世の中に人工知能は存在しないのか？私たちはディープラーニングに騙されているのでしょうか？

著者のJean-Christophe Baillie氏は、Novaquarkの創設者兼社長であり、「ロボットがなければ人工知能は存在しない」と述べています。この記事では、人工知能とは何か、そしてなぜAlphaGoが人工知能とは言えないのかについて論じています。

人工知能とは何か、そして人工知能ではないものは何でしょうか?

Google DeepMind が設計した「人工知能囲碁システム」である AlphaGo が非常に賢いシステムであることは疑いの余地がありません。 AlphaGo は囲碁の世界チャンピオンであるイ・セドルを破り、同様のディープラーニング手法はさまざまな業界で複雑なコンピューティング問題を解決するために使用されてきました。 AlphaGoのおかげで、人工知能という言葉が再び注目を集めるようになりました。

しかし、この記事の著者は、AlphaGo が汎用人工知能 (AGI) を含まないため、これを人工知能とは考えていません。汎用人工知能を構築する上で重要な課題の 1 つは、設計者による制限を防ぎ、人工知能が独自のエネルギーを生成できるようにすることです。人間と同じように、遭遇したり、聞いたり、言ったり、行ったり、経験したりする物事や経験から、内的な意味を発展させることができます。

それどころか、今日の人工知能プログラムは、基本的に周囲で何が起こっているかを理解したり、他の分野の問題に対処したりすることができません。では人工知能とは何でしょうか?これはおそらく人工知能の最も根本的な問題です。

[[191501]]

1990 年、認知科学者のステヴァン・ハルナドは論文「シンボルのグラウンディング問題」で、あらゆる表現シンボルが外部の現実世界に存在する場合の意味の問題を探求しました。たとえば、第二言語として中国語を学習する必要があり、利用できる唯一の情報源が中国語辞書であるとします。辞書を使って学習するプロセスは、終わりのないメリーゴーランドに乗っているようなもので、次から次へと意味のない記号に絶えずさらされ​​ることになります。では、この悪循環から抜け出すにはどうしたらいいのでしょうか?シンボルに意味を持たせるにはどうすればよいでしょうか?これは典型的なシンボル接地の問題です。

人工知能の意味についての疑問は数十年前に提起されましたが、今日でもまだ解決策はありません。この質問は 4 つのサブ質問に分けられます。

1. 人間や人工知能が外部から受け取った情報をどのように構築するか？

これは、人工知能が何を意味するのか、情報の構造化についての最初の質問です。機械学習、特にディープラーニングと教師なし学習の急速な発展により、この問題は近年十分に解決されました。 AlphaGo を含む劇的な進歩は、情報処理に非常に優れたグラフィックス プロセッシング ユニット技術の進歩によってもたらされました。ディープラーニング アルゴリズムなどのこれらの効果的なアルゴリズムは、高次元空間で最も有用な情報を使用して複雑なデータを読み取ります。

今日の人工知能にとって、教師あり学習は間違いなく最も成功したアプリケーションです。たとえば、単純ベイズ分類、ロジスティック回帰、サポートベクターマシンの 3 つのアルゴリズムは、毎年数十億ドルの価値を生み出すことができます。しかし、前述の教師なし学習も急速に発展しています。クラスタリング アルゴリズムと主成分分析は、教師あり学習では解決できない多くの問題を解決します。

さらに、半教師あり学習や強化学習も企業での利用が増えています。さまざまな AI の問題を解決するための有用かつ強力なアルゴリズムは数多く存在しますが、あらゆる状況に対応できる汎用 AI システムは存在せず、多くの AI システムのうちどれが汎用 AI の構築に使用できるかは誰にもわかりません。

私の意見では、教師なし学習を備えたディープニューラルネットワークがこの夢の実現に最も役立つでしょう。たとえば、IBM の Watson は、さまざまなデータを処理するために多くのアルゴリズムを統合しています。しかし、多くの研究者は、認知心理学と神経科学の助けなしに汎用人工知能を構築することは不可能だと考えています。この夢を実現するにはまだ長い道のりが残っています。

2. この構造化された情報を外の世界とどのように結び付けて、あるいは前述のように意味を生み出すのでしょうか?

