＜ Prev 第三次人工知能ブームはなぜ｢実世界思考｣を目指すのか？：三宅陽一郎講演
『人工知能のための哲学塾』の刊行記念イベントの後半は、著者の三宅陽一郎に加え、ゲストに株式会社Speee代表の大塚英樹と文筆家・ゲーム作家の山本貴光を迎えた鼎談が行われた。人工知能、ビジネス、社会をテーマに、人工知能の可能性と現時点での限界、日本で研究開発が進められている人工知能の特徴や強み、人工知能と人間との共存について、活発な意見交換がされた。
人工知能は｢閉じた問題｣で力を発揮する
犬飼博士（以下犬飼）：本日司会を務めます犬飼です。よろしくお願いします。では、いきなり質疑応答から入ってみましょう。先ほどの三宅さんの講演を聞いて、質問したいことや思ったことがあれば聞いてみたいのですが...。会場からの質問1：今の時点では、まだ人工知能が人間の先をいくことはないのかもしれませんが、三宅さんのような専門家から見て、人工知能が人間を超えた状態はどのようなものなのか、そのような未来の片鱗がもし見えましたら教えていただければと思います。
三宅：人工知能は概念を人間のように理解しているわけではありません。ネットワークというものを理解しているけれど、人間のようには理解していない。ですから知能の高さが人間に近づくとはいっても、人間の足元ぐらいのレベルかなと思います。この間話題になったAlphaGoなんかもそうですが、あのように｢閉じた問題｣の中での人工知能は、人間よりも圧倒的に賢いです。囲碁の勝負の際に、人間の場合だと碁盤の中央は周辺が確定するまでなかなか読み切れないので、最後の方に打つのですけれど、人工知能だと真っ先序盤で真ん中に打つこともあります。それって、人工知能は人間には見えない手まで予測できているということなんです。ですから、閉じた問題に限定するならば、人工知能は人間よりも先を見ることができると言えます。
ただし、これは｢フレーム問題｣と言うのですけれど、人工知能は自分で問題を作り出せないんです。あらかじめ設定された問題しか解けないので、必ず先に人間が問題を作っておく必要があります。今でも全部そうです。
山本：今のお話と、先ほどの三宅さんのレクチャーに対する補足をしてみます。キーポイントがいくつかありましたが、なかでも重要なのは、人工知能を作る際に人間の内面（ここでは詳しく区別しませんが、心、意識、精神などのことだとお考えください）をどうとらえられるかという問題です。三宅さんは、そこには限界があると指摘されたと思います。この点について補助線を引いておきましょう。レクチャーで、フランスの哲学者ルネ・デカルトの機械論的世界観について三宅さんが解説しておられたのをご記憶かと思います。これをもう少し別の角度から見ると、なぜ人間の内面はとらえにくいのかということが腑に落ちやすくなります。
機械論的な世界観とは、簡単に言うとこの宇宙なり世界が、機械装置のように一定の決まった動きで構成されているという見方です。自然科学で言う法則は、条件がそろえばそのようになる（はず）という形をしていますね。だからその法則によって将来生じることも予測できるし、その予測にもとづいてそれこそ飛行機を飛ばせるし、スマートフォンも動くわけです。問題は、この宇宙や世界の森羅万象すべてを、そうした機械的な見方でとらえられるかどうかです。
他方で、この世界は一回しか生じないことの連続とも考えられますね。人間の場合が顕著ですが、生まれてから死ぬまでのあいだ、厳密に言えば同じ出来事は二度と生じていません。同じ映画を二度見るとしても、一度目と二度目は同じ出来事ではありませんよね。自然現象にしても、太陽は毎日昇ってくるけれど、昨日昇ってきた太陽と今日昇ってきた太陽は、厳密に考えたら違うわけです。
自然科学では、そうした一回しか起きないことの集合体のなかから、｢何回も繰り返し起きている｣と言えることを取り出します。同じことが再現していると言える現象を抽出するのがサイエンスであると、いったんは言ってよいでしょう。
