私たちはAIの世界にどう対峙すべきか？ 「ベイズ統計」を研究する 東京大学名誉教授 松原 望さん
東京大学名誉教授 松原 望氏
現在、「AI（人工知能：Artificial Intelligence）」に関する話題は、テレビや新聞、雑誌などで毎日のように取り上げられています。しかし、肝心の「AIとは何か」に関しては、実はよくわからないという人が多いのではないでしょうか。そこで今回は、AIの中核をなすベイズ統計を専門とされる東京大学名誉教授 松原 望先生に、「AIは私たちの社会をどう変えるのか」「来るべきAIの時代に人間はどうすればよいのか」などについてお聞きしました。
人間の顔をした「ベイズ統計」とは
いまではAIという言葉を聞かない日はないというほど、あちこちでAIが話題となっています。しかし、肝心のその中身についてはよくわかっていません。
ご指摘のように、いまAIは大変なブームになっており、さまざまな分野で話題となっていますが、その大半はAIとはあまり関係のない話だったりします。実際に、専門家のあいだですらAIの明確な定義は存在しないのが現状ですから、ブームに煽られて右往左往するよりも、AIについてはもう少し落ち着いて考える必要があると思います。
AIをめぐってさまざまな言説が飛び交うなか、先生が研究されている「ベイズ統計」は、AIの根幹をなす理論として注目されつつあります。
まずはこの「ベイズ統計」について教えていただけますか。
ベイズ統計は、1700年中期にイギリスの数学者トーマス・ベイズによって考案された「ベイズの定理」を基礎とする統計学です。
「ベイズ統計」が従来の統計学とどこが違うのかといえば、従来の統計学や確率論では扱えなかったものごと、たとえば私たち人間の"主観"が、確率や統計に大きく影響するような事象についても扱えるようになったという点にあります。
それは、具体的にはどのようなケースですか？
簡単にいうと、従来の確率論では「サイコロを振ったときにどの目が出るか」といったケースしか扱えませんでした。サイコロの目は1から6までありますから、どの目も出る確率は6分の1となります。ここには、人間の思惑や干渉が入る余地がありませんね。このように客観的な条件が確定している事象を「客観確率」といって、従来の確率論ではこの「客観確率」を扱っています。
しかし、ベイズ統計では、こうした「客観確率」だけではなく、たとえば株価の変動のように、人間の主観が介入する事象を扱います。こうした人間の思惑や期待などが介在する事象を「主観確率」と呼んでいて、ベイズ統計では主にこの「主観確率」を扱うのです。
私たちの社会で起きる事象は多種多様で、必ずしもサイコロの目のように明確な出来事ばかりではなく、常に流動的に変化しています。そんな複雑な事象についても数学として扱えるのがベイズ統計の大きな特徴といえるでしょう。
現代のように高度に複雑化した社会では、従来の統計学よりもベイズ統計のほうがより広範な事象に適用できますね。
その通りです。しかし、数学の専門家のあいだでは、ベイズ統計のような「主観確率」を扱う確率論や統計学は科学的ではないといって異端視する人もいます。
確かに、これまでの大量生産・大量消費を基本とする時代においては、「客観確率」だけを扱う従来の確率論でよかったともいえます。たとえば、大量の製品を製造する工場で行う品質チェックなどについては、不良品の出る確率を機械的に割り出す必要があり、こうした場合は従来の確率論で正確な結果を得ることができました。
しかし、よく考えてみれば、不良品の発生率がいくら明確になっても、その後どうすればよいのかまではわかりません。従来の確率論や統計学では、確率は導き出せるけれども、その数字がいったい何を意味しているのか、その結果を基にどう対処すればよいのかまでは不明です。というのも、そこには、必ず人間の判断や主観が介入してくるからです。ベイズ統計が扱うのはこうした人間の主観が介入してくるケースで、それが「人間の顔をした数学」と呼ばれることがあるのも、そうした意味からなのです。
数学から文理の垣根を超えて
いままでのお話は先生の研究テーマでもあるゲーム理論における「意思決定」の問題とも関わってきますよね。
そうですね。数学の世界では昔からの問題で、確率論や統計学は「意思決定」を含むのか、それとも含まないのかと、盛んに議論されてきました。従来ですと、統計学は分析結果を出すまでで、その後の意思決定については人間が行うものだという考えが一般的ですが、私は、確率論や統計学でも、「意思決定」を扱えると考えたほうが単純に面白いと思うんです。