情報を構造化した後の2番目の課題は、構造化された情報を現実世界に結び付け、ロボットに根本的な意味を与えることです。外界とやりとりする能力は身体の所有を前提としているため、ロボットがなければ人工知能は存在し得ません。この認識はしばしば「化身問題」と呼ばれます。現在、ほとんどの AI 研究者は、具現化は AI にとって知性と同じくらい重要であることに同意しています。現実世界、特に動物の世界を見ると、それぞれの生物が異なる形態の知性を持っていることがわかります。

この身体化の問題は、身体の各部分を理解することから始まり、次にそれらを制御して観察された世界で望ましい効果を生み出し、最終的に世界に対する独自の理解を構築します。このプロセスは「感覚運動理論」と呼ばれ、J. ケビン・オレガンらによって研究されてきました。

3. この意味を他の人工知能メディアと同期させるにはどうすればよいでしょうか?

この質問は文化の起源に関係しています。人間とは異なり、ダンスや匂いなどの方法を通じて文化を表現する動物もいます。知性の根本的な触媒である文化がなければ、人工知能は単なる学術的な実験に過ぎないでしょう。しかし、文化は心理学と認知能力の両方が関わる学習プロセスです。それは機械に手作業でコード化できるものではありません。研究者たちは、子どもたちがどのように文化を習得するかを研究することで、この学習プロセスを理解しようとしています。

このプロセスは言語学習とも密接に関係しています。これは段階的なプロセスです。人工知能メディアは世界と対話し、そこから新しい情報を取得し、新しい意味を生み出し、その後、他のメディアと通信して最も効果的なコミュニケーション方法を選択することで新しい意味を生み出します。研究者は何百、何千もの間違いを繰り返した後、最大規模の人工知能システムを構築することができます。これはディープラーニングでは説明できないことです。ソフトバンクロボティクスなどの一部の研究機関は、このプロセスを利用して複雑な文化的伝統についてさらに学んでいます。

4. AI メディアが何かを行う必要があるのはなぜですか?これらすべてをどのように行動に移すのでしょうか?

***この質問は期待に関するものです。人工知能エージェントは、内発的動機に基づいて行動します。たとえば、人間の行動は、生存のニーズを満たすためだけではなく、内発的好奇心によってさらに探求するものです。ピエール＝イヴ・ウデイヤーのような学者は、複雑な行動を説明するには単純な数式で十分だと信じていました。

既存のAIシステムの限界

著者の理解する限り、今日の世界には人工知能は存在せず、最も一般的に使用され、人気のある人工知能サービスやアプリケーションさえも存在しません。

彼の見解は普遍的ではないが、既存の人工知能システムには現状では限界がある。 Siri は Apple の最高の人工知能システムですが、タスクの範囲外のことを言っている場合、何を言っているのか認識できません。ソフトバンクの最新AIロボット「ペッパー」にもSiriと同じ限界がある。また、音声認識システムが搭載されているものの、声の裏にある本当の感情を認識できず、騙されやすいという問題もあります。電子商取引大手のアリババ・グループとそのオンライン決済サービス「アリペイ」は、顔認識技術をパスワードの代わりに利用することに取り組んでいる。精度はまずまずですが、似た顔の双子を認識することはまだできません。

これらの例は、現在の人工知能が十分に賢くないことを反映しています。外部から受信したデータを処理するどころか、やり取りすることさえできない場合もあります。

まとめると、ディープラーニングの急速な発展と AlphaGo の大成功は、医療研究、環境保護、その他多くの分野で幅広く活用できるため、私たちは喜ばしく思っています。しかし、ディープラーニングは人間が真の人工知能技術を習得するための万能薬ではありません。真の AI は、外の世界から学び、人間と自然に交流し、人間の感情、意図、文化の違いを理解し、最終的にはより良い世界を創造するのに役立ちます。