人工知能技術の出発点と終着点

1. 人工知能技術の定義

人工知能技術は、複雑な生産労働において機械が人間に取って代わることを可能にする情報技術の一種です。

[[392120]]

技術が情報技術でない場合は、人工知能技術の範疇には入りません。繊維機械や織機など、工業化時代の多くの機械も複雑な生産労働において人間に取って代わることができますが、情報技術とはまったく関係がないため、人工知能技術には属しません。データ資料の豊富さにより、情報技術は今日の時代において重要な役割を果たしており、機械が大量のデータから自己学習できるようにする技術は人工知能技術に属します。

情報技術によって、機械が完全に人間に取って代わり、機械が自立して価値を創造できるようになることができないのであれば、その技術がどれだけ効果的な情報をもたらしても、それは人工知能技術とは言えません。データを処理、処理、分析するデータ分析やデータマイニングの技術は、確かにデータの背後にある情報を効果的に把握することを可能にしますが、そのような技術によって機械が自立的に価値を創造することができなければ、それはまだ人工知能技術の基本的な性質を備えていないことになります。実際、データ分析やデータマイニングの技術は重要であるものの、独立した製品としては存在できないことが多く、その価値創造の範囲は技術利用者の主観的な能力によって制限されることが多いのです。

情報技術が社会的価値（つまり、他者にとっての価値）を生み出せないのであれば、それがいかに重要に見えても、それは真の人工知能技術とは言えません。人工知能技術は社会的価値を創造できる情報技術です。人工知能技術がどのように社会的価値を創造するのか、次項以降で一つずつ紹介していきます。それだけでなく、人工知能技術を備えた機械は、単純な人間の生産労働ではなく、複雑な人間の生産労働を置き換えることがよくあります。産業革命において機械が一定の範囲内で人間の肉体労働を置き換えたのと同様に、人工知能技術によって機械が一定の範囲内で人間の精神労働を置き換えることが可能になります。人間の知的労働の模倣、補完、部分的な代替は、人工知能技術と歴史上の他の重要な技術との主な違いです。

2. 経験を出発点として

人工知能技術の発展の出発点は、生産労働の過程における人間の経験の蓄積です。

人工知能技術システムでは、エキスパートシステムと機械学習技術が最も重要な役割を果たすため、ここでは人工知能技術のこれら 2 つの分野の分析に焦点を当てます。エキスパート システムであれ機械学習であれ、その本質は、さまざまな形の人間の経験を、機械が独立した判断を下せるようにするコンピューター アルゴリズムに変換することです。

エキスパート システムでは、問題を解決するために、人々がその問題に関連する経験を一連の論理ルールに変換し、コンピューターがこれらの論理ルールに基づいて決定を下します。そのため、エキスパート システムはルール エンジンとも呼ばれます。エキスパート システムで使用される論理ルールには、問題に関連する「独立変数」だけでなく、独立変数に関連するパラメータの設定も含まれます。例えば、解くべき問題が変数yを分類することであるとする（変数yは一般に「ターゲット変数」と呼ばれる）。x1とx2は問題に関連する独立変数であり、エキスパートシステムの論理ルールは次の形式である：x1 > Θかつx1 + x2の場合

人工知能技術の別の分野である機械学習技術は、履歴データからモデルを構築し、機械がモデルを通じて独自の判断を下せるようにする技術です。機械学習技術の基礎は統計学であり、機械学習技術の中核はデータサンプルから独立変数とターゲット変数の間の定量的な関係を見つけることです。エキスパートシステムと同様に、機械学習テクノロジーでも人間が独立変数を設定する必要がありますが、機械学習テクノロジーは、独立変数に関連するパラメータを計算するモデルに基づいています。上記の例では、機械学習技術は x1 と x2 を使用して y に関する分類の決定を行うこともできます。しかし、機械学習技術では、パラメータΘとΔを事前に設定する必要はなく、パラメータ設定のタスクはモデルに任せます。同時に、このモデルを確立するには、一定量の履歴サンプルが必要です。各履歴サンプルには、x1 と x2 のすべての値だけでなく、ターゲット変数 y の履歴結果も含まれます。