たとえば、あるマーケットを分析した統計結果を出すときに、単に分析結果を導き出すだけでは面白くない。私だったら、その結果に基づいて経営戦略をどう立案すべきかまで考えたいんですね。しかし、そこまでいくと数学の範疇を超えてしまうんです。
私がいわゆる文転（理系課程から文系課程への専攻変更）を決意したのも、結論だけ出して後は考えないということに物足りなさを感じたからです。スタンフォード大学でゲーム理論を学んだのも、そうした考えからのことで、「意思決定」の研究を通じて、経営工学や経済分析、国際関係などの社会科学に興味が移行していったんです。
理系と文系の垣根を超えた先生の活動には、そうした理由があったんですね。
現在の学問領域ではどうしても文理を隔てる壁が高く、特に、日本ですと文系と理系が共有できるベースとなる価値基準が存在しないことから、コミュニケーションがままならないことが多いと感じています。理系同士だと数学をベースに共通理解できるのですが、文系の多くは人間が相手ですから、明確な答えが出る学問ではありません。
しかし、これからの社会は、文系と理系の垣根を超えた協力が不可欠だと思います。
特にAIの分野ではそう言えるのではないでしょうか。
私も、そう思います。そもそもAIには、人間の知的活動をコンピュータが代行するという要素が強いですから、｢人間とは何か｣「知能とは何か」「創造性とは何か」といった問題が大きく関わってきます。こうした問題を理系の研究者だけで考えるのは無理がありますし、やはり理系や文系など関係なく、AIについては、さまざまな分野の専門家が協力しあうことが重要になってくるでしょう。
意外と身近な、ベイズ統計が可能にするAIの学習能力
先ほどお伺いしたベイズ統計ですが、具体的にはAIにどのように応用されているのですか？
先ほど、ベイズ統計では「客観確率」ではなく「主観確率」を扱うと説明しましたが、たとえば「ある男性が、ある女性からバレンタインのチョコレートをもらったら、どう感じるか？」といった身近な例で考えるとわかりやすいかもしれません。
この場合、実際には男性が女性からチョコレートをプレゼントされるかどうかは、その二人の関係性、つまり「二人は恋人同士なのか」または「上司と部下の関係なのか」といった条件によって変わってきます。
とりあえず、そうした条件が不確定な時点では恋人か上司部下かの確率は半々ですので、最初の確率は50％となります。これを「事前確率」といいます。
次に、たとえば「チョコレートが送られてきた」という情報を得たとしましょう。この情報をインプットすれば、恋人である方がチョコレートは来やすいので、当然確率は変わってきます。恋人の確率が高くなりますね。これを「事後確率」といいます。
そして、さらに新しい情報がインプットされれば、その都度、確率が変動していきます。つまり、インプットできる情報が増えれば増えるほど確率の精度は高まっていくのです。
このようにベイズ統計では、最初にとりあえず確率を設定しておき、情報が入るたびに"その時点での確率"を変更していくことができます。これは、何に似ているかというと、人間が持つ"学習能力"に似ているのです。ベイズ統計が持つこの特徴こそが、AIの重要な機能であるディープラーニングや機械学習の基礎になっているんです。
新しい情報をどんどん追加していくことで、少しずつ正確な確率が導き出されていくのは、まさに人間と同じですね。
実際に、ベイズ統計を基礎とするAIの学習能力は、すでに実用化されていて、代表的な例としては迷惑メールやスパムメールを判別して除去するフィルターなどが挙げられます。「ベイジアン・フィルター」とも呼ばれるこのフィルターでは、事前に迷惑メールについての定義（特定のキーワードの抽出など）を作っておき、その運用を通じて分別されたメールの法則をAI自体が学習していくことで、日々変化する迷惑メールに対処することができます。
その他の具体例もお聞かせ下さい。
そうですね。たとえば、因果関係を確率により記述できる「ベイジアン・ネットワーク」の考え方は、すでに医療現場における病気診断のサポートツールとして活躍していますし、いわゆるビッグデータに基づくマーケティング分析などの分野でも実用化されています。
さらに、近年、人工知能の開発に欠かせない研究テーマとして、人間の脳神経系のニューロンを数理モデル化した「ニューラル・ネットワーク」が挙げられます。このニューラル・ネットワークは、人間の脳から着想を得たもので、神経細胞がシナプスでつながっている仕組みをコンピュータ上で表現するために作られた数学モデルとして、現在のAI開発には欠かせない研究分野となっています。神経細胞の働きがベイズ統計でモデル化できるのです。
現在話題となっているディープラーニングも、このニューラル・ネットワークの発展形で、ここにシグモイド関数と呼ばれるベイズの定理に基づいた関数が活用されています。
