【AIのゴッドファーザーが語る】私たちがAIについて誤解している4つの衝撃的な真実

AI（人工知能）と聞くと、多くの人はChatGPTのようなチャットボットや、メディアを賑わす誇大広告を思い浮かべるかもしれません。しかし、AIの真の姿は、私たちの想像をはるかに超える場所で、静かに、しかし急速に進化しています。その最前線で何が起きているのかを、誰よりも深く理解している人物がいます。

彼の名は、ジェフリー・ヒントン卿。「AIのゴッドファーザー」の一人として知られ、コンピュータ科学のノーベル賞と称される「チューリング賞」を受賞した、この分野の生みの親です。彼はGoogleでの10年間の研究を経て、現在はAIの進化について独自の視点から警鐘と希望を語っています。この記事では、ヒントン氏が明かした、私たちがAIについて抱きがちな常識を覆す、4つの洞察をご紹介します。

真実1：AIの「思考」は論理ではない。それは「変形するレゴブロック」に近い

長年、AI研究の世界では「真の知能や推論のためには、人間の言葉を形式論理に変換する必要がある」という考え方が主流でした。これは「記号的AI」と呼ばれ、知能とは論理記号をルールに従って操作する能力だとされていました。しかし、ヒントン氏はこの考え方を「完全なナンセンス」と一蹴します。

彼が提唱する新しいモデルでは、AIは言葉を論理記号に変換しません。代わりに、大規模言語モデル（LLM）は単語を「ニューラル活動の巨大なベクトル（特徴ベクトル）」に変換します。これは、単語が持つ多様な意味やニュアンスを、高次元の数値データとして表現するということです。

ヒントン氏はこのプロセスを「変形するレゴブロック」というユニークな比喩で説明します。

• 単語は高次元のレゴブロック： 各単語は、それぞれが固有の形を持つ、数千次元の複雑なレゴブロックのようなものです。

• 文脈に応じて変形する： レゴブロックと違い、単語ブロックは固定されていません。文脈（周りにある他の単語）に合わせて形を柔軟に変え、意味の微妙なニュアンスを表現します。

• 「握手」して構造を作る： ブロックの表面には無数の「小さな手」があり、他のブロックと「握手」しようとします。この「どのブロックと握手するか」を選ぶプロセスが、AIにおける「アテンション（注意）」と呼ばれるメカニズムです。

つまり、AIが文章を「理解する」とは、論理式を解くようなプロセスではなく、文脈の中で各単語ブロックが最適な形に変形し、互いにがっちりと組み合わさって安定した構造を作り上げる、まるで「タンパク質の折りたたみ（プロテイン・フォールディング）」に近い現象なのです。これは、AIの「知性」が人間の論理を模倣するのではなく、全く異なる物理現象に近い原理で自律的に生まれることを示唆しています。

ヒントン氏は、従来の記号的AIとニューラルネットワークを組み合わせる「ハイブリッドシステム」を提唱する人々を、次のように痛烈に批判しています。

真実2：AIの真価はチャットではない。がんによる死をなくし、教育を根底から変えることだ

チャットボットの性能向上も目覚ましいですが、ヒントン氏がAIの真の価値を見出しているのは、より根源的な社会問題の解決です。特に「医療」と「教育」の分野で、革命的な変化が訪れると彼は予測しています。

医療：がんによる死者をなくす

ヒントン氏は2016年に「5年以内にAIが放射線科医に取って代わる」と予測しましたが、そのタイムスケールは外れたことを認めています。しかし、その流れは着実に進んでおり、すでに診断の現場で驚くべき成果を上げています。

• 複雑な診断能力： 診断が困難な症例において、人間の医師の正答率が約40%であるのに対し、AIは約50%の正答率を叩き出しています。

• がんの根絶： 彼が最も期待を寄せるのは、予防医療への応用です。もし全ての人が年に一度、全身MRIスキャンを受け、それをAIが読影するようになれば、ほとんどのがんをステージ1の段階で発見できます。ヒントン氏が描く未来では、AIは単なる診断ツールではなく、人類が長年苦しんできた「がんによる死」という運命そのものを書き換える力になるのです。

教育：一人ひとりに最適な家庭教師を

AIは、教育のあり方を根本から変える可能性も秘めています。ヒントン氏によれば、AIは人間をはるかに凌ぐパーソナルチューター（個人指導教師）になるといいます。

• 学習速度が2倍に： 人間の家庭教師がつけば、子供は教室での一斉授業に比べて約2倍の速さで学習できることが知られています。AIチューターは、何百万人もの子供たちの学習データを基に、その子がつまずいている点を正確に理解し、最適な説明を調整できるため、人間以上の効果が期待できます。AIによる個別最適化された教育は、今後10年で現実のものになると彼は見ています。