ですが、それだけではとらえられないものがある。それは一回しか起きないことで、その代表例が人間の心です。意識とか心と呼ばれるものについては、自然科学が普遍的とみなした知識だけではとらえられない何かが残ってしまう。
たとえば、皆で同じ本を読むとそれぞれ違う読み方になる。一人の人でも、一冊の小説を子どもの時に読むのと、大人になってから読むのと、10年後に読むのとでは、それぞれ違うふうに読めてしまう。なぜかと言えば、少なくとも人の記憶の状態は、日々変化しているからです。そこで同じものを見ても、そのときどきで違う連想をしたり、違う意味を取りだすわけです。
こんなふうに、一回しか起きないことと、何回も繰り返し起きると見なしてよいこととの対比で今日のお話を整理していくと、人工知能がなぜ人間の内面に迫りにくいかが、ちょっと分かってくると思います。
デカルトの機械論的な世界のとらえ方は、何回も繰り返し確認できる知識ですべてを説明しようぜという発想です。これは後の自然科学の基礎にもなります。それに対して一回しか起きないことを探求する学問は人文学です。
人文学と言えば分かりづらいかもしれませんが、天文との対比で考えるとよいでしょう。ここで天文とは、世界（天）全体をどうやって説明するかを探求する自然科学のことです。しかし人間については、それだけでは説明しきれないので、人文学の出番となります。三宅さんの本でも中心的な役割を担っている哲学は、人文学の中核といってよいでしょう。天文と人文の双方の見方が必要なわけです。
分かりやすい知識はコモディティ化しがちだ
大塚：少なくとも今のお話を一週間前の僕が聞いたら、てんでよく分からなかったなと思いますが、今聞いていて｢面白いな｣と思ったんですね。それはなぜかと言うと、三宅さんの『人工知能のための哲学塾』を読んだからなんです。これ、買われた方いらっしゃいます？ あ、結構いますね。では、読了された方、いらっしゃいます...？ あまりいらっしゃらないですよね？ そう、この本は猛烈に読みにくいんです（笑）今我々の会社には大体500人くらいの従業員がいます。半分の人間がデジタルマーケティングをやっていて、もう半分の人間がライフスタイル系のメディア等の事業に携わっています。我々の人工知能の使い方ですと、特にアドテクノロジーはデータが溜まりやすい仕組みなので、ネットの中にあって人工知能が機能しやすいと考えています。
また、ライフスタイル系のメディアも、連携しているコールセンターのサービスの音声データから蓄積したデータを人工知能で解析して、ユーザーサポートの品質をこれから上げていくことはできないか、等の議論をしています。そんな具合で、我々にとっての人工知能は、大きく2種類の使い方があるんですけれども、そういう分かりやすい使い方について学習しようと思うと、松尾豊先生のところに行っちゃうんです（笑）
これまで人工知能は、サイエンスとエンジニアリングから語られることが多かったのですが、ビジネスサイドの人間からすると、やはりその方が知識として使いやすいんです。
事業家や起業家は、ちょっとずるいところがあります。サッカーでいうとフォワードで、オフサイドにかからないくらいのところにいて、｢いいパスを誰が出してくれるんだ？｣という感じのポジショニングで待っているんです。｢いい点が取れるようなテクノロジーはないかな？｣という立ち位置で見ているんですね。そうすると、どうやら人工知能の分野だと松尾先生からいい感じのパスが出てきそうだなと。
ですが、これは逆に考えると、すごくいいパスをみんなに供給するので、同じものを狙っている人たちも増えてしまって、面白さがだんだんコモディティ化してくるんです。
そんな問題意識があったので、これまでとは違った哲学の領域について知れば、自分の中での考えの奥行きが出てきそうだなと思って『人工知能のための哲学塾』を読んでみたところ、正直な話、最初の一時間半までは面白くなかったんです（笑）
ところが、一時間半ぐらいして第二夜まで読み進めたところ、むちゃくちゃ面白みがわかってきました。先ほど読了されていないという方がいらっしゃったと思うんですけれど、おそらくその方たちも第一夜で挫折して...？（会場爆笑）
