| データの見えざる手（１） | |
| データの見えざる手（２） | |
| インフルエンザの流行はGoogleが予測する | |
| ディープマインド | |
| 半沢直樹は機械化できる | |
| 将棋電王戦が暗示するロボット産業の未来 | |
| アルファ碁の着手決定ロジック（１） | |
| アルファ碁の着手決定ロジック（２） | |
| 東ロボにみるAIの可能性と限界 | |
| 囲碁とAI：趙治勲 名誉名人の意見 | |
| AI vs.教科書が読めない子どもたち | |
| 教科書が読めない子どもたち | |
| フランスのAI立国宣言 | |
| 破壊兵器としての数学 | |
| データ階層社会の到来 |
これらの15の記事をテーマごとに分類してみると、次のようになるでしょう。
| ゲーム ： No.174, 176, 180, 181, 197 |
取りあげたゲームは囲碁と将棋ですが、この分野におけるAIの進歩は目覚ましいものがあります。2016年に英国・ディープマインド社の "アルファ碁" が世界トップクラスの棋士に勝って大きな話題になりましたが、その後のAIの進歩で名人といえどもAIに勝てなくなりました。囲碁と将棋は "完全情報ゲーム（すべての意思決定の過程が全員にオープンにされているゲーム）" の代表格であり、しかも最も複雑な部類です。この領域ではAIが人間を凌駕したわけです。
AIの特長は進化のスピードが速いことです。特に囲碁や将棋ではAI同士の自己対戦や強化学習で、人間同士の対戦では考えられないほどの対局をこなすことができます。AIの打ち手（指し手）の最適化が猛烈なスピードで進む。No.181「アルファ碁の着手決定ロジック（２）」で、アルファ碁（2015年末の時点の技術）が ① 囲碁の常識をあらかじめ人間がインプットし、かつ ② 人間同士の対局データの機械学習で開発されたことを指して「道は遠い」と書きましたが、その予想はハズレでした。その後2年程度で ① ② が不要なアルファ碁・ゼロ（2017年末）が登場したからです。想像を遙かに越える進化のスピードです。趙治勲 名誉名人が「人間の天才棋士が20年かかるところを、AIは2ヶ月で進歩した」という意味の発言をしていましたが（No.197）まったくその通りです。
要するに、ルールが明快で情報が完全に把握できる領域では AI は人間を凌駕することが明確になったわけです。もちろん実社会ではルールが曖昧であったり、人の感情に左右されたり、あるいは情報が不完全な中での意思決定が必要です。完全情報ゲームのようにはいきません。ゲームのAIは、あくまで非常に "狭い" 世界での話です。
しかしその一方で、ゲームはIT技術の進歩と深く関わってきました。1970年代後半のインベーダー・ゲームは（電卓とともに）マイクロ・プロセッサーの発達を促したし、現在のAIにおける深層学習を効率的に行うGPUという超並列プロセッサーは、ゲームの3D表示で発達してきました。2019年になって、5Gを見据えて Google などが発表した Cloudゲームや、今後広まりそうな VR（ヴァーチャル・リアリティ）を使ったゲームも、IT技術・コンピュータ技術の発達の結果です。ゲームが革新を導くことがよくあります。ゲームを侮ってはいけないのです。
| ビッグデータ ＋ 統計分析 ： No.165, 166, 173 |
No.165,166「データの見えざる手」と、No.173「インフルエンザの流行はGoogleが予測する」は、いわゆるビッグデータを収集し、それを統計理論を主体とする数学手法で分析することで、データに含まれる法則や規則性、関係性を見いだし、それを予測や推定や意志決定に役立てるというものでした。これが2010年代にブレイクしたAIの主流の方法論です。文字・画像認識、機械の故障予測、X線・CT画像からの病巣の発見などは、すべてこの方法論によっています。
| AIと倫理 ： No.237, 240, 250 |
AI技術は、使い方によっては社会にデメリットをもたらします。つまり格差を助長・固定化したり、不平等をもたらしたり、プライバシーを侵害したり、といった不都合点です。No.237「フランスのAI立国宣言」、No.240「破壊兵器としての数学」、No.250「データ階層社会の到来」は、そういったAI（広くいうと数学、ないしは数学モデル）の危険性と、それを克服するための社会倫理の構築が必要という話でした。
| AIの可能性と限界 ： No.196, 233 |
|
ちなみに No.196の「補記」に東ロボくんが全くできなかった英語のリスニング問題（＝バースデーケーキの問題）を掲載しました。なぜ受験生ができる問題がAIにとって困難なのか（研究者によると "絶対に無理"とのこと）の一例が良く理解できます。
一般的に「AIが不得意なもの、AIの限界」について語られることが少ないのですが、東ロボはそれを実証的に見極めたという意味で貴重なプロジェクトでした。それは大学入試という限られたものだけれども、大学入試は10代後半の若者の知力が試される普遍的な場です。そこにAIで挑戦したという意義がありました。
