキルをそれぞれが習得しています。しかし、人工知能はまだそれを実行できないようで、根本的な限界があります。おそらく、Google の DeepMind プロジェクトの共同創設者であるデミス・ハシビス氏は次のように述べている。「『汎用知能』を開発することは本当に可能なのか。人間の脳は、汎用知能が存在する唯一の証拠であり、人間がなぜ、どのようにしてそのような能力を持っているのかを研究し、理解することは、時間の価値がある。」

この記事はbigthinkからのもので、WeChatのパブリックアカウント「Leviathan」によって翻訳されています。著者: Ben Medlock、翻訳者: Carlyle、校正者: Miao Xin。

意識を原始的な認知構造の最上位機能として捉える考え方は非常に魅力的です。結局のところ、自己認識を知覚する方法は、心臓の鼓動や胃の動きを感じる方法とは異なります。脳の行動を分離し、それを層ごとに分析することができれば、有機生命体特有の複雑な肉体を回避しながら、人間のような人工知能を実現できるトップレベルの構造のようなものを作り出すことができるかもしれません。

[[233889]]

2017年7月12日、香港「RISE」テクノロジーカンファレンス会場。ハンソン・ロボティクスが主催する人工知能展示会で、人類の未来についての議論の前にロボットのハンが中心舞台に立つ。写真提供: ザック・ローレンス/AFP/ゲッティイメージズ

私は、Microsoft に買収された予測言語ソフトウェア会社 SwiftKey の共同設立者の 1 人だったので、この考え方の魅力を理解しています。私たちの目標は、人間が言語を理解し使用する驚くべきプロセスをシミュレートすることです。私たちは大きな進歩を遂げました。2012年から2014年にかけて物理学者のスティーブン・ホーキング博士のために構築した新しいハイエンド通信システムをとても誇りに思っています。こうした刺激的な発展にもかかわらず、人間のような知能を生み出すにはまだ遠い道のりであることを私はいつも思い知らされます。理由は何ですか？なぜなら、私たちが認知について構築したモデルが間違っているからです。現在、多くの AI 研究者は、このパズルの最も中心的な部分である具現化のプロセスを解くことができていません。

日本のロボット工学者、石黒浩氏が開発したヒューマノイドロボット「ジェミノイドF」。ロボットの原型は日露混血の美人モデル。Fは女性を意味する。2010年に誕生し、まばたき、笑顔、しかめっ面など65通りの表情を見せる。画像クレジット: ケイト・オッパーマン

1950 年代、現代の人工知能の黎明期には、事態は間違った方向に進んでいました。コンピューター科学者は、シンボルベースの論理システムを構築することで、意識的な論理的思考プロセスをシミュレートしようとします。この方法では、客観的な世界のエンティティをデータ コードに関連付け、環境の仮想モデルを作成し、それを現実世界自体に投影します。

たとえば、記号論理の観点から、「猫は動物である」という結論を学習するためのツールを作成したい場合、いくつかの数学定理を使用して、「猫> である> 動物」などの特定の知識をエンコードできます。このような定理はより複雑な文にも適用でき、システムは文を述べてそれが真か偽かを判断できます。これらの文には、「通常、猫は馬と同じ大きさです」や「猫は通常ネズミを捕まえます」などがあります。

このアプローチは、初期の単純な人工環境では成功しました。1968 年から 1970 年にかけて MIT のコンピューター科学者テリー・ウィノグラッドが設計した仮想世界「SHRDLU」では、コンピューターがユーザーと通信し、円錐や球などの単純な形状の障害物の移動を支援できました。しかし、現実世界の問題に直面すると、記号論理は無力であることが多く、定義が曖昧で理解が広すぎるために、ルールを形成する記号システムが崩壊してしまいます。

過去数十年にわたり、コンピュータの性能が向上するにつれて、研究者は統計を使用して膨大な量のデータからパターンを抽出しようと試みてきました。このアプローチはしばしば「機械学習」と呼ばれます。機械学習では、高次の知識や論理的思考をエンコードしようとするのではなく、ボトムアップのアプローチを採用しています。このアプローチでは、アルゴリズムが繰り返し学習して、画像ファイルに表示されるオブジェクトを分類したり、録音をテキストに変換したりするなど、オブジェクト間の関連性を識別します。このようなシステムは、例えば何百万枚もの猫の写真を見て猫の画像を認識することを学習したり、膨大な量のテキストから情報を抽出して猫とネズミの関係を確立したりできるようになるかもしれない。

質問に直面すると、Watson は何千ものアルゴリズムを同時に実行して答えを見つけ、答えを組み合わせて各答えの信頼度を計算することができます。画像出典: wikipedia

近年、機械学習は幅広く応用されるようになりました。クイズ番組「Jeopardy!」などで、音声認識、画像変換、読唇術などで人間を上回る人工知能システムを開発しました。囲碁を打つ人工知能「アルファ碁」のように、すでにチェスで人間に勝てる機械もあれば、視覚芸術作品の創作、ポップミュージックの作曲、独自のソフトウェアプログラムの記述を学習している機械もある。

ある意味、彼らの自己学習アルゴリズムは、脳組織の潜在意識のプロセスについて私たちが知っていることを模倣しています。機械学習アルゴリズムは、単純な「特徴」（個々の文字やピクセルなど）から始めて、現実世界の情報の解釈に内在する不確実性と曖昧さを考慮しながら、それらをより複雑な「カテゴリ」に組み合わせます。ある意味、これは視覚野の機能に似ています。視覚野は、目から生体電気信号を受信し、それを認識可能なパターンや物体として解釈する構造です。

