認知マップの科学的インベントリ: グローバルな第3世代AIの「大きな」機会

近年、人工知能 (AI) は、ディープラーニング、コンピューター ビジョン、自然言語処理などの技術革新と実用的なアプリケーションを活用して、人間の認知を絶えず覆しています。AlphaGoは自己強化学習によって人間のトップ レベルの囲碁プレイヤーを打ち負かし、最近では Alphafold が過去 50 年間の生物学分野における大きな課題であるタンパク質分子の折り畳み問題を解決しました。

AIの概念が1956年に初めて提唱されて以来、AIは60年以上の開発の歴史を持っています。現在、関連理論と技術の継続的な革新により、AIはデータ、コンピューティング能力、アルゴリズムの「3つの要素」のサポートにより、ますます私たちの日常生活に入り込んでいます。たとえば、一般的な音声認識、顔認識、機械翻訳は、携帯電話やコンピューターなどのスマートデバイスに適用されています。

しかし、この一連の驚きの背後には、ほとんどの AI が言語理解、視覚シーン理解、意思決定分析などで苦戦しているという事実があります。これらの技術は依然として主に知覚レベルに焦点を当てており、つまり AI を使用して人間の聴覚、視覚、その他の知覚能力をシミュレートしていますが、推論、計画、関連付け、作成などの複雑な認知インテリジェンスタスクを解決できません。現在のAIは、情報が「脳」に入った後の処理、理解、思考が欠けており、比較的単純な比較と識別しか行わず、「認知」ではなく「知覚」の段階にとどまっています。知覚知能技術に基づくAIは、人間の知能にはまだまだ遠いものです。

その理由は、AI が、大規模な常識的な知識ベースと認知に基づく論理的推論という、その発展を制限するボトルネック問題に直面しているためです。ナレッジグラフ、認知推論、論理表現に基づく認知グラフは、国内外の学者や業界リーダーの間で「現在この技術的ボトルネックを打破できる実現可能なソリューションの 1 つ」と見なされるようになっています。

現在、人工知能の発展は表現と計算から知覚までの2段階を経ており、次の段階の核心は認知です。中国科学院院士で清華大学人工知能研究所所長の張北氏は、早くも2016年に第3世代AIシステムのプロトタイプを提案し、2018年末に第3世代AIの理論的枠組みシステムを正式に発表した。その中核となる考え方は、説明可能で堅牢なAI理論と方法を確立すること、安全で信頼性が高く、信頼性が高く、スケーラブルなAI技術を開発すること、そしてAIの革新的な応用を促進することである。

2019年、チューリング賞受賞者のヨシュア・ベンジオ氏もNeurIPSカンファレンスで、ディープラーニングは知覚を基盤とし、認知に基づく論理的推論と知識表現の方向に発展すべきだと指摘した。この考えは、院士の張北氏が提唱する第3世代AIの考えと一致している。

図 | AIの発展段階

現在、第3世代AIの概念は国内外で幅広い影響力を獲得しています。業界では、認知知能が人工知能の生産能力をさらに解き放つ鍵となると一般的に考えられており、認知グラフは、機械がデータの本質を理解できるだけでなく、機械が現象の本質を説明できるようにもなる認知知能技術のブレークスルーを達成するための鍵となります。

認知グラフ: 認知知能を実現するための鍵

機械認知知能の発展過程は本質的には人間の脳力の継続的な解放の過程であり、人工知能の最高段階です。しかし、機械に認知的知能を与えることの核心は、機械に理解し説明する能力を与えることです。この能力の実現は、大規模で構造化された背景知識と切り離せません。

現在のインテリジェント システムは、知覚の面では人間のレベルに達しているか、あるいはそれを上回っていますが、堅牢性、説明可能性、安全性、信頼性の面ではまだ多くの欠点があります。例えば、モデルの堅牢性が低く、正確性との共存が難しい、モデルの解釈可能性が低く、高い信頼性が求められるタスクの処理が難しい、知識を蓄積する能力が欠如しており、既存の人間の知識システムとうまく接続できない、信頼できる推論方法が欠如している、などです。

認知グラフは、認知心理学、脳科学、人間の知識を組み合わせて、知識グラフ、認知推論、論理的表現を統合する新世代の認知エンジンを開発し、大規模な知識の表現、獲得、推論、計算の基本理論と方法をサポートし、知覚知能から認知知能への人工知能の進化を実現し、説明可能で堅牢な認知知能を確立することを目指しています。

機械認知知能を実現するための基礎的なサポート手段として、認知グラフは、電子商取引プラットフォーム、スマートシティ、司法業界、金融業界、セキュリティ業界、ビッグデータの正確で詳細な分析、スマート検索、インテリジェントな推奨、インテリジェントな解釈、自然な人間とコンピューターの相互作用などにおいて極めて重要な役割を果たします。

