|
私たちは毎年数百人の学生にデータサイエンスを教えていますが、彼らは皆 AI に魅了され、素晴らしい質問をします。車はどうやって自動運転を学ぶのでしょうか? Alexa は私が言っていることをどうやって理解するのでしょうか? Spotify はどうやってこんなに素晴らしいプレイリストを選んでくれるのでしょうか? Facebook は私がアップロードした写真に写っている友達をどのように識別するのでしょうか?学生たちは、人工知能が未来から来たSFロボットではないことを理解しています。 それは今ここに存在します。スマートフォンの登場により世界は変化しています。学生たちはAIを理解し、関わりたいと考えています。
AIに情熱を持っているのは私たちの学生だけではありません。米国のアマゾン、フェイスブック、グーグルから中国の百度、テンセント、アリババに至るまで、世界最大の企業も彼らと同じくらい喜んでいる。これらの大手テクノロジー企業が、自社の将来にとって極めて重要だと考えている人工知能の人材を求めて、費用のかかる世界規模の「軍拡競争」を開始していると聞いたことがあるかもしれない。
現在、AI 人材の獲得を競う企業が増えています。たとえば、保険会社や石油会社は膨大な量のデータにアクセスでき、高額な給与や特徴的なコーヒーマシンを提供することもできます。
この軍拡競争は確かに現実のものですが、AI には集中ではなく拡散と普及という、さらに強力な別の傾向があると私たちは考えています。確かに、すべての大手テクノロジー企業は数学とプログラミングの才能を蓄えるために懸命に取り組んでいますが、同時に、AI の背後にある基本的なテクノロジーとアイデアは猛烈な勢いで普及し、世界中の中小企業、他の業界、愛好家、プログラマー、科学者、研究者によって習得されています。この民主化の傾向は、AI ソリューションが切実に必要とされるさまざまな問題を検討している今日の学生にとって最も刺激的なことです。
たとえば、大学生のグループがキュウリの計算にこれほど興味を持つなんて誰が想像したでしょうか?彼らは、日本の自動車エンジニアである小池誠氏の話を聞いて、本当に魅了されました。小池誠さんの両親はキュウリ農園を経営しています。日本では、きゅうりは大きさ、形、色、トゲのつき方が驚くほど多様で、その外観によって9つのカテゴリーに分類され、それぞれ市場価格が異なります。
かつて、小池さんの母親は、キュウリを手作業で選別するのに1日8時間を費やしていた。その後、小池氏は、Google のオープンソース人工知能ソフトウェア TensorFlow を使用すればこのタスクを達成できることに気付きました。彼は写真に基づいてキュウリを分類する「ディープラーニング」アルゴリズムをプログラムすることができた。
小池氏はこれまで AI や TensorFlow を使ったことがなかったが、利用できる無料のリソースを使って簡単に独学で習得した。小池氏が開発したAI選別機の動画がYouTubeに公開されると、小池氏はディープラーニングとキュウリの分野で世界的に有名になった。彼は面白い話を提供し、母親の何時間もの重労働を省いただけでなく、世界中の学生やプログラマーに感動的なメッセージを伝えました。人工知能がキュウリ農場の問題を解決できるのであれば、ほぼあらゆる分野の問題を解決できるはずだ、というメッセージです。
現在、このニュースは急速に広まっています。医師はがんの診断と治療に人工知能を利用しています。電力会社は人工知能を活用して発電効率を向上させています。投資家は人工知能を利用して金融リスクを管理します。石油会社は人工知能を活用して深海掘削プラットフォームの安全性を向上させています。法執行機関は人工知能を使ってテロリストを追跡します。科学者は人工知能を利用して、天文学、物理学、神経科学の分野で新たな発見をしています。世界中の企業、研究者、愛好家は、ガス漏れの検知、鉄鉱石の採掘、病気の発生予測、ミツバチの絶滅防止、ハリウッド映画における性差別の定量化など、さまざまな方法で人工知能を活用しています。
これはほんの始まりに過ぎません。
AI の本当のストーリーは、まさにこの拡散を体現していると考えています。過去数十年、あるいは数世紀にわたるいくつかの中核的な数学的概念から、今日のスーパーコンピューターや、話したり考えたりキュウリを分類したりする機械、そしてあらゆる場所に存在する明日の新しいデジタルの驚異まで。
この本で私たちが目指すのは、その物語を皆さんに伝えることです。これは部分的にはテクノロジーの話ですが、主にアイデアとその背後にいる人々についての話です。彼らは今日よりずっと前から、自分たちが直面している数学やデータの問題をひっそりと解決していましたが、自分たちの解決策が現代社会でどのような役割を果たすのかを知りませんでした。この物語を読めば、人工知能の意味、起源、原理、そして生活における重要性が理解できるでしょう。 人工知能とは具体的に何を意味するのでしょうか? 「人工知能」と聞いて、ロボットを思い浮かべないでください。それをアルゴリズムとして考えるべきです。
