Genius Makers
The Mavericks Who Brought AI to Google, Facebook, and the World
2021年刊
Cade Metz著
著者の経歴
ケイド・メッツは、米国のテクノロジー・ジャーナリストである。PC Magazine、Wiredなどでコンピューター技術やインターネット産業を取材した後、New York Timesのテクノロジー担当記者となり、人工知能、機械学習、巨大IT企業の研究開発を専門的に報道してきた。特にGoogle、Facebook、Microsoft、OpenAIなどのAI研究者や経営者への取材を通じて、技術革新の背後にある企業間競争、資金調達、研究組織の変化を追究している。本書は、長年にわたる取材と多数の関係者へのインタビューを基に、現代のAI革命を技術史と人物史の両面から描いた代表作である。
本書の内容
1.AI研究の長い停滞
人工知能の研究は1950年代に本格的に始まり、人間の知的活動をコンピューターによって再現するという壮大な目標を掲げていた。しかし、初期の研究では、人間が知識や判断の規則をプログラムとして記述し、それに従って機械を動かす方式が中心であり、現実世界の複雑な問題に対応することは難しかった。研究者たちは、コンピューターがチェスを指したり数学の問題を解いたりすることは可能でも、画像の中にある物体を認識し、人間の言葉を理解し、経験から新しい能力を獲得することには大きな困難があると気付いた。1970年代から1980年代にかけて、人工知能に対する期待が繰り返し裏切られ、研究資金が縮小する、いわゆるAIの冬が訪れた。そのような状況のなかで、少数の研究者たちは、人間の脳に存在する神経細胞の働きを数学的に模倣するニューラルネットワークの研究を続けていた。彼らは、知能とは人間があらかじめ規則を書き込むことによって生まれるのではなく、大量の経験を通じて機械自身が規則を学習することで実現できると考えた。メッツは、この当時主流から外れた研究者たちの執念が、後に世界の産業構造を変えるAI革命の出発点となったことを描いている。
2.ヒントンの信念
本書の中心人物の一人であるジェフリー・ヒントンは、英国出身のコンピューター科学者であり、人間の脳の仕組を参考にした機械学習の研究を長年続けてきた。ヒントンは、知能を実現するためには、人間が知識を機械に教え込むのではなく、機械が大量の事例から自ら特徴や規則を学習する必要があると考えた。1980年代には、ニューラルネットワークの学習を可能にする誤差逆伝播法の普及に重要な役割を果たしたが、当時のコンピューターは計算能力が低く、学習に利用できるデータも限られていたため、実用的な成果を示すことは難しかった。また、多くの研究者はニューラルネットワークを数学的な裏付けが不十分な技術とみなし、研究資金や学術的な評価を得ることが容易ではなかった。ヒントンはこうした批判にもかかわらず研究を続け、カナダのトロント大学を拠点に若い研究者を育成した。メッツは、ヒントンを単なる優秀な科学者ではなく、学界の常識に逆らいながら自らの信念を貫いた人物として描く。人工知能の革命は巨大企業の研究所から突然生まれたのではなく、長年にわたって少数の研究者が守り続けた思想と研究成果の上に成立した。
3.深層学習の突破口
2012年、ヒントンの研究室に所属していたクリジェフスキーとサツケバーらは、画像認識の国際的な競技会で画期的な成果を上げた。彼らが開発したAlexNetは、深い階層を持つニューラルネットワークを利用し、大量の画像データから物体の特徴を自動的に学習する仕組を実現した。従来の画像認識技術では、人間の研究者が画像の特徴を設計する必要があったが、AlexNetは学習を通じて特徴を獲得し、従来方式を大きく上回る認識精度を達成した。この成果を支えたのは、GPUによる高速計算、大規模な画像データ、ニューラルネットワークの学習技術という三つの要素であった。特に、元々コンピューターゲームなどの画像処理に使用されていたGPUが、人工知能の計算を飛躍的に高速化することが明らかになった。メッツは、この2012年の成功を現代のAI革命における決定的な転換点として位置付ける。それまで学術的に疑問視されていた深層学習が、実際の性能によって従来技術を凌駕し、巨大企業が本格的に研究投資を始めるきっかけとなった。
4.Googleの人材獲得