三宅：第一夜が一番難しいです。大塚：そうですよね？ 第一夜で終わってしまっている可能性があるんじゃないかなと思ったんですけれど、そこが谷です。その谷を越えるとですね、デカルトの濃密な合理の世界が待っていて、大変楽しめます。三宅：僕にとっても第一夜が一番難しかったので、何章から読んでもいいよっていう意図で読書地図を冒頭に載せたのですけど、みんな第一夜から読みますよね（笑）山本：こういう難しい本を読むには、いくつかのコツがあります。ひとつはね、｢こんなにたくさんの文字を費やして、こんなに色んなことを考えなければならなかった著者は、いったいどんな問題に取り組もうとしていたか？｣と考えてみることです。つまり、著者が探究しようとした課題をつかむのがすごく重要です。その課題がつかめると、今大塚さんがおっしゃったように、楽しくなってくるし、読み進められます。三宅：僕の課題は超簡単で、ゲームキャラクターに知能を与えたいって、それだけなんです。本当にそれしか考えていなくて、そのためにはどうしたらいいのかと、四苦八苦していた...ということは書いていなかったですかね？ 前書きとかに。大塚：前書きとコラムと後書きが素晴らしかったです（会場爆笑）。コラムでさらに理解が深まって、次の夜に入るモチベーションになって、読めば読むほどナレッジが複利で増してきて、学習効果がすごく出てくるんです。それで後半をもっと楽しめるので、ぜひ第一夜の谷を越えてもらえるといいなと思います。
日本人にとって人工知能は、八百万の神 1
ところで、これもビジネスサイドの話なんですけれど、基本的に日本のIT企業って、（英語圏と比較すると）データのボリュームもユーザー数も、かけているお金の額も全然違います。母国が日本という時点で、人工知能領域のビジネスの展開って、すごく将来が暗いと感じている人って結構多いんじゃないかなと思っています。フェイスブックやグーグルなんかと比較しても比較にならない。
月並みな質問ですが、今後日本のIT企業が人工知能と正しくつきあってビジネスを展開していく上での、三宅さんの目線からのアドバイスはありますでしょうか？
三宅：日本の人工知能の特徴は、｢あやふやなもの｣をとらえられるということですね。ハードなディープラーニングとか、古典的な問題といった基礎的なところからビルドアップしていくのは欧米の方が強いんですけれど。たとえば、2ちゃんねるで、どう話題が盛り上がるのかとか、最近だと人狼という会話のゲームの人工知能を作ろうという｢人狼知能｣というものもあります。一見、西洋の感性ではとらえられないようなところから人工知能に切り込んできて、かつそれがビジネス領域に近いという例がいくつかあるんです。
西洋の人工知能観は、まず神様がいて人間がいるという世界観にもとづいています。人間の知能こそを基準にして、そこに人工知能を合わせていきます。だから、すごくシナリオが描きやすい。
ところが日本の人工知能観というのは、八百万の神 一個目みたいな位置づけでとらえられています。それがあるから、ゲームもふくめた色んなコンテンツや、キャラクタービジネスといった多様なものを生み出すんです。
今はそのコンテンツ群と人工知能ビジネスがうまく結び合っていない。ですが、このあやふやなコンテンツ群というのが、西洋にはないものなので、ここに人工知能をぶつけて結びつけていくことで、他にはないユニークなものを世界に発信できるはずだと思います。
ゲームでも欧米のゲームAIはリアリティのあるAIです。銃弾があれば避けるし、計算をし合理的な行動をします。日本の場合、まずゲーム自体がリアルじゃないですね。『塊魂』（バンダイナムコゲームス）とか。あれのAIは普通のファンタジー系のゲームのAIのようにリアリティのあるAIとは作りが違うんですね。そういう多様性が武器になるんじゃないかと思います。