『2001年宇宙の旅』に登場する高度に知能化されたコンピュータ、HAL9000。画像ソース: Giphy

アルゴリズムが人間のように考えることができるようになるまでには、まだ長い道のりがあります。最も乗り越えられないギャップは、進化する生物学的構造と、生物学的基礎が情報を処理する方法にあります。

人間は数万個の真核細胞から構成されており、化石記録によれば、真核細胞は25億年前に初めて出現した。人間の細胞はそれぞれ、人体の重要な部分であり、現代のジェット機と同じくらい多くの部品を備えたネットワーク化された機械です。これらすべては、生物と自然との長年にわたる愛憎関係から生まれたものです。

ジョン・マクフィーは『Basin and Range』（1981年）の中で、両腕を伸ばして地球の歴史全体を表すと、複雑な生命は手首の先でのみ発達し始め、「中目の爪やすりで一度こするだけで人類の歴史全体が消えてしまう」と書いている。

画像提供: ローズツリーメディア学区

伝統的な進化論では、私たちの体の多様な細胞は、ランダムな遺伝子変異と自然選択を通じて原始的な真核動物から発達したとされています。しかし2005年、シカゴ大学の生物学者ジェームズ・シャピロは、まったく新しい考えを提唱した。彼は、真核細胞が自身の DNA を操作することで環境刺激に反応し、それによって宿主生物の環境に「知的に」適応すると信じていました。最近の微生物学の研究結果もこの見解を裏付けています。たとえば、哺乳類の免疫システムは、病気と闘うための効果的な抗体を生成するために DNA 配列を複製する傾向があり、現在では、ヒトゲノムの DNA の少なくとも 43% が「自然な遺伝子工学」によってある場所から別の場所へ移動できることがわかっています (shapiro.bsd.uchicago.edu/Shapiro.2005.Gene.pdf)。

賢い自己組織化細胞と、一生懸命考える私たちの脳の知能との間の距離は、少し遠いように思えます。しかし問題は、私たちが意識を持ち、考えることができるようになるずっと前から、私たちの細胞は環境から情報を取り入れ、協力して私たちを強力で自立した主体へと形作ることができていたということです。私たちが「知的」とみなすものは、客観的な世界を表示するために単に記号を使用するべきではありません。むしろ、私たちが知っている世界は、自然が私たちに明らかにしたものの一部に過ぎず、それは私たちの発達に根ざし、生物としての私たちのニーズを反映しています。アントニオ・ダマシオは、認知に関する彼の代表作『デカルトの誤謬』（1994年）の中で、「自然は、単に生物学的メカニズムよりも優れているだけでなく、生物学的メカニズムから派生し、生物学的メカニズムに依存する理性を調節するメカニズムを創造した」と書いています。つまり、私たちは脳だけでなく、体全体で考えるのです。

石黒浩が作った人型少女ロボット「コドモロイド」。画像出典: Mashable

この不確実な世界で物理的に生き残るための基本的な要件は、柔軟で強力な人間の知恵の基盤であると信じています。しかし、実際にこの見解に心を動かされている AI 研究者はほとんどいません。ほとんどの人工知能アルゴリズムの原動力は、依然として膨大な量のトレーニング データからモデルを推論することです。そのため、猫をより正確に識別するには、個々の猫の写真が何億枚も必要になります。しかしそれどころか、人間は生物として存在するために必要だったため、より広い環境の中で極めて豊かな思考モデルを確立してきました。私たちの経験と予想に基づいて、より少数のサンプルを観察する場合に起こり得る結果を推測することができます。したがって、人が「猫」という言葉を考えるとき、猫が動いているところを思い浮かべ、喉を鳴らす音を聞き、爪で引っかかれる感覚を感じるかもしれません。彼女は「猫」の定義や、この生き物と交流するのに役立つその他の概念を理解するのに役立つ、豊富な感覚情報の蓄積を持っています。

画像ソース: Tumblr

つまり、人間が新たな問題に取り組む頃には、大変な作業のほとんどはすでに終わっているということです。私たちの体と脳は、まだ理解し始めたばかりの方法で、細胞レベルから世界のモデルを構築しており、それを適用してあらゆる課題に対処できます。

しかし、AI アルゴリズムの場合、このプロセスは毎回ゼロから開始する必要があります。 「帰納的転移」は、以前の機械学習の結果を活用して新しいソリューションを構築することを目的とした、活発かつ重要な研究分野です。しかし、現時点では、このアプローチが人間の心の中にある多様なモデルを捉えることができるかどうかはまだ分からない。

2014年にSwiftKeyがホーキング博士のために新しいコミュニケーションシステムを発表したのと同じ日に、ホーキング博士はBBCのインタビューに応じ、機械が人類を滅ぼす可能性があると警告した。この2つの話のどちらが見出しになるかは、ほぼ予想がつくだろう。 「不正な AI」を真剣に受け止める必要があるというホーキングの意見には私も大いに賛成だが、人間の知能に近づくものについて心配するのは時期尚早だと思う。アルゴリズムと外部環境の間に長期的かつ相互に影響し合う関係を築く方法について慎重に考えない限り、この目標を達成するのはほぼ不可能だろう。