AlexNetの成功によって、Google、Microsoft、Baiduなどの巨大企業は、深層学習が検索、画像認識、音声認識などの事業を大きく変える可能性に気付き始めた。2012年末から2013年にかけて、ヒントンは教え子たちとともにDNNresearchという会社を設立し、複数の企業による買収競争を引き起こした。この会社には完成した商業製品も本格的な事業収入もなかったが、世界最高水準のAI研究者とその知識が存在していた。最終的にGoogleは約4,400万ドルで同社を買収し、ヒントンらを自社の研究体制に迎え入れた。この買収は、人工知能産業における企業価値の源泉が、既存の製品や売上高だけでなく、優秀な研究者と将来の技術的可能性へ移行したことを象徴していた。メッツは、ヒントンが深刻な腰痛のため長時間座ることができず、飛行機にも乗れないという独特の事情を抱えながら、買収交渉を進めた様子を描いている。世界的な巨大企業が、製品を持たない小さな研究組織の獲得に巨額の資金を投じたことは、AI研究が大学中心の学術活動から、巨大資本が争奪する戦略的資産へ変わったことを示していた。
5.ルカンとFacebook
ルカンは、フランス出身の研究者であり、ヒントンと同じくニューラルネットワークの可能性を長年追究してきた人物である。ルカンは1980年代から画像認識技術を研究し、特に畳み込みニューラルネットワークの開発に重要な貢献を果たした。この技術は、画像に含まれる線、形状、模様などの特徴を階層的に学習する仕組であり、後の画像認識技術の基礎となった。2013年、Facebookはルカンを迎えて人工知能研究所FAIRを設立し、Googleに対抗する研究体制を構築した。FacebookにとってAIは、投稿内容の分析、画像認識、広告の最適化、利用者の行動予測など、巨大なSNS事業を高度化するために不可欠な技術であった。しかし、ルカンは企業内で研究を進めながらも、研究成果を学術論文として公開し、大学や他の研究機関と協力することを重視した。これは、優秀な研究者を獲得するためには高額な報酬だけでなく、学問的な自由や研究成果の公開を認めることが重要だったからである。メッツは、GoogleとFacebookの競争を通じて、AI研究者が巨大企業に取り込まれる一方、研究者自身も企業の資金力を利用して研究を発展させるという相互依存関係を描いている。
6.DeepMindの登場
2010年、ハサビス、レッグ、スレイマンらは、英国ロンドンでDeepMindを設立した。ハサビスは、チェスの才能を持つゲーム開発者であり、神経科学の研究経験も有していた。彼は、人間の知能を理解することによって、特定の作業だけでなく、様々な問題を自律的に解決できる汎用人工知能を開発しようと考えた。DeepMindは、深層学習と強化学習を組み合わせ、コンピューターが試行錯誤を通じてゲームの攻略方法を学習する技術を開発した。従来の人工知能では、人間がゲームの規則や戦略を細かく設計する必要があったが、DeepMindの研究では、機械が経験から有効な行動を発見する能力を示した。2014年、GoogleはDeepMindを買収し、AI研究における優位を更に強化した。DeepMindは商業的な利益だけでなく、科学研究や人類の知的能力を拡張することを目指していたが、Googleの傘下に入ることで、研究の独立性、安全性、企業の利益との関係が新たな課題となった。メッツは、ヒントンが機械学習の基礎技術を発展させた人物であるのに対し、ハサビスはその技術を利用して人間の知能を再現しようとした人物として描いている。
7.AlphaGoの歴史的勝利
2016年、DeepMindが開発したAlphaGoは、世界的な囲碁棋士である李世乭と対戦し、五番勝負を4勝1敗で制した。囲碁はチェスよりも局面の組み合わせがはるかに多く、直感的な判断や長期的な戦略が重要となるため、長年にわたってコンピューターが人間の最高水準に到達することは難しいと考えられていた。AlphaGoは深層学習と強化学習、探索アルゴリズムを組み合わせることで、人間の棋譜から学習するだけでなく、自分自身との対局を通じて能力を向上させた。特に第2局で示した独創的な一手は、人間の棋士が通常選択しない手でありながら、結果として勝利につながったことで世界に衝撃を与えた。メッツは、この出来事を、AIが人間の知識を模倣する段階から、人間が予想しなかった解決方法を発見する段階へ進んだ象徴として描く。AlphaGoの成功によって、AIは単なる計算機ではなく、人間の専門家に匹敵し、時にはそれを超える判断能力を持ち得ることが広く認識された。しかし、囲碁という限定された環境での成功が、そのまま人間のような汎用的知能の実現を意味する訳ではなく、特定分野の高度な能力と幅広い知能との間には依然として大きな隔たりが存在していた。
8.中国のAI戦略