認知マップの発達は意味ネットワークにまで遡ることができます。 1968年、M.ロス・キリアンは、人間の長期記憶モデルを研究する際に、人間の長期記憶の一般的な構造モデルを説明しました。彼は、記憶は概念間のつながりによって実現され、複雑なネットワークに保存されると考え、これに基づいて意味ネットワークの概念を提唱しました。

同年、エキスパートシステムの父でありチューリング賞受賞者のエドワード・ファイゲンバウムらが世界初のエキスパートシステムDENDRALを開発しました。エキスパート システムは、初期の AI の重要な分野です。専門的な知識と経験を備えた一種のコンピューター インテリジェント プログラム システムと見なすことができます。通常、エキスパート システムは AI の知識表現と知識推論技術を使用して、通常はドメインの専門家によってのみ解決できる複雑な問題をシミュレートします。

1998年、ワールドワイドウェブの父であり、ACMチューリング賞を受賞したティム・バーナーズ＝リー卿もセマンティックウェブの概念を提唱しました。その核となるアイデアは、ワールドワイドウェブ上の文書（HTML文書、XML文書など）にコンピュータが理解できる意味的な「メタデータ」（Meta Data）を追加し、インターネット全体を普遍的な情報交換媒体にすること、つまり知識を使ってインターネットを表現し、常識的な知識ベースを確立することです。

2006 年に Tim Berners-Lee は、リンク データの概念を提唱しました。これは、データをセマンティック ウェブに公開するだけでなく、データ間にリンクを確立して巨大なリンク データ ネットワークを形成することを意味します。その目的は、人間が読める単なるドキュメント ネットワークではなく、コンピューターが理解できるセマンティック データ ネットワークを構築し、その上によりスマートなアプリケーションを構築することです。

2012 年に、Google の Amit Singhal 氏らが Knowledge Graph の概念を導入しました。ナレッジ グラフは、概念、エンティティ、イベント、および客観的な世界におけるそれらの関係を、セマンティック ネットワークの構造化された方法で記述します。従来のオントロジーやセマンティック ネットワークと比較すると、エンティティのカバレッジが高く、より複雑で包括的なセマンティック関係を備えています。

図 | 認知マップの進化 (出典: レポート「人工知能の認知マップ」)

しかし、機械に認知知能を持たせるための鍵は、機械に理解力と解釈力を持たせることであり、この能力の実現は大規模で構造化された背景知識と切り離せないものです。 2020年、清華大学コンピュータサイエンス学部の教授兼副学部長である唐潔氏は、報告書「人工知能の次の10年」の中で、認知科学とコンピュータ理論を組み合わせた「認知グラフ＝知識グラフ＋認知推論＋論理的表現」という認知知能を実現するための実現可能なアイデアを提案し、知識の表現、推論、意思決定、そして人間の認知を利用して複雑な問題を解決したいと考えている。

このアプローチの基本的な考え方は、認知科学におけるデュアルチャネル理論を組み合わせることです。人間の脳の認知システムには、システム 1 とシステム 2 という 2 つのシステムが存在します。システム 1 は、人間が関連情報を直感的に一致させることで答えを見つけることができる直感的なシステムであり、非常に高速かつシンプルです。一方、システム 2 は、特定の推論と論理を通じて答えを見つける分析的なシステムです。

たとえば、具体的な質問に答えます。2003 年にロサンゼルスの Quality Cafe で映画を撮影した監督は誰ですか?

この質問に答えるには、まずシステム 1 が関連するビデオを見つける必要があり、次にシステム 2 が決定を下します。標準的な答えであれば、推論プロセス全体が終了します。標準的な答えでない場合、対応する情報が有用であれば、有用な情報としてシステム 1 に提供されます。システム 1 は知識を拡大し続け、最終的な答えが見つかるまでシステム 2 が再度決定を下します。

認知グラフの核心は、知識駆動型とデータ駆動型のアプローチを組み合わせた知識表現と推論を統合した認知エンジンを実現し、堅牢で説明可能な人工知能を支える大規模知識の表現、獲得、推論、計算の基礎理論と手法を研究し、言語知識、常識知識、世界知識、認知知識、および典型的な業界知識ベースを含む大規模な知識グラフを構築し、知識コンピューティングサービスプラットフォームを確立することであることがわかります。

機会と課題は共存する

近年、AIは急速な進歩を遂げていますが、ディープラーニングと大規模な常識知識を組み合わせて認知推論や論理的表現を実現するには、依然として大きな課題が残っています。

常識知識グラフ、認知推論、論理表現などのコア技術を統合した認知グラフの研究開発は、次世代AI技術のブレークスルーを達成する鍵となるでしょう。認知グラフを基礎データサポートとして、推論、説明可能性、認知を備えた新世代のAIを実現することは、今後10年間のAI分野における重要な開発方向であり、機会と課題の両方を伴う開発方向でもあります。

周知のとおり、技術の進歩と発展は人材による継続的な革新と切り離せないものであり、科学技術競争は究極的には人材獲得競争です。では、中国、さらには世界を見渡して、認知マッピングの分野で才能のある人材はどこにいるのでしょうか?

