チーム・マネジメント

チームマネジメント、人間-機械システム、そしてヒューマンファクターズを考える

情報通信技術(ICT)における技術革新を再考してみると 【知能】

 正しいプログラミング(またはコード)を書いてあげれば、コンピュータは人間以上に正確に単調な計算も処理することができます。プログラマ(人間)が指示したことを実行するため、間違えること(バグ)も指示した通りに実行されます。IT(Information Technology)を用いて、情報処理システムを構築すれば、人間が間違えながら行ってきた作業をコンピュータが処理してくれます。それは正しい理解ですが、20年前でも実現されていました。

 機械が人間にとって代わるのに反抗して、英国で熟練手工業者が機械を壊すラダイト(Luddite)運動がありました。業務効率化が進み、単調労働者は削減しましたが、機械を製作・保守する技術者、工場の設計者や監理者などの職業は増えました。ITにおいても、ペーパーワークを主に行ってきた事務員は削減されましたが、システム設計者・プログラマなどは増加してきました。

 そして世界隅々までインターネットで結ばれて常時接続・大容量のデータ通信が可能となりました。スマートフォンの所有者も増えて、日本におけるインターネットの普及率は83%となっています。家庭にもAIスピーカが入り込んできました。ネットワークを用いて、人間が発した声を音声認識以前の記事)を文字メッセージへ変換し、スマートフォン更にはIOT(Internet of Things)で接続された機器を操作できるようになり、質問と判断すれば膨大なネットワークから必要な情報を抽出できます。人間とのデータやり取りを行うヒューマンインタフェースが革新されています。

 

 資本の囲い込み(enclosure)から情報の囲い込みが富を生むようにもなり、クラウドサービス(Cloud Service)が広がって、大手のデータセンター(Data Center)では様々なデータや情報を保有して処理するまでになっています。アマゾン(Amazon)、グーグル(Goggle)、アップル(Apple)、フェースブック(Facebook)は、スケールメリットを活かして世界中の情報を収集しています。規模は小さいながらも日本の会社として、楽天(Rakuten)、はてな(Hatena)やライン(LINE)などがあげられます。

 予測できなかった世界に向かっているのも、ムーア(Moore)の法則に従うように、半導体チップに集積されるトランジスターの数が18ヶ月で倍増してきたからです。処理速度、記録データ量も倍増して、大容量のデータを扱えるようになりました。半導体を微細化する技術は壁に突き当たり、ムーアの法則も終焉を迎えると言われていますが、量子力学を動作原理とする量子コンピュータ(Quantum Computer)によってブレークスルーされそうです。

 技術革新を受けて将来は何ができるようになるかについて考察してみると、注目されているのは人工知能(AI: Artifical Intelligence)です。人工知能と言うと、人間に匹敵して更にそれ以上の能力を持つものを生みだしているように、幻惑されてしまいます。冷静に発達してきている技術を見てみると、パターン認識(pattern recognition)と機械学習(machine learning)が実用できるようになってきました。

 

 パターン認識とは、文字・図形など空間的なものの形の特徴を抽出・判別し、これを属すべきカテゴリーに対応づけることです。パターン認識はコンピュータには不可能な人間特有の能力と考えられてきました。以前から、光学的文字読取(OCR: Optical Character Recognition)として、印刷された書類から文字を抽出することは試されてきました。ただし、手書きの文字を認識させることはまだ難しいです。スマートフォンAIスピーカーで活用されている音声認識パターン認識の1つです。

 数年前にコンピュータが大量の画像から猫を認識できるようになったことがニュースになりましたが、今日ではパソコンやスマホでも写真から人物を区別できる機能が付加されています。最新技術を導入した防犯カメラでは、画像から犯人や容疑者が写っていないか監視しています。防犯・セキュリティは向上していますが、街中の至る所で防犯カメラが設置されています。全てのカメラ映像が解析されてしまえば、誰が何処で何をしていたかを追跡できてしまい、まさに監視社会になってきているとも思えます。

 プロ囲碁棋士を打ち破ったアルファ碁(Alpha Go)は、囲碁盤の状況を画像として認識して、パターン認識から現状の状況を点数化していると聞きました。全ての事象は画像化されてしまえば、コンピュータによってパターン認識が可能になるとも解釈できます。ネット上ならば全てのことがデータ化されているかもしれませんが、現実の人間社会ではデータに変換できないことも多いです(以前の記事)。

 

 機械学習の進歩が技術進化のスピードを劇的に加速させました。以前では人間が全てを指示しなければコンピュータは動きませんでしたが、自ら学習して仕事ができるようになってきました。大量なデータや情報を与えておけば、コンピュータは自ら調整して最も良い解を出力するようになりました。音声認識でも、初めて公開された時は誤認識が多くて使い物になりませんでしたが、日々実行される大量な音声認識を通じて学習して、認識精度が向上しています。

