Over the AI ――AIの向こう側に

前回で最終回を迎えた「Over the AI」ですが、番外編として、私がどうしても、どうしても、書きたかったコラムをお届けすることにしました。SFやアニメに登場するAI（人工知能）の実現性です。今回は、「シュタインズ・ゲート」や「BEATLESS」に登場するAIを取り上げ、エンジニアとして、それらの実現性を本気で検証してみました。

約2年続いてきた本連載も、いよいよ最終回です。「中堅研究員はAIの向こう側に“知能”の夢を見るか」と名付けた第1回から2年間。筆者が“AIの向こう側”に見つけたものとは、何だったのでしょうか。

深層学習を正しく理解するのは困難を極めます。ですが、あるパラダイムで考えると、大変に分かりやすくなるのです。そのパラダイムとは、これまであらゆるテクノロジーの進化と発展をけん引してきたと言っても過言ではない、最も偉大なるコンテンツ――そう、「エロ」です。【追記あり】

今回のテーマは、第3次AI（人工知能）ブームを支えているといっても過言ではない花形選手、ニューラルネットワークです。ただしこのニューラルネットワーク、幾度もダイナミックな“手のひら返し”をされてきた、かわいそうなAI技術でもあるのです。

今回取り上げるのは「強化学習」です。実はこの強化学習とは、権力者（あるいは将来、権力者になりそうな者）を“忖度（そんたく）”する能力に長けた、政治家のようなAI技術なのです。

今回は、統計処理技術についてお話します。え？ 統計？ それってAIなの？――そう思われた読者の方、確かにAI技術とは言えません。ですが、統計処理技術はAIの根底を成すものであり、これを知らないままでは、「英単語を知らずに英語を話そうとする」ようなものなのです。

AI技術に対する期待や報道の過熱が増す中、「抜け落ちている議論」があります。それが、AIの費用対効果です。政府にも少しは真剣に考えてほしいのですよ。例えば「荷物を倉庫に入れておいて」と人間に頼むコスト。そして、AI技術を搭載したロボットが「荷物を倉庫に入れておく」という指示を理解し、完璧にやり遂げるまでに掛かるトータルのコスト。一度でも本気で議論したことがありますか？

先人たちにより開発され、磨かれてきた「至宝の最適化アルゴリズム」。本当はこれを軽々しく「AI」とは呼びたくな……い……という気持ちをぐっとこらえ、AI技術として解説します。「試験前の一夜漬け」「雪山遭難」「井戸堀り」の例を使って、説明していきます。繰り返しますが、最適化アルゴリズムを軽々しく「AI」という言葉で片付けたくはないんですよ、本当は。

最近の機械翻訳の発展には目を見張るものがあります。なぜ、ここまで進化しているのでしょうか。AI（人工知能）による翻訳、通訳を取り上げ、その発展の理由を探ってみると、その根底には、あるパラダイムシフトが存在していたことが分かりました。

「マッチング」と聞くと、合コンやお見合いなどを思い浮かべる方も多いかもしれませんが、もちろん、それだけではありません。今回は、ゲーム理論、オークション理論、行動経済学を「マッチング技術」として解説します。実はこれらの技術は、“人間の心理を数式として組み込むこと”に成功していて、幅広い分野で成功事例がみられる、とても興味深く珍しいAI（人工知能）技術なのです。

音声認識技術に対して、長らく憎悪にも近い感情を抱いていた筆者ですが、最近の音声認識技術の進歩には目を見張るものがあります。当初は、とても使いものにはならなかったこの技術は、なぜそこまでの発展を遂げられたのか――。そこには、「音声なんぞ完璧に聞き取れるわけない！」という、ある種の“開き直り”があったのではないでしょうか。

AI（人工知能）には、「人間のアシストをする“弱いAI”」と「知性を持つ“強いAI”」があるという考え方があります。私は、現在の「AI」と呼ばれているものは、全て“弱いAI”と思っています。では、私たちは“強いAI”を生み出すことができるのでしょうか。それを考えるには、人間にとって、恐らくDNAレベルで刻まれているであろう普遍的な感覚、「死への恐怖」がヒントになりそうです。