アルゴリズムは、一連の手順からなる命令です。指示は非常に明確なので、コンピューターのように単純なものでも従うことができます。 (シャンプーボトルのアルゴリズムに「つける。すすぐ。繰り返す」と書いてあるため、ロボットがバスルームから動けなくなるというジョークを聞いたことがあるかもしれません。) アルゴリズム自体は電動ドリルよりも賢くはありません。配列をソートしたり、インターネットでかわいい動物の写真を検索したりするなど、1 つのことだけを非常にうまく行うことができます。しかし、多くのアルゴリズムを巧みに組み合わせれば、ある領域では知的に動作するように見える AI を作成できます。たとえば、Google Home のようなデジタル アシスタントに、「オースティンで朝食に一番おいしいブリトーはどこ？」といった質問をすることができます。この調査により、アルゴリズムの連鎖反応が引き起こされます。
アルゴリズムは生の音波をデジタル信号に変換します。
別のアルゴリズムは、この信号を英語の音素、つまり特徴的な聴覚知覚の文字列「brek-fust-tah-koze」に変換します。
次のアルゴリズムは、これらの音素を「breakfasttacos」という単語に分割します。
これらの単語は検索エンジンに送信されます。検索エンジン自体は、クエリを処理して回答を生成する膨大なアルゴリズムの集合体です。
別のアルゴリズムが応答を明確な英語の文章に変換します。
最終的なアルゴリズムは、この文をロボットっぽく聞こえない言い方で表現します。
「オースティンで一番美味しい朝食タコスはデュバルストリートのジュリオズです。道順を教えていただけますか？」
これは人工知能です。自動運転車、自動キュウリ選別機、クレジットカード口座の不正行為を検出するソフトウェアなど、ほぼすべての AI システムがこの「アルゴリズム パイプライン」モデルに従っています。このパイプラインは、特定のドメインからデータを取り込み、一連の計算を実行して、予測または決定を出力します。
人工知能で使用されるアルゴリズムには、2 つの異なる特性があります。まず、これらのアルゴリズムは通常、決定論ではなく確率を扱います。たとえば、人工知能のアルゴリズムは、クレジットカード取引が不正であると直接示すことはありません。代わりに、詐欺の可能性は 92% であると表示され、またはデータから導き出された確率が表示されます。 2 番目の特徴は、これらのアルゴリズムがどの指示に従うべきかをどのように認識するかに関するものです。ウェブサイトを実行したりテキストを処理したりする従来のアルゴリズムでは、これらの命令はプログラマーによって事前に固定されています。しかし、AI では、これらの指示はアルゴリズムによって「トレーニング データ」から直接学習されます。クレジットカード取引が不正かどうかを判断する方法を AI アルゴリズムに指示する人はいません。代わりに、アルゴリズムは各カテゴリ（詐欺、詐欺なし）で多くのケースを確認し、2 つを区別するパターンを見つけます。
人工知能の場合、プログラマーの役割は、アルゴリズムに何をすべきかを指示することではなく、データと確率のルールに基づいてアルゴリズムが何をすべきかを知る方法を指示することです。 私たちはどのようにして今日の地位に至ったのでしょうか? 自動運転車や家庭用デジタルアシスタントなどの現代の AI システムは新しいものです。しかし、AI の重要なアイデアは実は非常に古く、多くは数百年前のものであり、私たちの祖先はそれを使って問題を解決してきたと知ると驚かれるかもしれません。自動運転車を例に挙げてみましょう。Google の最初の自動運転車は 2009 年にデビューしました。しかし、第 3 章でわかるように、これらの車の背後にある主要なアイデアの 1 つは、1750 年代に長老派教会の牧師によって発見されました。そして 50 年以上前、数学者のチームがそれを使用して、冷戦の最大の謎の 1 つを解きました。
もう 1 つの例は、Facebook の写真で友達に自動的にタグを付けるソフトウェアなどの画像分類です。画像処理アルゴリズムは過去 5 年間で大きな進歩を遂げましたが、第 2 章で説明するように、ここでの主要なアイデアは 1805 年にまで遡ります。そして、その 1 世紀前には、ヘンリエッタ レヴィットという名の無名の天文学者が、そのアルゴリズムを使用して、歴史上最も深遠な科学的疑問の 1 つである「宇宙の大きさはどれくらいか?」の答えを見つけていました。