| AIによる雇用の変化 ： No.175 |
No.175「半沢直樹は機械化できる」は、AIの時代における雇用の変化です。特に、2013年にオックスフォード大学の教授が出した「雇用の未来：我々の仕事はどこまでコンピュータに奪われるか？」では、現存する職種の47%がAIに奪われるという推定があり、それがセンセーショナルに報道されました（AIの専門家による70職種の推測を、数学モデルで700職種に拡大したもの）。
題名の「半沢直樹」は銀行マンで「融資の妥当性を判断する業務」の担当です。この仕事は機械化できるという予測が2013年頃に立てられたのですが、それから6年後の現在では「AIによる融資判断」が花盛りの状態です。予測通りに事態が進行して来ているようです。
| AIの時代に必要なスキル ： No.234, 235 |
No.234「教科書が読めない子どもたち」は東ロボのプロジェクトを主導した国立情報学研究所の新井紀子教授が実施したリーディング・スキル・テスト（Reading Skill Test。RST）で判明した驚くべき事実でした。RSTの "ミソ" は、
東ロボ・プロジェクトで分かった読解力についてのAIの得意・不得意が、小中高校生ならどうかが分析できるようにテスト設計がされている
ことです。AIが不得意な分野こそ人間が優位に立てるはずなのに、意外にもその分野では人間も正解率が悪いことが分かった。このままではAI時代についていけない人が多数発生する、というのが新井教授の危機感でした。それを受けて No.235「三角関数を学ぶ理由」は、小中高校の勉強はこれからのAIの時代に増々大切になるということを主張したものでした（三角関数は一例です）。
今回はその No.234「教科書が読めない子どもたち」と、No.235「三角関数を学ぶ理由」の続きです。2019年6月の日本経済新聞に、東ロボと RST のプロジェクトを主導した新井教授のインタビュー、「AI時代の生き残り術」が掲載されました。このインタビューの内容は極めて妥当だと思ったので、その一部をネタに「生き残り術」を考えてみたいと思います。
読解力・論理力・コミュニケーション能力
このインタビューは日本経済新聞の玉利編集委員が行ったものですが、玉利氏の「人工知能（AI）が仕事を奪うことについての不安が広がっている。若い世代ほど将来不安が強いようだ」という問題提起に対し、新井教授は次のように答えています。
|
新井教授の話の最後に出てくる「医師」は、"最もAIに取って換わることがなさそうな職業" であることは確かでしょう。オックスフォード大学の予測でもそうなっていました。しかし、医師の仕事のある部分はAIで置き換えられることもまた確かです。
しばしば経験することですが、病院に行くとまず検査に回され、医者はその検査結果のパソコン画面の数字を見ながら、患者の方には目も向けずに、また質問など無しに、あれこれと "診断" をするということがあります。こういった "診断" は機械化・ロボット化できるわけです。将来は血液１滴だけの分析で（ないしは、ごく少量の生体サンプルの分析で）、その人がどういう病気になっているか、その予兆も含めてすべての診断できるようになるでしょう。こうなれば「パソコン画面を見つめるだけの医師」は不要です。
要は「医師」とか「公務員」というのは、今までの社会の枠組みにおける職種であり、今後予想される激動期においては、その職種が無くならないまでも、職種に求められるスキルがガラッと変わりうるわけです。人が仕事をするということは社会にとってどういう意味と価値があるのか、そこを考えないといけない。
|
新井教授は、求められるのは ① 読解力、② 論理力、③ コミュニケーション能力、の３つだと言っています。この３つの内容を具体的に言うと次のようになるでしょう。
① 読解力は、主として文章で表現された意味内容を正確に把握できる力です。実社会では文章表現を補足するものとして、図や表やグラフが使われることが多々ありますが、これらの読解も含みます。
読解力は、社会におけるすべての仕事、研究、タスク、作業の基本となるものと言えます。また、自分が表現したいことを他者に間違いなく伝わる形で文章や図にする力（＝表現力）は、読解力があってこそのものです。表現力はあるが読解力がない、というのはありえないというか、矛盾しています。
② 論理力は「論理的にものごとを考えられる力」です。学校の勉強で言うと、数学は論理だけでできあがっています。その他の理系科目や文系科目の多くも、論理的に考えることが重要なのは言うまでもありません。
③ コミュニケーション能力は、対人関係において相手の意向を読みとり、相手の言わんとしていることを理解し、また自分の主張を相手に伝わるように述べ、さらには相手を説得したり、妥協点を見つける能力でしょう。
① ② ③ が「AI時代における有能さ」の最もべーシックなスキルだというのは、大変納得性が高いわけです。それはおそらく、小学生ころから始まる訓練で培われるはずです。
