3,362 文字
人工知能は世界最強のチェスプレイヤーに勝てるのに、靴紐を結ぶことができないというのは興味深い現象です。これは誇張ではなく、最先端の人工知能システムは信じられないほど複雑な戦略を数ミリ秒で実行できますが、3歳児が簡単にこなせるような作業に取り組むと惨めに失敗してしまうのです。
このモラベックのパラドックスとして知られる現実は、知性の本質について魅力的な何かを私たちに示しています。そのコントラストは非常に印象的です。ChatGPTは量子物理学についてかなり複雑なエッセイを書くことができますが、子供が毎日直面するような状況を解決するのに大きな問題を抱えています。
人工知能の能力におけるこの不均衡は偶然ではなく、私たちに知性とは何かを本当に理解し直すことを強いています。1980年代、科学者のハンス・モラベックは、後に人工知能理論となるものの最初の兆しの開発において、この困惑する現象を観察しました。
彼は、これらの機械が非線形方程式を解くことや特定の種類の予測を行うといった、知的に挑戦的だと考えられていた作業で人間を上回っているにもかかわらず、私たちが意識的な努力なしに行う基本的な活動で失敗していることに気付きました。この観察は人工知能についての理解を変えただけでなく、私たち自身の脳がどのように機能するかについても多くのヒントを与えてくれました。
人間の脳は何百万年もの進化の結果であり、最も基本的な機能が最初に発達しました。バランスを保つことや顔を認識することといった感覚運動能力は、何千年もの進化を経て私たちの神経系に深く根付いています。
そのため、これらの能力は信じられないほど複雑な神経プロセスを含んでいるにもかかわらず、見かけ上簡単に実行できるのです。進化は生存に不可欠だったこれらの基本的な能力を優先しました。抽象的な推論は進化の観点から見ると比較的最近の獲得物である一方で、運動能力と知覚能力は何百万年もかけて完成されてきました。
この進化の歴史は、一見とても単純に見えるこれらのタスクが、なぜ私たちの人工システムにとって複製が非常に困難なのかを説明しています。一方、人工知能システムは逆の順序で発達してきました。まず、人間には特別な教育とトレーニングを必要とする論理的・数学的処理タスクの分野を習得しています。
人間と機械の能力発達におけるこの逆順がモラベックのパラドックスの本質です。現代の神経科学はこのパラドックスを確認しています。運動と感覚のタスクに専念する脳の領域は、私たちが当初想像していたよりもはるかに古く、はるかに複雑です。
抽象的思考を担当する前頭前皮質が脳のより小さな部分を占める一方で、感覚と運動の処理に専念する領域ははるかに大きく、非常に洗練された方法で相互に接続されています。この考えを深めてみましょう。このパラドックスは人工知能の発展に非常に深い意味を持っています。
現在のシステムは何百万もの医療データを分析して非常に正確な診断を提案できますが、例えば患者の体言語を解釈したり、ある程度共感的な会話を維持したりすることには多くの問題があります。私と同じように、あなたもChatGPTの頑固さに何度も腹を立てたことがあるでしょう。
このような制限はプログラミングの欠陥ではなく、基本的な人間の能力がいかに複雑であるかを反映しています。人間の視覚処理は、このパラドックスの完璧な例です。私たちは、異なる角度から見たり、部分的に隠れていたり、変化する照明条件下でも、瞬時に物体を識別することができます。
人工知能にとって、これらの変化のそれぞれが巨大な計算上の課題を表しており、ある程度受け入れられる認識レベルに到達するために何百万もの訓練例を必要とします。自然言語の場合はさらに興味深いケースです。なぜならパラドックスが非常に簡単に見られるもう一つの分野だからです。
現在の人工知能は素晴らしい流暢さでテキストを処理・生成できますが、技術的には人間が各会話に自然に適用する文脈理解と常識が欠けています。しかし、ここでかなりの進歩が見られています。この分野に多くの焦点を当てたことで、人工知能が自己表現する際に少し人間らしく見え始めているのが日常的に分かります。
先日の動画でも触れましたが、学習能力もこのパラドックスを反映しています。人工知能が特定のタスクを学習するために数千または数百万の例を必要とする一方で、子供は数例だけで新しい物体や概念を認識することを学ぶことができます。
この人間の学習効率は、研究者たちが解明しようとしている謎であり、おそらくAGI（汎用人工知能）への道を少し開いてくれるでしょう。私たちがまだANI（人工狭義知能）の領域にいることを忘れてはいけません。これらは極めて専門化された狭い人工知能です。
例えば、チェスをプレイするように設計されたプログラムは、再訓練され、特に再プログラミングされることなく、その知識を例えばチェッカーズをプレイすることに応用することはできません。対照的に、人間の脳は異なる領域間で学習を容易に転移し、新しい状況に比較的容易に適応することができます。
ただし、注意が必要です。これらの言語モデルでは、知識移転において最初の萌芽が見られているようです。この考えに批判的になりましょう。私たちが犯している最大の誤りは、人間と機械を直接比較することだと思います。ニューラルネットワークが特に構造レベルで私たちの脳とある程度の類似性を持っているという事実から、特定の行動がある程度似ていることが期待されるのは確かです。
しかし、全体的な構造、トレーニング方法、実行方法は根本的に異なります。これらのテクノロジーに取り組み始めたとき、私たちは何に最初に取り組むべきかを明確に理解していました。率直に言って、人工知能があなたの家を掃除できるようになる前に、薬品開発を支援できるようになることの方がはるかに価値があります。
おそらく測定基準さえも似ているべきではないでしょう。そして注意すべきは、私たちが作り出したこの開発の道筋が予期せぬ結果をもたらす可能性があることです。現在の人工知能の発展は、自動化できるタスクと基本的な人間の能力を必要とするタスクの間の格差を、ますます顕著なものにしています。
この状況は私たちの労働市場を完全に変革する可能性があります。高度な資格を必要とする仕事の一部が現在自動化できる一方で、手先の器用さ、共感、ある種の適応能力を必要とする職業は依然として人間だけのものです。人工知能の研究開発への投資もこのパラドックスを反映していることを考慮すべきです。
ほとんどのリソースはデータ処理と分析能力の向上に向けられており、感覚運動能力の開発は比較的はるかに少ない注目しか受けていません。このリソースの配分は、よりバーサタイルで特に適応性の高い人工知能への進歩を大きく制限しているかもしれません。
言うように、言語モデルの進化を見れば、私たちが望むときには本当に達成できることが分かります。将来何が起こるか推測してみましょう。数年後の人工知能の将来の発展は、おそらくこの能力のギャップを少し埋めることに焦点を当てるでしょう。
研究者たちは、高レベルの処理とかなり基本的な感覚運動能力を組み合わせた新しい学習方法を探しています。ニューロモーフィックプロセッサや量子プロセッサのようなものが、この技術を私たちがまだ考えていないような方向に逸らす可能性があるのと同じように。
モラベックのパラドックスは単なる科学的な好奇心ではなく、人間の知性の複雑さへの窓であり、それを複製しようとする際に直面する課題の警鐘です。より高度な人工知能への道が、当初私たちが想像していたものではないかもしれないことを示しています。人工知能の未来を再定義しているこのパラドックスの分析が興味深いと思ったら、いいねを押して、コメントであなたの考えを共有してください。近い将来、どのような日常的なタスクが機械にとって依然として課題となると思いますか。
LaFactoríaをサポートしたい場合は、説明欄に私たちのPatreonがあります。次の動画でお会いしましょう。よろしく。さようなら。
コメント