明らかに、エキスパート システムと機械学習テクノロジの目標は同じであり、機械が独自に意思決定できるようにすることです。さらに、エキスパート システムと機械学習テクノロジーはどちらも、機械が独自に意思決定を行うための入力材料として人間の経験を必要とします。違いは、エキスパートシステムに必要な経験的資料はより具体的であるのに対し、機械学習に必要な経験的資料はより抽象的であるということです。表面的には、エキスパート システムには少量の経験的資料のみが必要ですが、機械学習には大量のデータ資料が必要です。実際、エキスパート システムに提供する必要がある経験資料は凝縮されたデータですが、機械学習に提供する必要があるデータ資料は凝縮されていない経験です。どちらも経験的資料であり、どちらもデータ資料です。前者は経験的資料の質的部分に焦点を当て、後者は経験的資料の量的部分に焦点を当てます。ちなみに、機械学習技術の有効性は主に入力されるデータのサイズによって決まるという幻想を抱く人が多くいます。つまり、データが大きければ大きいほど、機械学習技術の効果は高くなります。実際、機械学習技術に入力されたデータが経験を効果的に捉えることができない場合、そのデータは効果がないだけでなく、副作用が生じる可能性もあります。エキスパート システムと機械学習は 2 つの異なるテクノロジーであり、それぞれに独自の適用範囲があります。エキスパート システムは、解決すべき問題に関して人間が詳細な定性的および定量的経験を持っている場合、問題を効果的に解決できる可能性が高くなります。人々が問題に関して十分な経験を持っていないが、一定量の過去のサンプルを入手できる場合、機械学習技術の方が有利になることが多いです。

人工知能技術の発展の出発点は、人間の経験が一定のレベルまで蓄積されたことであり、人工知能技術の発展の終着点は、ますます大きな範囲で機械が複雑な生産労働において人間に取って代わることである。経験蓄積の初期段階では、人間の経験が何らかの論理的ルールにまとめられるようになると、エキスパート システムによって、特定の範囲内での複雑な生産労働において機械が人間に取って代わることが可能になります。経験が蓄積されるにつれて、人間の経験材料の質的な不足は、経験材料の量的な豊富さに置き換えられます。機械学習技術により、機械はより大規模に複雑な生産労働において人間に取って代わることができます。人工知能技術の発展過程は、機械が利用できる実験材料の範囲を拡大する過程であり、複雑な生産労働において機械が人間に取って代わる大規模な過程でもある。

3. 経験の進化

経験は人工知能技術の発展の源であり、人工知能技術は経験をより大きな規模で活用することを可能にします。

ほとんどの産業の発展の初期段階では、人間の生産労働は主観的であることが多いです。実際の人間の生産労働量が一定レベルまで蓄積されて初めて、産業経験を蓄積するための前提条件が満たされます。経験的資料を蓄積するプロセスは、実践から人間の合理性を抽出するプロセスでもあります。この実践から合理性への移行は、人間の生産労働における重要な飛躍であり、この飛躍の客観的な結果は経験的材料の沈殿である。

しかし、経験的資料の包括的な応用は、依然として労働主体としての人間の活力によって制限されています。人工知能技術の出現により、複雑な生産労働において機械が人間に取って代わることができるようになりました。人工知能技術が産業応用においてまだ完全に成熟しておらず、機械が生産労働において部分的にしか人間に取って代わっていない段階であっても、人間はある程度余分な時間を獲得しています。機械が生産労働において人間に費やす時間を節約することで、人間が労働対象に直接向き合う時間が減り、エキスパートシステムに必要な論理ルールや機械学習技術に必要なデータを経験から抽出する時間が増えます。それだけでなく、人工知能技術の実際の応用結果から、機械が人工知能技術の応用プロセスのどのステップで最も経験的な指導を必要とするかを判断することもできます。かつては、機械は人間が持つ経験材料を何でも利用していましたが、今では、機械が必要とする経験材料を得るための条件を人間が積極的に作り出すことができます。したがって、産業生産ラインに人工知能技術を適用すると、機械に必要な経験材料の収集と使用が個別のステップではなくなり、統一された全体を形成します。さらに、機械に適切な体験素材を提供する対象を絞った人ほど、機械が人々にもたらす時間の節約がより明らかになります。人々が退屈な日々の労働から解放されるほど、より豊かな経験材料を蓄積する条件が増えます。人工知能技術の発展は、機械が利用できる経験的資料の範囲を拡大しただけでなく、経験的資料の継続的な供給にさらなる刺激をもたらしたことがわかります。