山本：そこでおそらくポイントとなるのは、データの山に対してどういう問いかけをするかということです。どんな問いを立てられるかで、最終的な差が出ると思うんですよね。問いの作り方が、実はすごく重要だと思います。データに対して、皆と同じような処理をルーチンのようにやっているのでは差がつかないし、お金や各種リソースをたくさん掛けられる人の方が深いところまで行けちゃう。でも、ユニークな問いや誰も目をつけていない問いを立ててデータに問いかければ、統計やディープラーニングといった手法を活用して解を発見できるわけです。問いをどうするかというのが勝負であり、クリエイティビティを発揮できる場所だと思います。
ところで、人間の営みのなかで問いを作ることに専心しているのはなにかといえば、それが実は哲学なんですね。哲学の仕事は問いを作ることです。問いを作って、みんなが当たり前だと思って見過ごしていることを、｢実は当たり前ではない、まだつかみ切れていないものがあるぞ｣と考える。これはものの見方を変えることだと言ってもよいでしょう。そこから何か新しいものが見えたり、出てきたりするわけです。
大塚：人工知能を深めていく上で哲学の部分を深めていくことが、問いを作る上で違いを生む。こういった観点にもとづいた研究は日本以外でも進んでいるんですか？三宅：人工知能の開発者や研究者には二派いて、｢人工知能に哲学はいらない｣という人もたくさんいますし、一方で｢絶対に必要だ｣という人も、少数派ではあるかもしれませんが、います。海外においても、それは同じで、ニューラルネットワークをやっているから、哲学はいらないという人もいるし、あくまでも数学の問題だからという人もいる。一方で、人間の生理や存在をちゃんと理解して研究を進めないといけないという人もいます。ただ、この本でもそうですけれど、西洋の文明でいる限り、脈々と受け継がれてきている文脈から逃れられないところがあります。やはりデカルトの影響がすごく大きいので。最初にあったのは、記号的な人工知能を作ろうという視点。あともうひとつは、人間の知能を機械に与えるという視点ですね。
その視点は、文化的な背景もあるので、あまり日本にないと思うんです。人工知能という学問分野で一番特徴的なのは、｢知能とは何か？｣というところに、すごく依存しているところです。ところが、日本の知能観と海外の知能観は違うんですね。
基礎論の問い方というのも日本と西洋はやっぱり違う。西洋の問いかけというのは、これまでの西洋哲学に則った上で基礎を問う。日本はもう少し違う気がします。もっと不可思議なところから、問うような気がします。
企業が人工知能ビジネスで勝つためには？
大塚：人工知能の進化の延長にスマートシティがありますよね。先ほどのレクチャーの流れでいうと、最初はネットの中で完結できるデータを保有しているところが、やがて現実社会とコネクトしていく流れの先にスマートシティがあると伺いました。ですがお金や組織というアセットが入ってきた時、2つのシナリオが想定できると思うんです。結局のところ現実社会側にいる大企業がパワーを持って、そのうまみを吸収してスマートシティを発展させる役割を担うというシナリオ。もうひとつはネットの内側で構築した世界から現実にしみ出していくIT企業が、スマートシティの中でも、ある程度のオーナーシップを持って進化を牽引できるというシナリオ。人工知能のビジネス的な進化論でいくと、この後はどうなっていくのでしょうか？三宅：今の状況を見ていくと、内側からしみ出していく、つまりかつてはIT企業だったところの動きの方が、ハードウェアメーカーよりも速度の面で強みがあると思います。たとえば、自動運転にしても、自動車メーカーはずっと前からやっているのだけど、データーベースとかサーバーとか、IT面では後追いになっています。巨大なインフラやクラウドの整備も立ち後れているため、IT企業の方が若干有利に見えます。今は両極から競争が起きていると思うんですよ、すでにハードウェアを持っている企業が、IT企業を吸収していくのか、あるいは内側からIT企業がやってきて自動車メーカーなどと連携するのか。