このように、ベイズ統計というとなんだか私たちの生活には縁遠いものだと感じがちですが、目に見えない形でベイズ統計が活用されているケースは、挙げればきりがないほどで、意外と身近な存在なのです。
「シンギュラリティ」とは
現在、しきりと世間を騒がせている「シンギュラリティ」についてですが、松原先生はどのようにお考えですか？
そもそもシンギュラリティとは、人工知能の開発の権威であるレイ・カーツワイル博士により提唱された概念で、今後さらに人工知能が発達し、ついには人間の知性を超えてしまう時点のことで、それを「シンギュラリティ＝技術的特異点」と呼んでいます。つまり、シンギュラリティに達することによって、人間の生活に大きな変化が起きるという予想を指しています。
カーツワイル氏によれば、指数関数的に向上する人工知能の機能により、技術が持つ問題解決能力も指数関数的に向上することで、人類に代わって汎用人工知能あるいはポストヒューマンが文明の進歩の主役に躍り出るとされていて、そのシンギュラリティの発生時点を2045年頃としています。
2045年というのは、確かな根拠があるのですか？
カーツワイル氏が挙げているのは、科学技術は直線グラフ的ではなく指数関数的（倍々ゲーム）に進歩するという法則です。トランジスタの平均価格の低下による集積回路（LSI）の爆発的な進化を示したムーアの法則などもこれにあたります。ちなみに、「ムーアの法則」では、2年間で1.5倍になるとされていますが（実際には1.57倍になることがわかっています）、この速度でコンピュータやAIが進化するとすれば、カーツワイル氏の説もあながちナンセンスだとはいえないかもしれません。
詳しく言うと、カーツワイル氏がまず挙げているのが、いわゆる「ジェネティクス（遺伝学）」の進化です。これについても急速に進化しているわけです。そもそも、1965年頃にアメリカのエネルギー省が、人間を形成する30億個すべての塩基配列を解読する「ヒトゲノム・プロジェクト」を発表したときには、生物学者が何万人と携わっても200年はかかると言われていました。しかし、コンピュータの進化のおかげもあって、実際には2003年には計画を達成したんですね。カーツワイル氏は、このジェネティクスが、今後ますます進化すれば、もしかしたら「人間は死ななくなるかもしれない」とさえ発言しています。
というのも、解読した遺伝子のすべてがどのように身体のパーツや機能と紐づいているかが解明されたとすれば、単なる器としての肉体が古くなっても技術的に再生可能となるからです。肉体は滅びても新しい肉体を再現すればよいから、従来の医学や生物学は古くなり、人間は人間を超えた"ポストヒューマン"になるだろうという考えです。もちろんそれは一つの考え方ですが。
まるでSF映画のようですね。
私もそう思いますが、氏は理屈としてはそうだと言っています（笑）。
ただ、カーツワイル氏がこのように考えるのは、ユダヤ教的な宗教観が影響していることもあるでしょう。彼は、シンギュラリティを迎えたとき、AIは人類を超えるとしていますが、ユダヤ教では人類を超えた所に「神」(God)がいる。AIはまさに「神」なのかもしれません。ビル・ゲイツ氏との想定対談でも、「あなたはずいぶんと宗教的だね」と評されていましたが、確かにそういう側面もあると思います。
進化の6つのエポック
カーツワイル氏は、著作の中で「宇宙における情報の進化は6つの段階を経る」として、進化の6つのエポックを挙げていますが、これはどういうことなのですか？
人間とテクノロジーの融合で起こりうることを段階的に予測して述べられています。
まず第1段階は「物理学と化学」の世界です。これは物理学が扱う原子構造の情報を意味します。次に、第2段階は「生物」の世界です。これは生命を扱う段階で、主にDNAの情報のことを指しています。そして、第3段階が「脳」の世界で、脳の神経細胞が作りだすニューラル・パターンの情報のことを指します。第4段階は「テクノロジー」の世界で、ハードウェアとソフトウェアの設計情報のことを指します。現在のロボティクスなどがこれにあたるでしょう。
そして、いよいよ第5段階が「テクノロジーと人間の知能の融合」の世界で、人間がAIのような人間の築いたテクノロジーの基盤に統合される段階のことです。この段階が「シンギュラリティ」と定義されています。そして、カーツワイル氏は最終的に第6段階で「宇宙が覚醒する」としています。この段階では「宇宙の物質とエネルギーのパターンに、知能プロセスが充満する」としているのですが、さすがにここまで来ると、私たちがついていくのは難しい（笑）。
この進化論から見れば、現在はどの段階にあるのでしょうか?