真実3：AIの進化は「過大評価」ではなく、むしろ「過小評価」されてきた

「AIは過剰に期待されすぎている（ハイプだ）」という意見は根強くありますが、ヒントン氏の見方は真逆です。彼は、近年のAIの進化の速さは、専門家である自分自身の予測すら超えており、「むしろ過小評価されてきた」と指摘します。

10年前の彼に尋ねても、GPT-4のようにあらゆるトピックについて会話できるシステムの登場は「自信を持ってありえないと予測しただろう」と語ります。1980年代にもAIブームとそれに伴う誇大評価がありましたが、現在の状況は全く異なると彼は考えています。

「ここ数年の進化の速度を考えると、AIはむしろ過小評価されているというのが私の全体的な意見です」と彼は結論づけています。その最大の理由は、専門家たちですらAIの「思考」の本質を、旧来の論理モデル（真実1で述べた記号的AI）で捉えようとしていたからかもしれません。AIは全く新しい方法で知性を獲得し、私たちの予測を上回る速度で走り始めたのです。

もちろん、無限に進化が続くわけではありません。現在、AIの性能向上は「スケーリング則」に従っており、性能を少し上げるために、データ量と計算量を倍増させなければならないという壁に直面しつつあります。利用可能なデータもエネルギーも限界に近づいています。しかし、ヒントン氏はこの問題にも解決策を見出しています。それは、AIが自ら「推論を通じて訓練データを生成する」能力を持つことです。これにより、外部データへの依存から脱却し、自己進化を続けることができるようになるといいます。

真実4：脳の仕組みを解明できなかったことが、逆にAIを進化させた

ヒントン氏は、自身のキャリアを「脳がどのように計算するかを理解するために設計されたが、私は失敗した」と率直に振り返ります。しかし、その「失敗」こそが、皮肉にもAIを大きく前進させるきっかけとなりました。

彼は今、脳と現在のAIが解いている問題は根本的に異なると考えています。

• 脳が解く問題： 「データが極端に少ないという制約の下で、100兆個の膨大な接続をどう活用するか。」

• AIが解く問題： 「膨大なデータをリソースとして、1兆個という比較的少ない接続でいかに学習するか。」

現在のAIの学習アルゴリズムの主流である「バックプロパゲーション」は、後者の「AIが解く問題」を解決するために開発されたものであり、彼は今や「脳はおそらくバックプロパゲーションを使っていない」と考えています。

しかし、ここからが興味深い点です。AI研究の進展が、逆に脳科学に新たな光を当て始めています。

Transformerのような最新のAIモデルは、豊かな文脈を扱うために、過去の情報を大量に保持する能力を持っています。しかし、人間の脳が同じことを実現するには、神経細胞の活動状態をすべて保存しておくことは不可能です。

では、脳はどうしているのか？

ヒントン氏の答えは「fast weights（高速な重み）」という新しい概念です。脳は、神経細胞の活動（高速で変化）とシナプスの結合強度（非常にゆっくり変化）という2つの時間スケールだけでなく、その中間にあたる第3の時間スケールを持っているはずだ、と彼は言います。それが、一時的に結合強度を変化させる「高速な重み」であり、これがTransformerモデルが持つような豊かな文脈を脳内で実現しているという仮説です。

これは「AIの進歩が、脳がどのように時系列情報を処理しているかについての考え方の進歩に実際に繋がった」という好例です。脳の完全な模倣に失敗したからこそ、AIは独自の進化を遂げ、その成果が今、脳科学への新たな扉を開こうとしているのです。

おわりに：次にAIが私たちを驚かせるとき

AIのゴッドファーザーであるヒントン氏の言葉は、私たちが抱くAIのイメージが、いかに古く、表層的であるかを教えてくれます。彼が語る現実は、単なるチャットボットの性能向上に留まらず、医療、科学、そして学習といった、人間社会の根幹を揺るがす、より深く、そして驚きに満ちたものです。

最大の変革は、テクノロジーそのものではなく、私たちの「知」のあり方そのものに訪れるのかもしれません。

ヒントン氏自身が、その進化の速さに驚かされ続けています。次に私たちを驚かせるAIの進歩とは何でしょうか？そして私たちは、その衝撃に備えることができているでしょうか？

解説動画：

参考資料：

その他記事、コラム、書籍はこちら↓