電力のようなインフラ事業は昔から電力会社がやってきましたが、現実には電力自由化になった時に真っ先にauが入ってきて｢auでんき｣のようなサービスを展開していきました。インフラに張りついていた企業は、インフラを守るために最適化した組織作りをしてきて、サービスというよりはインフラとしてずっとやってきました。そういうところより、サービス発想で柔軟にやってきている企業の動きの方が今若干動きが早いなと思います。
今資本力が潤沢なIT企業は集めた資金を現実方向に大量投下しています。フェイスブックなんかもそうですけれど。あの資金力はもともと外側にいる企業にはありません。
山本：先ほどの三宅さんのお話にスタジアムの例が出てきました。そこでも触れておられたように、多種多様なセンサーが随所に配置され、そのデータが蓄積・解析されることで、人間がこれまで感知できなかったことまでトラッキングできるようになってきた。AIがそのデータを活用する世界になった時、人が知覚したり把握したりできないようなパターンが世界の中で動いていることが分かってきた。この状況下で、どういう会社やサービスがこの先伸びていくか。先ほどは問いを作る重要性について述べました。それに加えてちょっと抽象的なことを言いますが、おそらく世界の見方を柔軟に変えられるところが伸びていくのだと思います。
たとえば、従来私たちは、人間の身の丈の世界観でサービスなりなんなりを考えてきました。他方で厖大なデータとAIが提示する世界の見方が姿を見せつつありますね。そこでは、人の身の丈をはるかに超えた規模で初めて見えてくるようなパターンが観察されるでしょう。そうした言うなれば、新たに発見される世界の見方を前提として、従来の常識を越えた発想を出していける企業が、AIの活用に関してはうまくいくのではないかなと私は思います。
もう一点、今日はAIとビジネスがテーマということで、皆さんに紹介しようと思って本を一冊持って来ました。ジェリー・カプランというAI研究者が書いた本で『人間さまお断り』という、ちょっとぎょっとするタイトルです。副題を｢人工知能時代の経済と労働の手引き｣と言います。この本の冒頭を読むと、ビジネスとAIの関係は今後どうなっていくかということを考える上で、検討すべき問題を教えてもらえます。
ひとつだけご紹介してみましょう。目下、AIとビッグデータの活用によって、いろいろなことが自動化されたり、AIで置き換えられるなど、技術もどんどん変化していくと予想されていますね。ところで従来私たちはある分野の専門家になるために少なからぬ時間を費やしてトレーニングしてきました。でも、技術の変化が速すぎる時代になると、専門家になるためのトレーニングの時間すらも長すぎるということになってきます。こういう状況下では、どういう人が活躍しやすいか。カプランはそんな問いを提示しています。
この問いに触れて私が思ったのはこういうことです。たとえ状況や技術が多少変化しても仕事ができるようにするには、新しい知識や技術を身につけること自体を効率化するスキルを身につけることが重要だろう。ややこしく聞こえるかもしれませんが、実はとても簡単なことです。
それはどんなスキルか。今まで｢教養｣といういささか曖昧な言葉で言われてきた、そういう知を使いこなす能力です。教養とは、いわば知のサバイバルキットだと思います。自分にとって未知の状態や知識を学ぶための基礎となるものです。語学や文章読解、批判的思考などは典型例ですね。昔アメリカのドラマで『冒険野郎マクガイバー』というのがあったのを思い出します。主人公のマクガイバーは、ピンチになるとその辺にあるものを組み合わせて対処しちゃうというヒーローです。そんな風に、教養というのは普段何事もない時には何の役に立つのか分かりづらいんだけど、いざ問題が起きた時に、｢それは、これとこれを組み合わせれば対処できるぞ｣ということができる知の基礎体力や筋力みたいなものなのです。
先ほど申し上げた、哲学を中核とする人文学はその重要なもののひとつですね。今世界的に人文学の価値は下落中ですが、この先10年、あるいは50年のスパンで考えた時、カプランが言っているような状況で活躍できる人は、知の筋力を鍛えている人ではなかろうかと思うんです。