最近、清華大学人工知能研究所、北京人工知能アカデミー、清華大学・中国工程院知識知能共同研究センター、アリババグループ・新小売知能エンジン事業グループが共同で「認知グラフ研究報告」レポートを発表した。このレポートは、AMiner プラットフォームを利用して、技術先進国、機関、学者、および認知グラフ関連分野における技術開発の傾向と技術革新のホットスポットの詳細な分析を提供します。

データによれば、世界中の認知マッピングの分野の学者は主に北米、ヨーロッパ、アジアに集中しています。高レベルの学者の数では米国が世界第1位であり、中国と英国がそれに続いている。

図 | グローバル認知マップ分野の研究者分布図（出典：レポート「人工知能の認知マップ」）

その中で、中国と米国の高レベル学者の数は他国よりもはるかに多く、認知地図に関連する分野で大きな発展の可能性を秘めています。中国は米国に次ぐ世界第2位の大学ではあるが、高等学者の数は米国の半分程度と大きな差がある。

図 | h指数TOP5000世界の学者の国別統計トップ10

認知地図分野の国内学者は主に、北京・天津・河北地域、長江デルタ、珠江デルタ、香港、台湾などの中国経済と政治が発展した地域に分布しており、中部、西部、東北部の学者は比較的少ない。

図｜中国の認知地図における関連分野の学者の分布図（出典：「人工知能の認知地図」報告書）

具体的には、認知地図関連分野の研究者数では、北京、上海、江蘇がそれぞれ129人、45人、36人でトップ3にランクインした。 （h指数を選抜条件として、世界トップ5000名の学者を選出し、学者の地域分布を地図で表示・分析しています。色が赤く円が大きいほど、才能が集中していることを示しています。）

図 | h指数TOP5000 中国学者の上位10省・都市

さらに、米国は、認知マッピングの分野における論文発表数、総引用頻度、高レベルの研究者の数において世界トップクラスにランクされています。中国は論文発表数や高レベル研究者の数では米国に次ぐ世界第2位であるが、中国と米国の間には大きな差があり、論文の引用総数は英国やドイツよりも低く、世界第4位となっている。

図 | 論文引用頻度上位10カ国

また、報告書ではAMinerプラットフォームに基づき、流入・流出する学者数の合計をスクリーニング条件とし、2009年から2020年までの認知地図関連分野における世界の学者流入数上位10カ国を集計している。

データによれば、米国、カナダ、フランスに流入する学者の数は流出する学者の数を上回っており、中国、英国、ドイツ、イタリア、インド、日本、スペインから流出する学者の数は流入する学者の数を上回っている。

図｜認知マッピング分野の世界の研究者の流れ（出典：報告書「人工知能の認知マッピング」）

このことから、過去10年間で中国における学者の移動は比較的頻繁になっており、これは海外研修や人材紹介など中国が策定した人材政策と無関係ではないことがわかります。経済のグローバル化が深まるにつれ、科学技術人材の国境を越えた流動性が高まり、各国間の科学技術人材の獲得競争が激化しています。

では、中国における認知地図分野の学者の分布はどうなっているのでしょうか?データによれば、北京は他の都市に比べて学者の流入と流出が非常に多い。これは北京に大学や研究機関が多数あることと関係があるのか​​もしれない。また、北京、香港、上海、ハルビンから出国する学者の数は入国する学者の数を上回っており、武漢、南京、西安、杭州、広州、合肥から入国する学者の数は出国する学者の数を上回っている。北京、香港、上海からの学者の流出は、これら3都市の大学の多さ、需要と供給の不均衡、人材の競争力、生活のプレッシャーの増大と密接に関係しているが、ハルビンの地理的環境も一定量の学者流出を引き起こしている。学者の純流入がプラスの都市については、関連データの調査を通じて、これらの都市が人材を導入するための政策を積極的に実施しており、定住、住宅補助、給与などの対応する優遇措置を策定していることがわかりました。

図 | 中国における認知マッピング分野の研究者の流れ（出典：報告書「人工知能の認知マッピング」 ）

以上の分析から、次世代AIの機会と課題に直面して、中国の関連部門は注意を払い、関連する措置を講じ、中国の学者が論文の量に注意を払うと同時に論文の質も向上させる必要があることがわかります。同時に、ハイレベルの科学技術人材チームの構築も加速する必要があります。一方では、新たな国際情勢に対応して、政策、資金、リソースなどの面で現地の育成を加速する必要があります。他方では、重要な海外機関から優秀な学者を導入し、人材構造を改善し、認知マップの分野での技術開発を加速するための努力を強化する必要があります。

今後10年間、推論、説明可能性、認知機能を備えた新世代のAIは、AI分野における次の重要な発展方向となるでしょう。常識知識グラフ、認知推論、論理的表現などのコア技術を統合した認知グラフの研究開発は、次世代のAI技術のブレークスルーを達成するための鍵となるでしょう。しかし、最終的には、関連する人材のたゆまぬ努力に基づくイノベーションにかかっています。