その判断は難しいところですが、第３段階から第4段階にかけて、といったところでしょう。しかし、私自身はカーツワイル氏の議論について、必ずしもすべてに賛同できるわけではありません。
特に、シンギュラリティを迎えたとき、人間がAIに統合されるというイメージにはやはり抵抗感があります。人間だけが持つと思われる「意識」は、人間が人間たる由縁のもので、AIがいくら発達したとしても、この意味での「意識」を持つことは難しいのではないかと考えるからです。
確かに、カーツワイル氏の説だと「人類がAIに取って代わられる」という恐ろしいイメージになりがちです。
ただ、少しカーツワイル氏を弁護するとすれば、氏にとって「AIが人間を超える」のは必ずしも悪いことではないということです。なぜなら、AIが進化することで、国家間の戦争や環境問題、人口問題など、現在の人類を苦しめるさまざまな難題を解決できるかもしれないからです。その意味で、彼にとってシンギュラリティ後の世界は、ある種のユートピアなのでしょう。私も、AIが社会をより良く変える可能性には賛同しますが、私自身はたとえ「AIが人間を超える」としても、なおそこには「人間にしかできないこと」が残るだろうと考えています。
はたしてシンギュラリティは来るのか？
松原先生は、シンギュラリティが本当に来るとお考えですか？
正直、よくわかりません（笑）。人によってシンギュラリティは来ないという人もいますし、仮に来るとしても、もっと先の話で、100年先か200年先になるだろうという人もいます。
先日、東大合格を目指すAI「東ロボくん」の開発で有名な国立情報学研究所の新井紀子氏がおっしゃっていましたが、「現在のAIでは東大合格は難しい。そんな状況で2045年にシンギュラリティが来るなんて想像できない」とのことでした。私自身も、シンギュラリティがいつ来るのかについては明確な答えを持っていません。
しかし、ひとつだけ言えるのは、もしシンギュラリティが来るとしても、ある日突然に来るものではないだろうし、それどころかシンギュラリティが来たとしても、私たちはそれを気付かないかもしれません。
知らないうちに来ていた、ということもありうるとお考えですか。
そうです。たとえば、私が若いときは、電車の切符を買うのにもいちいち窓口に行って買っていました。改札でも駅員が職人技でカチャカチャと切符を切っていたものです。それがいまでは、スマホをかざすだけで電車に乗ることができます。こうした変化は、ある日突然起こったことではなく、いつの間にか変わっていたと感じる人が多いのではないでしょうか。
つまり、人は大きな変化のなかにいると、その変化を認識しづらいものなのです。シンギュラリティについても同じことが言えるでしょう。
AIの可能性を見極める
先生がこれからのAIに期待することをお聞かせください。
最初にも言いましたが、いまはAIが大変なブームとなっていて、あれもこれもAIと呼んで、まさに「AIバブル」の様相を呈しています。しばらくすれば、こうした状況も鎮静化するのでしょうが、まずはAIにできることは何かを冷静に見極める必要があるでしょう。
私は、いま巷間で「AI」と呼ばれているもののほとんどは、従来のIT技術で実現できるものだと思います。それらを、あえて「AI」と呼ぶ必要はないはずです。
何もかもをAIと呼べばいいというわけではない、ということですよね。
そうですね。私たち人間に代わって、AIに何ができるかを見極めることが大切だと思います。すべてが、AIに取って代わる必要はないはずです。