近年の人工知能の大きな成果の一つである音声認識を例に挙げてみましょう。 Alexa や Google Home などのデジタル アシスタントは言語能力が非常に優れており、さらに進化しています。しかし、コンピューターに英語を理解させる最初の人物は、アメリカ海軍の少将であり、それは約 70 年前のことです。 （第4章を参照）
これらはほんの 3 つの例ですが、驚くべき事実を示しています。人工知能のどこを見ても、長い間研究されてきたアイデアが見つかります。したがって、多くの点で、最大の歴史上の謎は、AI がなぜ今日出現したのかではなく、なぜずっと以前に出現しなかったのかということです。この謎を解明するには、これらの価値あるアイデアを新しい時代へと導いている 3 つの強力な技術的力を考慮する必要があります。
AI を可能にした最初の力は、数十年にわたる計算能力の指数関数的な向上であり、これはムーアの法則とも呼ばれます。現在のコンピューターの速度がどれくらい速いのかを直感的に理解するのは難しいです。かつては、アポロ宇宙飛行士はポケット電卓よりも低い計算能力で月面に着陸したとよく言われていました。しかし、この議論はもはや共感を呼ばない。なぜなら…ポケット電卓とは何なのか?では、車の例えを使ってみましょう。 1951 年、ユニバックは 1 秒あたり 2,000 回の計算が可能な最速のコンピュータの 1 つであり、最速の自動車の 1 つであるアルファ ロメオ 6C は時速 180 キロメートルに達することができました。その後、車やコンピューターの速度は上がりました。しかし、もし車がコンピューターのように加速できれば、現代のアルファロメオは光速の800万倍の速度で走行できるだろう。
AI を推進する 2 番目の要因は、新しいムーアの法則です。つまり、人間のすべての情報がデジタル化されるにつれて、利用可能なデータの量が爆発的に増加するという法則です。アメリカ議会図書館のストレージ容量は10テラバイトだが、Google、Apple、Facebook、Amazonの4大テクノロジー企業は2013年にその約12万倍のデータを収集した。さらに、インターネットの観点から見ると、これはすでに前の世代のものです。データの蓄積のペースはアポロロケットよりも速く加速しています。 2017年には、YouTubeに毎分300時間以上の動画がアップロードされ、Instagramには毎日1億枚以上の写真が投稿されました。データが増えれば、アルゴリズムもよりスマートになります。
人工知能を支える3番目の要素はクラウドコンピューティングです。この傾向は消費者にはほとんど気づかれませんが、AI の民主化に大きな影響を及ぼしています。これを説明するために、データと石油の例えを使ってみましょう。 20 世紀初頭、すべての企業が石油を所有していたものの、それを抽出、輸送、精製するためのインフラを独自に構築する必要があったと想像してください。企業が石油の利用に関して新たなアイデアを持っている場合、多額の固定初期費用が発生します。したがって、ほとんどの油は使用されません。同じ論理が、21 世紀の石油であるデータにも当てはまります。独自のデータを使用して AI システムを構築するには、すべての機器と専門知識を購入する必要がある場合、ほとんどの愛好家や中小企業は負担できないコストに直面することになります。しかし、Microsoft Azure、IBM、Amazon Web Services などのプラットフォームが提供するクラウド コンピューティング リソースにより、この固定費が変動費に変わり、大規模なデータの保存と分析にかかる支出の割合が大きく変化しました。今日では、自分の個人的な「石油」を使いたい人は誰でも、コストを削減するために他人のインフラを借りることができます。
より高速なチップ、大量のデータ、クラウド コンピューティング、そして最も重要な優れたアイデアという 4 つのトレンドを組み合わせると、AI を使用して実際の問題を解決する需要と能力が爆発的に増加します。 人工知能の不安 私たちの学生が AI にどれほど興奮しているか、そして世界最大の企業が AI の導入を待ちきれない様子をお伝えしました。しかし、誰もがこれらの新しいテクノロジーに非常に楽観的であると言ったら嘘になります。実際、多くの人々は、仕事、データのプライバシー、富の集中、あるいはフェイクニュースを作成するロシアのTwitterボットについて不安を抱いています。なかには、テスラやスペースXの背後にいる技術起業家イーロン・マスク氏のように、はるかに恐ろしい絵を描いている人もいる。ロボットが自己認識を獲得し、もはや人間に支配されることを望まなくなり、シリコンの拳で人間を支配し始めるというのだ。