私はこれまで、人口問題や電力問題、人身事故などさまざまな社会問題を理解するためにシミュレーションを利用してきました。シミュレーションは、AI（人工知能）という概念を飛び越えて、「人間が創造した神」と呼べるかもしれません。今回は、シミュレーションに最適なAI道具の1つとして、「オブジェクト指向プログラミング」を解説します。これは、PCの中に“私だけのワンダーランド”を力任せに作る技術ともいえます。

今回のテーマは「おうちでAI」です。といっても、これは「AIを自宅に実装すること」ではなく、「週末自宅データ分析およびシミュレーション」に特化したお話になります。さらに、そうなると避けては通れない「ビッグデータ」についても考えてみたいと思います。そして、本文をお読みいただく前に皆さんにも少し考えていただきたいのです。「ビッグデータって、いったいどこにあるのだと思いますか？」

今回取り上げる人工知能技術は、「サポートベクターマシン（SVM）」です。サポートベクターマシンがどんな技術なのかは、国境問題を使って考えると実に分かりやすくなります。そこで、「江端がお隣の半島に亡命した場合、“北”と“南”のどちらの国民になるのか」という想定の下、サポートベクターマシンを解説してみます。

今回は、機械学習の中から、帰納学習を行うAI技術である「バージョン空間法」をご紹介しましょう。実は、このAI技術を説明するのにぴったりな事例があります。それが占いです。「江端が占い師に進路を相談する」――。こんなシチュエーションで、バージョン空間法を説明してみたいと思います。

「せっかく参加したけど、この合コンはハズレだ」――。いえいえ、結論を急がないでください。「イケてない奴」の中から「マシな奴」を選ぶという、大変興味深い人工知能技術があるのです。今回はその技術を、「グルメな彼氏を姉妹で奪い合う」という泥沼な（？）シチュエーションを設定して解説しましょう。

“人工知能技術”の1つに、生物の進化のプロセスを用いて最適解へと導く「遺伝的アルゴリズム（Genetic Algorithm：GA）」があります。25年ほど前に私が狂ったようにのめり込んだ技術なのですが、世界的にもファンがたくさんいるようです。そして、このGAこそが、私たちがイメージする“人工知能”に最も近いものではないかと思うのです。

「ベイジアンネットワーク」は、私が最も使い倒している人工知能技術の1つです。ある事柄について、たった1つしか信頼に値する数字がなくても、「現在の結果」から「過去の原因」を、遡（さかのぼ）って推測できる。そんな技術なのです。

世界中が固唾をのんで、その行方を見守った、2016年11月8日の米国大統領選挙。私は、大統領選の予測こそ、人工知能（AI）を使い倒し、その性能をアピールする絶好の機会だとみていたのですが、果たしてAIを手掛けるメーカーや研究所は沈黙を決め込んだままでした。なぜか――。クリントンvsトランプの大統領選の投票を1兆回、シミュレーションしてみた結果、その答えが見えてきました。

コンピュータは、入力値から出力値に至る演算のプロセスを、順番通りに説明できます。ところが、「なぜ、その結果になったのか」と尋ねると、途端に説明できなくなってしまいます。困惑し、黙りこくったり、自分が行った演算を“言い訳”のごとく延々と説明したりと、迷走を始めるのです。

AI（人工知能）に関する記事は、メディアにあふれ返っています。私は「これらの記事では“人工知能”のことがさっぱり分からん」との結論に至りましたが、では、人工知能を技術的に理解している人は実際どれだけいるのでしょうか。ざっくり推定すると、なんと、例えば「深層学習」を理解している人は50万人のうち4人、という結果を得たのです。

ちまたには「人工知能」という言葉が氾濫しています。ですが、明言しましょう。「人工知能」という技術は存在しません。そして、私たちがイメージする通りの「人工知能」の実現も、恐らくはまだまだ先になるでしょう。

今、ちまたをにぎわせているAI（人工知能）。しかしAIは、特に新しい話題ではなく、何十年も前から隆盛と衰退を繰り返してきたテーマなのです。そしていまだに、その実態はどうも曖昧です。本連載では、AIの栄枯盛衰を数十年見てきた私が、“AIの彼方（かなた）”を見据えて、AIをあらゆる角度から眺め、検証したいと思います。果たして“AIの向こう側”には、中堅主任研究員が夢見るような“知能”があるのでしょうか――