（ほぼ）毎週金曜日は、ゲームAI開発者の三宅陽一郎さんが日本的想像力に基づく新しい人工知能のあり方を展望した人気連載『オートマトン・フィロソフィア──人工知能が「生命」になるとき』を改訂・リニューアル配信しています。今朝は第三章「オープンワールドと汎用人工知能（１）」をお届けします。
東洋的な思想を通じて「存在としての人工知能」について論じた前回を踏まえて、今回はビッグデータやアルファ碁を例に取りながら、高度化していく人工知能の現状と未来について考察します。
（１）果てのない世界のための人工知能
前章までは、人工知能の内部構造について、東洋的知見に基づいて議論を展開してきました。要点としては、西洋的な問題特化型が機能的な性質の実現を目指すことに対して、存在としての根を持とうとする人工知能を、東洋的な人工知性という言葉によって表現したい、ということでした。この章では、その議論を踏まえつつ、方向を変えて、世界に人工知能を展開していくことを考えてみましょう。
2010年代前半から始まる、第三次人工知能ブームの特徴は、インターネットを通じて蓄積された膨大なデータ、ビックデータと呼ばれる集積されたデータを使って人工知能を学習させることで、人工知能のクオリティを向上させることです。しかし、それでも、人工知能はフレーム問題が解決されたわけではありません。フレームとは人工知能が物事を考える設定のことであり、たとえば将棋のような要素とルールからなります。しかし、人工知能は自らがフレームを作り出すことはできず、拡大して行く人工知能の活躍の場に際しても、問題ごとに一つの人工知能を割り当てているのが現状です。
現在のビックデータの解析においても、大変なのはビックデータ解析そのものよりも、ビックデータとしてデータをきれいに整備する、いわゆる「洗浄」(前処理)という操作です。解析そのものはアルゴリズムですから、いったん開始すれば人間は待つしかありません。知的な解析と解釈をアルゴリズムが実行してくれるという意味で、特にビックデータ解析は人工知能に向いた分野と言われるわけですが、しかし、その人工知能に与えるデータは、その人工知能がきちんと解析できるように、余計なデータを省いたり、データを簡単な関数で変換したり、結合したり、スケールを変えたりする必要がある場合が多くあります。最終的には、そういった操作自体も、解析プログラムの中で仕込んでしまえば良いのですが、そのデータが作られた「人間的な事情」があり、それを加味してデータを整備することもあります。たとえば、あるデータはその日、８分間の停電があったため、時刻が飛んだデータになってしまったとします。せっかくナンバリングしているファイル名も変える必要があり、そのように時刻が飛んだデータを解析することによる影響がどのくらいあるか、といったことはそのアルゴリズムを実行する人工知能ではなく、アルゴリズムの性質を知る人間にしか判断できないという問題があります。そうやって純粋なアルゴリズムの周囲に、アルゴリズムをうまく動かすための「工夫」を積み重ねていくときに担当者が感じるのは「世話がやけるなあ」ということです（図3.1）。
かつて画像処理のアルゴリズムは、画像の特徴に応じてさまざまな手法を人間が組み合わせて探求する分野でした。色々な前処理、アルゴリズム、後処理などです。ディープラーニングは、そのような画像の特徴を自動的に抽出する「折り畳みニューラルネットワーク」という技術が織り込んであるために、自動的に特徴を抽出する機能を持っています。ここではニューラルネットが画像や映像の特徴を自動的に、マルチスケールで抽出してくれます。これを行動決定に使うと、画像処理のプログラムから人工知能のプログラムになります（図3.2）。
このように、人間が、世話をする部分が減り、人工知能の担当する部分が増えると便利になります。世話をするのは人工知能の実行前だけでなく、人工知能の実行後の部分も同様です。前の部分に対しては、人間は「準備が面倒だな」と思いますし、後の部分に関しては「ここまでやってくれたらなあ」と思うわけです。お掃除ロボットのために、最初にロボットが掃除をしやすいように家具を片付け、掃除の後に家具を元の位置に戻したりしながら、そう思われた方も多いかと思います。つまり、人工知能はできることが決まっており、また行う領域も決まっており、その舞台は人間が整えなければなりません。人工知能を運用するには、人間がした方がよい領域と、人工知能がした方がよい領域をよく知って運用する必要があります。そして、人工知能技術の発展はその境界を変化させます（図3.3）。
コメント
コメントを書く