 機械学習の中で注目されているのは『深層学習(ディープラーニング Deep Learning)』でしょう。現在のコンピュータは、ジョン・フォン・ノイマン(John von Neumann)が考案したノイマン型であり、ソフトウェアをメモリに格納するプログラムを内蔵し、プログラムから命令を順次読み出して実行する逐次制御が実行されています。非ノイマン型として、古くからニューラルネットワーク(Neural Network)の研究が進められ、人間の脳内の神経回路網をモデルにしたコンピュータがあります。深層学習はニューラルネットワークを多層に発展させてきたものです。

 深層学習では、学習段階における人間の関与を大幅に少なくさせることが利点となっています。機械学習を進めるに当たり、様々な手法が提案されています。その中で『ドロップアウト(Dropout)』と呼ばれる手法は記憶とは何かという点でも示唆を与えてくれます。機械学習を進めるとコンピュータは丸暗記をしようとし、完全に一致しない(些細な違いでも)データは間違いと判断してしまいます。そこで一部のデータを欠損させて、記憶を曖昧にすることによって特徴が抽出されることがわかってきました。忘れることは人間の欠点(以前の記事)ですが、それが強みになるのかもしれません。

 アルファ碁は、以前のバージョンとチューニングアップしたバージョンで囲碁を戦わせて、勝った方を残すことによって自ら進化していきます。それを繰り返す遺伝的アルゴリズム(Genetic Algorithm)と呼ばれる手法です。人間では体験できないほど、大量の対局をこなしたコンピュータならば人間を凌駕しても不思議ではないです。


 最近AIについて話題となることは多いですが、これまで考察してきたようにパターン認識機械学習の技術進歩は進みました。人間に代わる究極な汎用人工知能の登場は現状の技術では難しいのではないでしょう。人間の知能を超えるシンギュラリティ(Singularity)の到来は? ある狭い分野ならば既に人間を超えていますし、知能が高いだけでは何もできなのかもしれません。

 知識についてこれまで考察したこと以前の記事)はありますが、そもそも「知恵・智慧」「知能」「知性」とは何なのでしょうか? 智慧と書くと仏教が語源となりますが、物事の道理を理解し、是非・善悪を判断する心のはたらきを示します。知を通じて理解して判断するためには、事実を認識して、そのことを解釈する必要があります。事実は変わらないとしても、理解する人によったり、社会・時代によっても解釈は変わってきます。

 自然現象として、太陽は東の地平線から昇り、西の地平線へ沈んでいくように思われます。ただし、天動説または地動説として解釈することによって、認識は変わってきます。このように事実は不変であっても、解釈が変わってくれば、人が持つ知恵(wisdom)は移ろい変わるものなのかもしれません。

 知を体系化したものが知識(knowleage)とすると、知能(Intelligence)は何者なのか? 辞書を確認してみると「知識の蓄積や物事を判断する能力、環境に適応して新しい問題状況に対処する知的機能・能力」とあります。日常でも知能を使っていると感じるのは、問題の解決策を検討、新しい分野の研究、経済やビジネスにおける戦略を練ることなどです。知能を「目的に向かう道を探す能力」と捉えれば、アルファ碁は囲碁に勝つという目的に対しては、知能が高いということになります。目的が変わって将棋に勝つとなれば役に立ちません。

 そして知性(Intellect)となれば、「感覚によって得られた物事を認識・判断し、思考によって新しい認識を生みだす精神の働き」となります。新しい認識を生みだすとすれば、知性は「目的を設計できる能力」と理解して良いかもしれません。 現状のAIは目的を達成することはできるが、自ら目的を設定することはできなく、人間にしか目的を示すことはできないのかもしれません。我々が知性を磨けばAIを使いこなすことができ、AIも最新な道具の一つにしかならないのかもしれません。

 

人間が高等霊長類と本当に違うのは道具をつくるところだ。さまざまな生物の移動効率を比較した研究を目にした。その研究によればもっとも少ないエネルギーで1kmを移動できるのはコンドルだという。一方、人間の移動効率はランク順に並べたリストの上から3分の1ほどであった。だが、サイエンティフィック・アメリカン誌にユニークなことを考える人がいて、自転車に乗った人間の移動効率を検証してみた。すると、自転車に乗った人間は、コンドルに圧勝した。一気にリストのトップに躍り出たんだ。私にとってコンピュータとは、この自転車のようなものだと言っていい。人間が生み出したもっとも画期的なツール、いわば知性のための自転車だ。 スティーブ・ジョブズ (Steve Jobs)

 

Robonaut 2

 

参考文献

  1. 人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質
  2. 人工知能の核心 (NHK出版新書 511)
  3. クラウドを実現する技術
  4. しらずしらず――あなたの9割を支配する「無意識」を科学する
  5. 問題解決のジレンマ: イグノランスマネジメント:無知の力
  6. AI時代の勝者と敗者