まずマスク氏の懸念について話しましょう。彼の意見は多くの注目を集めているが、それはおそらく、億万長者の創造的破壊者が人工知能について言うことに人々が注目しやすいからだろう。マスク氏は、人間は人工知能技術を開発することで「悪魔を召喚している」と主張し、知能機械は「人間の存在にとって最大の脅威となる」種族だと主張した。
私たちの本を読み終えたら、これらの懸念が信頼できるものかどうかを自分で判断できます。ただし、認知科学者が「利用可能性ヒューリスティック」と呼ぶものに陥りやすいことを事前に警告しておきます。これは、最初に思い浮かんだ例に基づいて主張の妥当性を評価する精神的な近道です。 AI の場合、これらの例は主に SF から来ており、そのほとんどは悪です。ターミネーター、ボーグ、HAL 9000 などを考えてみてください。私たちは、これらの SF の例には強力なアンカー効果があり、多くの人々が「邪悪な AI の観点」に対してあまり懐疑的でなくなると考えています。それを想像して映画を作ることはできますが、それが実現できるというわけではありません。現在、人間やターミネーターのような汎用知能を備えたロボットを作成する方法を知っている人は誰もいません。遠い将来、あなたの子孫はロボットを使ってイーロン・マスクの子孫さえも恐怖に陥れる方法を見つけ出すかもしれません。しかし、それは彼らの選択であり、彼らの問題です。なぜなら、今日の人々は、遠い将来にこの可能性があるかどうかさえ確信できないからです。現時点では、そして近い将来においても、「スマート」なマシンは特定の領域においてのみスマートです。
Alexa はスパゲッティボロネーゼのレシピを読むことはできますが、玉ねぎを切ることはできません。また、彼女は明らかに包丁であなたを攻撃することはできません。
自動運転車はサッカー場まで連れて行ってくれるが、試合の審判役を務めることはできないし、ゴールポストに縛り付けて、意のままに敏感な部位にボールを蹴り込むこともできない。
さらに、人間がすぐに自己認識ロボットに征服されるのではないかと心配するなら、その心配には機会費用がかかります。この可能性について現在懸念しているのは、1952年に初の商業飛行を行ったデ・ハビランド航空が高速恒星間旅行の影響について懸念していたのと同じようなことだ。将来的には心配する価値があるかもしれないが、現時点では、航空会社の例えで言えば、現在空を飛んでいるすべての飛行機に対して、いかにして賢明な管理方針を策定するかといった、もっと重要な事柄を心配しなければならない。
この政策上の疑問は、AI に関してより信憑性があり緊急性の高い別の一連の不安を引き起こします。人工知能のせいで人々は職を失うのでしょうか？機械は責任を負わずに私たちの生活に関する重要な決定を下すのでしょうか?最も賢いロボットを持つ者が最終的に未来を手に入れるのでしょうか?
これらの問題は非常に重要であるため、テクノロジー会議、世界中の新聞、同僚の昼食の席などで常に議論されています。事前に言っておきますが、これらの質問に対する答えは私たちの本には載っていません。なぜなら、私たちも答えを知らないからです。私たちの学生たちと同様、私たちも AI の将来については楽観的です。この本を読み終えたときに、あなたもこの楽観的な気持ちになれることを願っています。しかし、私たちは労働経済学者でも、政策専門家でも、予言者でもありません。私たちはデータ サイエンティストであり、学者でもあります。つまり、私たちの本能は、自分の専門分野に忠実であるということです。私たちは自らの専門知識を信じています。私たちは人工知能について理解してもらうことはできますが、将来がどうなるかを明確に伝えることはできません。
しかし、私たちは AI に関して人々が抱く一般的な見解を知っており、その見解は不完全であると言えます。これらの人々は大手テクノロジー企業の富と権力を強調しますが、現在起こっている AI の驚くべき民主化と普及を無視しています。彼らは、機械が偏ったデータを使用して重要な決定を下す危険性を強調していますが、人間の意思決定における根強い偏見や悪意さえも認識していません。最も重要なのは、彼らは機械が何を破壊するかということに非常に重点を置き、私たちが何を得るのか、つまり、新しくてより良い仕事、新たな利便性、反復的な労働からの解放、より安全な労働環境、より良い医療、より少ない言語障壁、学習と意思決定のための新しいツールなどを理解していないことです。それらは私たちがより良く、より賢い人間になる手助けをしてくれるでしょう。