たとえば、先ほど紹介した医療現場における病気の診断にAIを活用するケースでも、AIによる診断はあくまでサポート的な位置づけに止まるのではないでしょうか。というのも、患者の立場にたってみれば、「AIによる診断」だけではどうしても不安になるはずです。いくらAIが技術的に優れているからといって、やっぱり最終的にはドクターの判断でないと信頼できないと考えるのが人間の感覚というものです。
とはいえ、AIの進化とともに社会も変化していきます。先生は今後、どう変わっていくとお考えですか？
まずはっきりと言えるのは、人間の活動のなかで「計算できるもの」は、ほとんどAIに置き換わっていくだろうということです。たとえば、保険の商品説明や銀行の与信担当のように、数字を扱う仕事はAIのほうが計算も速くて正確、しかも人間には扱いきれない膨大な情報を処理することができるので、AIが人間に代わって行うようになるでしょう。
では人間が何をするかといえば、計算の結果を相手の立場にたって解釈して、相手のために何をすればよいかを考えて提案するといった高度な作業が求められるようになると思います。このように、計算では測れない「相手の考えを察すること」や「人を思いやる気持ち」をベースとする活動は、「人間にしかできないこと」として必ず残っていくと考えています。その意味で、今後は「人間の世界とAIの世界をどう橋渡ししていくか」という視点が、ますます重要になってくるのではないでしょうか。
ちなみに、テレビのようなメディア産業については、今後どうなっていくと思われますか？
多種多様な情報を扱うメディア産業は、AIの発達の影響をもっとも受けやすい領域ですので、大きく変わっていくでしょう。コンテンツを作るための情報収集や、情報接触者についての分析など、いわゆる「情報をインプットする」作業は、AIによるビッグデータの分析に急速に取って代わられる可能性が大きいと思います。ただし、得られた結果が意外と"当たり前"だったりすることもありうるでしょう。
反対に、メディアに携わる人々にとって、収集した情報をいかに価値創造して発信していくかといったアウトプットの作業が重要になってくると思います。その意味で、各メディアは、情報を取り扱うプロフェッショナルなクリエイター集団として、高度に専門化していくのではないでしょうか。
なるほど。貴重なお話を聞かせていただき、今日はありがとうございました。
こちらこそ、ありがとうございました。
※「AIについてはまだまだ検討すべきことがたくさんある」と語る松原先生は、現代のAI技術の根幹となっている統計学を理解するための重要トピックスを8点唱えられています。
後日、これら８つの観点について当サイトで先生にご紹介いただく予定です。
- 平均と分散、標準偏差そして「偏差値」
- データの５数要約と箱ひげ図
- 有意ということ
- ランダム化とランダム・サンプリング
- コンピュータの計算能力を徹底的に利用する統計学（ブートストラップ）
- 人の知能や知識を土台にする統計学（ベイズ統計学）
- 人工知能と統計学の深い関係
- 「機械学習」事始め
東京大学名誉教授 松原 望（まつばら のぞむ）
1966年東京大学教養学部基礎科学数学コース卒、文部省統計数理研究所研究員。スタンフォード統計学部博士課程修了（Ph.D.）。筑波大学助教授、エール大学フルブライト招聘研究員、東京大学教養学部教授、同大学院新領域創成科学研究科教授、上智大学教授、聖学院大学大学院教授を歴任。現在は、東京大学名誉教授。
主な著書に「社会を読み解く数学」「図解入門 よくわかる最新ベイズ統計の基本と仕組み」「ベイズの誓いーベイズ統計学はAIの夢を見る」（2018年刊行）など。社会調査・評論、金融数学、技術数学など論文・エッセイ多数。
親切な教え方には定評があり、現在各界に2万5千人以上の教え子が活躍している。
松原望総合サイト：http://www.qmss.jp/portal/