私の知り合いで小・中・高校生に勉強を教えている塾の講師の方がいます。その人によると、中学受験をするような小学生に最も必要なのは「読解力」と「計算力」と「集中力」だそうです。受験そのものにコミュニケーション能力は不要なので、「計算力＝論理力の一部」と考えると新井教授の説に似ています。さらに、集中力が "生産性"（＝ 正確に速く作業を遂行する）を左右するのはその通りでしょう。
その小学校にも近年、英語やプログラミングを取り入れる動きが進み、また大学や企業はAI人材の育成に力を入れ始めています。こういった社会情勢の中で、しかも先が読めない時代だから学生も親も企業も不安にかられ、すべての能力を備えようと焦る。あれやこれやに手を伸ばし「英語ができて、AIのプログラミングが出来て、コミュニケーション能力も高い」というような理想像を描いてしまう、と新井教授は言っています。しかし本当に必要なスキルは何なのか。プログラミングを例にとってそれが説明されています。
|
新井教授の発言にある「高度プログラミング」を、「実社会で実務に使用するプログラムを作ること」と考えます。そこでまず必要なのは、プログラムが果たすべき機能を正確に漏れなく記述した仕様書です。それは、例外ケースにおいてプログラム（＝コード）がどう振る舞うべきかというところまで記述しなればなりません。
次に、その仕様にもとづいて、何らかのプログラミング言語を用いて機能をコンピュータが処理できる形に実装する必要があります。このフェーズおいては C++ や Java や Python などの（例です）プログラミング言語を使うわけですが、言語の修得は勉強すればできます。それよりも、論理的に考えるとか、集中力を発揮してケアレスミスのない（バグがない）コードを書けることが大切です。
仕様書は別の人が書き、その仕様に沿って自分が実装するということもあるでしょう。そこで必要なのは読解力です。さらに論理力も必要です。往々にして仕様書には曖昧なところやヌケ・モレ、記述不足、不整合などの不具合があります。その不具合を見抜く力が必要で、そのためには「不具合がなく首尾一貫している仕様とは何か」を想定できる論理力が必要です。論理的にものごとを考える力があってこそ論理的におかしいという指摘ができるのです。
顧客から受託して、顧客の要望で仕様書を書き、コードを実装することもあるでしょう。この時に必要なのはコミュニケーション能力です。顧客の真の要望や意図を理解しないと始まりません。限られた予算と納期のなかでのプログラム開発では顧客の説得も必要だし、優先度を考えて落とし所を探ることも必要です。まさに対人的なコミュニケーション能力が必要な場です。
新井教授は「AIを使うプログラマーに欠かせないのは数学」という趣旨の発言をしていますが、まさにその通りです。現代のAIは徹頭徹尾、数学でできています。回帰分析、クラスター分析、主成分分析、深層学習、トピック分析など、現代のAIと言われるものの中身は数学です。「数学は嫌いだがAIのプログラミングは好き」というのは矛盾しています。
最近は「AIプラットフォーム」と呼ばれる "AIプログラムのライブラリ" が無料公開されていて、それを使えば比較的簡単にAIプログラムが開発できます。プリファード・ネットワークス社の Chainer や、Google社の Tensorflow などが有名です。しかしこれらのプラットフォームを使っているだけの自称 "プログラマー" は、新井教授が言うように早晩淘汰されるでしょう。
乱世こそ地道に
このインタビューを行った日本経済新聞の玉利編集委員は、全体を "乱世こそ地道に" とまとめています。それを次に引用します。
|
玉利編集委員がインタビューのまとめとして書いていることで重要なポイントは、
| 乱世こそ地道なやり方しか通用しなくなる。 | |
| 乱世では普遍性のある、どこでも通用するものしか生き残れない。 |
の２つです。これはまさにその通りでしょう。この２つを逆の視点から言うと、
| 安定した世の中で作られた枠組みに沿って、専門特化した領域だけしか知らない・知ろうとしない人は、ひとたび乱世になると足元を掬われて行き場を失う（ことになりかねない）。 |
となるでしょう。専門特化した人材が一見、生産性が高いように見えるのは、本人が「基本的なスキルが高い有能な人材であるから」ではなく、「その専門領域で先人たちが過去から蓄積し継承してきた経験や知識があるから」かもしれないのです。その経験や知識がデジタル化されてしまうと、自称 "スペシャリスト" は一気に行き場を失うはずです。
以上の日本経済新聞の記事を読んで改めて思うのは、教育の大切さです。特に小学校・中学校・高校における教育で、それは No.235「三角関数を学ぶ理由」に書いたような勉強と、学校というミニ社会における共同生活です。我々はそこで、読解力・論理力・コミュニケーション能力といった「普遍性のある、どこでも通用するスキル」を育成していると考えられます。勉学の課目はいわゆる文系から理系までいろいろありますが、その勉強によって我々は、たとえば「読解力・論理力のさまざまなパターン」を修得できるのです。
AIによる機械化が進もうとしている時代、小学校から英語やプログラミングを取り入れようとしている時代にこそ「普遍性のある、どこでも通用するスキル」の大切さに眼を向けるべきだと思いました。