以上は一例ですが、『人間さまお断り』を三宅さんの『人工知能のための哲学塾』の隣に置いて読んでいただくと、今日の大塚さんから提示されたビジネス方面からの非常に面白い質問と絡めて、考えをさらに先に進めるヒントを得られると思います。
人工知能と人間がどう協調するか？
会場からの質問2：人工知能とサービスについての質問です。回転寿司のスシローが、人工知能によるビッグデータの解析を活用して、食材の廃棄率を7割以上減らしたというお話があります。これまでは板前さんの熟練度によって、お客さんが空いている時ににぎるネタやお皿の流し方に差が出ていましたが、人工知能を活用することで7割ムダを減らせたという事例です。こういう事例を見ると、人工知能をサービスに活用することで、人間が考えなくて済むようになると思いました。ですが一方で、課題もあるようです。あるフランス料理屋さんでは、お客さんから問い合わせがあった時点で、お客さんの名前とともにご新規さんかリピーターかが瞬時に出ます。さらに過去の注文データからお客さんの好みや傾向なども出るので、たとえば｢この人蟹アレルギーだから｣と判断して、メニューから下げたり、過去に白身魚を気に入ったというデータがあれば、そういう料理や合うワインなどをお勧めしたりします。
後者のフランス料理屋さんのような場合、人工知能のアシストに加えて、人間がさらに先回りをしてサービスしないとお客さんに満足して帰っていただけません。人工知能も色々やってくれますが、さらに人間が先回りをしてサービスしないといけない。そうなると、人工知能と人間の判断が複合したサービスのノウハウをスタッフに教えることが課題になります。AI 人間が融合したサービスは、今後どのように展開していけばいいのかをお伺いしたいです。
山本：面白い問題ですね。今のお話を伺ってこう思いました。目下のAIは、膨大なデータを解析して、そこから何かを抽出するという仕組みがまずある。言い換えれば、これは過去に起きた現象からパターンを抽出するというやり方ですね。だけど人間は過去のパターンのみから物事を機械的に判断したり行動したりするわけではありません。過去のデータにはない新しい組み合わせや発想、問題意識を生み出す可能性があります。そこは過去のデータだけにもとづくAIでは予測しきれない。間に人間が入って｢AIはこう言っているけれど、それに加えてこう考えないといけないよ｣と判断しないといけない部分は、どうしても残ってしまうんじゃないかと思います。
今日最初にお話した、一回しか起こらないことの連続を、どれだけ一般化できるかという問題ともおおいに関係していると思います。原理としては以上のようなことが言えそうです。
大塚：ビジネスの観点から見れば、僕はそんなに難しい問題ではないと思います。今おっしゃったケースは、これからビジネスのすべての領域で確実に起こっていくことで、今はいわば過渡期の苦難を迎えている。ですが、それに人は慣れていくと思います。慣れていくしかないし、実際に慣れていくと思います。世代やバックグラウンドによって、何が当たり前なのかという基準が違っても、学習してそれに馴染んでいくだけなんじゃないかと思います。三宅：先ほどお話しした｢フレーム問題｣があるので、人工知能はそこまで賢くはなれないです。最初から設定されている問題を解くのが人工知能。汎用的な人工知能というのは、フレームの中で出してきた予測については本当に賢いのですが、現実に適用する時は、残念ながら人間の方が圧倒的に賢いです。これからは、人工知能と人間がどう協調するかという勝負になるはずです。今されているような、職業が無くなるとか無くならないといった議論はナンセンスで、実際には自分の仕事の何割かが人工知能に置き換わるといった話になるはずです。むしろその何割かがどう置き換わるかが、人材やサービスの生き残りに関わってくるでしょう。何もかもを人工知能で解決しようとするのもおかしいし、人間が全部やろうとするのもおかしいし、そこの見極めが重要かなと思います。
目的と価値消失
#カルチャーはお金システムの奴隷か？
日本人が知らないカルチャー経済革命を起こすプロフェッショナルたち