雇用を例に挙げてみましょう。米国では、AIと自動化が経済の原動力として成長したにもかかわらず、失業率は2010年から2017年にかけて過去最低を記録した。中国ではロボットによる自動化のペースが速いが、賃金はここ数年で急上昇している。これは、AI が個々の仕事を脅かさないという意味ではありません。力織機が織工の仕事を脅かし、自動車が御者の仕事を脅かしたのと同じように、この脅威は現実であり、今後も存在し続けるだろう。新しいテクノロジーは、経済に必要な労働力の構成を常に変化させ、ある分野では賃金を下げ、他の分野では賃金を上げます。人工知能も例外ではありません。私たちは、職業訓練や社会保障給付を通じて、テクノロジーによって職を失った人々に有意義な支援を提供することを強く支持します。多くのシリコンバレーの経営者が考えているように、解決策としてユニバーサル・ベーシック・インカムに目を向けることもできるだろう。我々はこの分野の専門家ではないことを認めます。しかし、AI が将来人々の職を失う原因になるという考えは、これまでのところ事実上の証拠によって完全に裏付けられていません。
市場操作の問題もあります。 Amazon、Google、Facebook、Apple などの大企業は大きな力を持っています。この権力が競争を阻害したり、民主主義の基準を弱体化させるために使われないよう、私たちは警戒しなければなりません。しかし、これらの企業が成功しているのは、人々が愛する製品やサービスを提供しているからだということを忘れてはなりません。革新性を維持しなければ成功し続けることはできませんが、大規模な組織にとってそれは容易なことではありません。さらに、今日の大手テクノロジー企業が永遠に支配的であり続けるという多くの予測は、未来を予測するどころか、過去を説明することさえできません。 Dell と Microsoft がコンピューティングを支配していた時代を覚えていますか?あるいは、ノキアとモトローラが携帯電話業界を独占していた時代。当時は両社があまりにも強力だったので、次に何が起こるかは想像もつきませんでした。すべての弁護士が BlackBerry を持ち、すべてのバンドが Myspace アカウントを持ち、すべてのサーバーが Sun Microsystems から提供されていた時代を覚えていますか? AOL、ブロックバスター、ヤフー、コダック、ソニーのウォークマンを覚えていますか?さまざまな企業が生まれては消えていきますが、時代は進み続け、製品は進化し続けます。
私たちは人工知能の出現について現実的な見方をしています。それは今ここに存在しており、私たちの好むと好まざるとにかかわらず、将来ますます一般的になるだろうということです。これらの技術は莫大な利益をもたらすでしょうが、必然的に私たちの文明の弱点も反映することになります。したがって、私たちはプライバシー、平等、既存の制度、誰も予見できない危険などに対する危険に警戒する必要があります。そして、即時のコメントと 140 文字の世界で賢明な政策を策定したいのであれば、これらの問題の重要性と複雑さの両方を考慮しながら、社会レベルでバランスの取れた議論を行う必要があります。この本ではそのような議論は行われません。ただし、この議論で賢明な役割を果たすために知っておくべきことをお伝えします。 数学について 始める前に、最後にもう 1 つお知らせがあります。この本には数学が少し登場します。たとえ自分が数学が得意だとは思っていなかったとしても、心配する必要はありません。人工知能の数学は信じられないほど単純なので、私たちはあなたがそれを理解できるようにしています。また、この理解には価値があることも保証できます。人工知能の背後にある数学を少しでも理解すれば、人工知能はそれほど謎めいたものではなくなるでしょう。
人工知能について、数学をまったく含まない本を書くことは確かに可能です。なぜなら、数学か友達のどちらかを選ぶことはできるが、両方を持つことはできないという話をよく聞くからです。私たちの編集者は当初、この戦略を採用するように懇願し、「数学記号を 1 つ追加するごとに、読者が 3,000 人減る」とか「ギリシャ文字を 1 つ追加するごとに、読者が 5,000 人減る」などとつぶやいていました。彼が何を言おうと、私たちはそれを拒否しました。なぜなら、経験から、あなた方はそれほど臆病者ではないとわかっているからです。
私たち二人は40年間データサイエンスと確率を教えてきましたが、MBA取得者や学部生の多くも、勉強を始める前は数学が怖かったり、数学を嫌ったりしています。しかし、Alexa や画像認識など、これまで耳にしてきたすべての AI アプリケーションがどのように機能するかを知ると、学生たちの目は輝きます。結局のところ、それは単なるビッグデータの確率なのです。彼らは、それらの公式が当初考えていたほど難しくないことを理解し始めます。結局、彼らは数学が自分たちに力を与えているとさえ感じたのです。彼らは、適切な状況であれば、機械の思考方法、つまりデータと確率的ルールに基づいて意思決定を行う方法に近づくことで、人間がより賢くなる可能性があることを認識しています。 | 