完全な産業生産ラインには複数の現地生産リンクが含まれていることがわかっています。人工知能技術の発展の初期段階では、機械が吸収した経験材料は多くの場合、ローカルな生産リンクから蓄積されており、これらのローカルな経験材料は孤立していることが多く、それらの間のつながりは純粋に偶然のものでした。人工知能技術の発展と各現地生産リンクにおける機械労働の完成度の向上に伴い、異なる現地生産リンクで機械が統一された機械システムを形成する必要性がますます高まっています。マルクスは「欲求はそれを満たす手段とともに発展し、その手段に依存する」と述べています。（マルクス『資本論』（第1巻）（第14章））これは特に人工知能技術の発展に当てはまります。同じ機械システムが産業生産ライン内の異なるローカル生産リンクに作用する場合、各生産リンクでタスクを完了するために必要な時間を見積もることができることが多く、各生産リンクが果たす役割と他の関連する生産リンクへの影響も計画できます。この時点で、さまざまな現地生産リンクの共同経験が徐々に蓄積されてきました。人工知能技術が産業の生産ラインへの応用において成熟するにつれ、機械が経験的資料を必要とする範囲は、局所的なものから全体的なものへ、ミクロ的なものからマクロ的なものへ、そして特定のものから一般的なものへと徐々に変化していきます。したがって、人工知能技術をさまざまな地域生産リンクから完全な産業生産ラインに拡張するプロセスは、経験的な材料をより大規模な全体的な生産システムに変換するプロセスです。

これは、人工知能技術の発展により、経験が根本的に変化したことを示しています。経験的資料の進化は、人工知能技術の成熟とともに発展し、人工知能技術の発展の助けを借りて発展してきました。過去において、経験とは、人々が生産的な労働をより効率的に行う方法についてのものでしたが、現在、経験とは、機械が生産的な労働をより効率的に行う方法についてのものです。過去において、経験は人間の労働行動の合理的な要約でしたが、現在、経験は機械の局所的および全体的な労働の動的な計画です。

4. エンドポイントとしてのマシン

人工知能技術開発の最終目的は、機械が人間から独立して、自発的かつ継続的に生産労働の価値を生み出せるようにすることです。

人工知能技術により、機械は経験的資料から自己学習する能力を持つようになり、機械の生産労働の幅と深さが大幅に増加します。この自己学習能力こそが、多くの業界で機械が価値創造の主役となる理由です。人工知能技術が他の情報技術と異なるのは、その内容の優位性や独自性ではなく、生産労働や価値創造のプロセスにおいて人工知能技術が機械に与える独立性にあります。

従来の情報技術では、機械が人間を支援し、人間が最終的な生産労働を完了します。人工知能技術では、このプロセスが逆転し、人間が機械を支援し、機械が最終的な生産労働を完了します。以前は、価値創造プロセスの主役は人間であり、機械は人間の道具でした。しかし現在は、機械が価値創造の主役であり、人間は機械の道具です。人工知能技術は、決して人々のスキルを高め、より複雑な生産労働に従事できるようにする単なる特別なツールではありません。逆に、機械が価値創造の範囲を徐々に拡大するにつれて、生産労働において機械を支援する人間に求められるスキルはますます低くなっています。

完全な工業生産ラインは、通常、相互に関連する複数のローカル生産リンクで構成されます。機械がどれだけ高性能であっても、業界の生産ラインに含まれるすべての生産リンクを一度に置き換えることはできません。産業が人工知能技術によって変革されると、多くの場合、機械がローカル生産リンクで役割を果たし始めますが、機械が人間の労働力を置き換えることは、まずこの 1 つの生産リンクに限定されます。最初は、機械が人間の労働の一部を置き換えることによってもたらされる生産効率の向上は、多くの場合、わずかなものであり、この初期段階では、人々は機械を使用することの実際的な意義に疑問を抱く可能性が最も高いです。しかし、機械が人間に取って代わり、ローカルな生産リンクを占有する限り、この生産リンクに関連する他の生産リンクも機械が占有するという流れは止められないものとなる。

完全な工業生産ラインにおいて、機械と人間が同時に異なるローカル生産リンクで生産労働を行っている場合、機械と人間の連携は妨げられます。人間と機械のコラボレーションと比較すると、機械同士のコラボレーションはより継続的であり、そのプロセスは完全に科学法則によって支配されています。人間の主観的な制約から解放されたこの科学的な生産プロセスでは、各ローカル生産リンクに必要な時間とすべての生産リンクに必要な時間を事前に見積もることができます。産業の生産ラインに人工知能技術を適用する過程で、人間の生産労働の主体性は機械の生産労働の客観性の中で徐々に消え、人間の局所的な生産労働は機械の集中型生産労働システムに徐々に融合していきます。このことから、人工知能技術の発展の成果は、機械が地域の生産リンクで自立的に価値を創造できるようになったということだけに反映されているわけではないことがわかります。人工知能技術の発展の成果は、産業の生産ラインにおける複数のローカル生産リンクにおいて、機械システムが科学的に有機的に連携できるという事実にも反映されています。