ロボットの設計は「赤ちゃん」から始めるべきでしょうか？

人工知能は大きな進歩を遂げているようだ。自動運転車、自動翻訳システム、音声・テキスト分析、画像処理、各種診断・認識システムなどの基幹技術となっています。多くの場合、AI は特定のタスクにおいて最高のパフォーマンスを発揮する人間よりも優れたパフォーマンスを発揮します。

私たちは、非常にダイナミックで、巨額の投資と無限の可能性を秘めた新しいビジネス分野の出現を目撃しています。人工知能によって改善できない分野、自動化できないタスク、人工知能によって解決できない問題は存在しないようです。しかし、本当にそうなのでしょうか?

コンピューティングに関する理論的研究により、計算できないものがあることがわかっています。数学者であり暗号解読者でもあるアラン・チューリングは、計算の中には決して完了できないものもあれば、完了したとしても数年、あるいは数世紀もかかるものがあることを証明しました。

たとえば、チェスのゲームの最初の数手は簡単に予測できますが、80 手あるゲームで最初から最後まですべての手順を計算するのはまったく非現実的です。 1 秒間に 10 京回の計算を実行できる世界最速のスーパーコンピュータでも、ほんのわずかな部分を計算するのに 1 年以上かかります。これはスケールアップ問題としても知られています。

初期の AI 研究では、「Three in a Row」ゲームのようなシミュレーション問題など、少数の数字が関係する問題で有望な結果が得られました。しかし、チェスなどの大きな数字を扱う問題や現実世界の問題になると、結果は良くありません。幸いなことに、現代の AI テクノロジーは、この種の問題を解決する他の方法を開発しました。人工知能は、すべてのステップを計算するのではなく、近似アルゴリズム、確率推定、大規模ニューラルネットワーク、その他の機械学習技術を使用して人間の脳よりも先を考えることで、世界最高のチェスプレイヤーに勝つことができます。

しかし、これらは実際には人工知能ではなく、コンピューターサイエンスの分野に属します。 AI のインテリジェントな動作には根本的な限界があるのでしょうか? 人間とコンピューターの相互作用を考えると、深刻な疑問が明らかになります。将来、AI システムは人間と友好的かつ完全にインタラクティブで社会的なやりとりを通じてコミュニケーションをとり、人間を支援できるようになると広く予測されています。

心の理論

もちろん、そのような AI システムの初期バージョンはすでに存在します。ただし、音声コマンド システム、コール センター、テキスト処理などは、真の人間とコンピュータの対話ではありません。必要なのは適切な社会的交流と長期にわたる自由な会話であり、AI システムは会話している相手を記憶し、その人との過去の会話を記憶することができます。 AI システムは、人が話す内容の目的と意味も理解できなければなりません。

これには、心理学の概念である「心の理論」が必要です。心の理論とは、私たちがコミュニケーションを取っている相手が私たちと同じような考え方や世界観を持っているという理解です。そのため、他の人が自分たちの経験を私たちと話し合うとき、私たちは彼らが何を説明しているのか、それが私たちにどう響くのかを特定し、理解することができます。

ジェスチャーやシグナルを通じて、人の意図や好みを推測することもできます。したがって、サリーが「ジョンはゾーイのことを好きだと思うけど、彼はゾーイが自分を相応しくないと思っているかもしれないと思っている」と言うとき、サリーの言葉の最初の層は彼女自身の考えであり、2 番目の層はジョンの考えであり、3 番目の層はジョンがゾーイが考えていると考えていることだとわかります。これを理解するには同様の経験が必要です。

物理学の学習

明らかに、これらすべての社会的相互作用は、関係者が「自己」の意識を持ち、同様に相手方の自己意識を維持できる場合にのみ意味を持ちます。他人を理解するには、まず自分自身を理解しなければなりません。 AI の「自己モデル」には、身体がどのように機能するかについての主観的な視点 (たとえば、視点は目の物理的な位置によって決まる)、自身の空間の詳細なマップ、よく知られているスキルとアクションのリストが含まれている必要があります。

つまり、具体的なデータと経験に基づいて自己認識を構築するには、物理​​的な実体が必要であるということです。あるエージェントの行動が別のエージェントによって観察されると、両者は経験の共有部分を通じてお互いを理解することができます。つまり、ソーシャル AI を物理的なロボットに実装する必要があるということです。ソフトウェア ボックスは、人間が住む物理的な世界について、どのように主観的な視点を持つことができるでしょうか。これを実現するには、会話システムはこのエンティティを埋め込むだけでなく、それを具体化する必要があります。

設計者は、ロボットにソフトウェアの自己認識を効果的に組み込むことができません。主観的な視点が最初から設計に組み込まれている場合、それは設計者自身の視点ですが、ロボットは設計者が気づいていない経験も学習して処理する必要があります。したがって、私たちが設計する必要があるのは、学習をサポートするフレームワークです。

幸いなことに、これらの困難は克服できます。人間世界もまったく同じ問題に直面していますが、一度にすべてを解決することはできません。幼児期の最初の数年間は驚くべき発達と進歩が見られ、その間に私たちは自分の身体を制御する方法、物体、他の人、環境を認識して経験する方法を学びます。また、どのように行動するか、そして自分の行動ややりとりの結果も学びます。

発達ロボット工学という新しい分野の研究では、赤ちゃんと同じようにロボットに新しいことをゼロから学習させる方法を模索しています。最初の段階では、受動的なオブジェクトの特性とロボットの世界の「物理学」を発見します。ロボットは人間とのやりとりを模倣し始め、徐々により複雑な自己を構築していきます。

したがって、肉体のない AI システムは基本的に限界があるものの、機械エンティティに関する将来の研究により、人間と機械の間の長期的かつ共感的で社会的な相互作用が現実のものとなる可能性があります。