AI研究が急速に発展する中で、中国も米国に対抗する重要な勢力として台頭した。Baidu、Alibaba、Tencentなどの中国企業は、膨大な利用者データと政府による産業支援を背景に、画像認識、音声認識、自然言語処理などの研究を拡大した。特にBaiduは、GoogleでAI研究を進めていたアンドリュー・ンを迎え入れ、深層学習の研究体制を強化した。中国政府は2017年に人工知能の国家的な発展計画を発表し、2030年までに世界のAI研究と産業で主導的な地位を確立するという目標を掲げた。メッツは、AI開発競争がGoogle、Facebook、Microsoftなどの企業間競争から、米国と中国の国家間競争へ拡大していく過程を描いている。中国は人口規模、デジタルサービスの普及、国家による研究開発支援などで強みを持つ一方、米国は大学の研究基盤、世界的な研究者の集積、半導体技術、巨大な民間投資において優位を維持していた。人工知能は経済成長を支える技術であるだけでなく、軍事、安全保障、監視技術にも利用できるため、国家間の技術覇権を左右する戦略分野となった。
9.OpenAIの設立
2015年、イーロン・マスク、アルトマン、ブロックマン、サツケバーらが中心となり、OpenAIが設立された。設立の背景には、GoogleがDeepMindを買収し、最先端のAI研究が少数の巨大企業に集中し始めたことへの危機感があった。OpenAIは、強力な人工知能が特定企業の利益のためだけに利用されることを防ぎ、その成果を人類全体に役立てることを理念として掲げた。ヒントンの教え子であり、AlexNetの開発にも参加したサツケバーは、Googleを離れてOpenAIの研究を主導することになった。OpenAIは当初、非営利組織として研究成果を広く公開する方針を掲げたが、最先端のAIを開発するためには膨大な計算資源と研究費が必要であり、理想と現実の間には大きな隔たりが存在していた。2019年には利益上限付きの営利組織を設立し、Microsoftとの大規模な提携によって資金と計算基盤を確保する方向へ進んだ。メッツは、OpenAIの登場を、AIの安全性や公共性を守ろうとする理想主義と、巨大資本なしには技術開発を進められない現実との衝突として描く。この段階でAI研究は、大学の研究者が中心となる学術活動から、世界的な企業と投資家が巨額の資金を投入する産業へと変貌していた。
10.AIの社会的危険
人工知能の能力が向上する一方、その社会的な危険性も明らかになり始めた。画像認識や顔認識の技術は、防犯や本人確認などに利用できる反面、大規模な監視や個人のプライバシー侵害にも利用される可能性があった。また、AIの学習に利用されるデータには社会的な偏見や差別が含まれることがあり、その結果、AIが人種や性別などに関する不公平な判断を行う問題も指摘された。自然言語処理の分野でも、大規模な言語モデルが差別的な文章や誤った情報を生成する危険性があり、研究者の間では技術の公開範囲や安全性をめぐる議論が生じていた。特にGoogleでは、AIの倫理的問題を研究していたゲブルをめぐる対立が表面化し、企業の研究方針と研究者の学問的な独立性との間に緊張関係が生まれた。メッツは、人工知能が人間社会の問題を解決する可能性を持つ一方、人間社会に存在する偏見や権力の不均衡を拡大する危険性も持つことを強調する。技術を開発できることと、その技術を社会に導入すべきかどうかは別の問題であり、AIの発展には倫理的な判断と社会的な統制が不可欠である。
11.自動化と雇用の未来
メッツは、AIの普及が産業と雇用に与える影響についても考察している。人工知能は画像認識、音声認識、文章生成などの分野で急速に進歩し、それまで人間にしかできないと考えられていた知的作業の一部を自動化する可能性を示した。更に、自動運転技術の開発では、Google傘下のWaymoなどが道路環境を認識し、車両の運転をコンピューターに任せる研究を進めた。しかし、現実世界は囲碁やコンピューターゲームとは異なり、予測できない出来事が無数に発生するため、限定された環境で高い性能を示すAIであっても、複雑な社会環境で安全に機能させることは容易ではなかった。著者は、AIが人間の労働を代替する可能性を認めながらも、技術の進歩が直ちに人間の仕事を消滅させる訳ではないことを示している。重要なのは、AIによってどのような仕事が変化し、その利益が誰に分配されるのかという問題である。巨大企業がAIによる生産性向上の利益を独占すれば、社会的な格差が拡大する可能性がある一方、技術を適切に利用すれば人間の能力を補完し、新しい産業や雇用を生み出す可能性もある。
12.知能の未来と人間
本書の終盤でメッツが提起するのは、人工知能が今後どこまで進歩し、人間の知能との関係をどのように変えていくのかという根本的な問題である。ヒントンやハサビスらは、人間の脳の働きを参考にした学習技術が更に進歩すれば、特定の作業だけでなく幅広い問題を解決できる汎用人工知能が実現する可能性を考えていた。しかし、研究者の間では、その実現時期や技術的な方法について大きな意見の相違が存在した。深層学習の成功は、機械が大量のデータから複雑な規則を発見できることを示したが、人間の常識、因果関係の理解、社会的な判断などをどこまで再現できるかは依然として未解決であった。また、仮に人間の能力を広範囲に上回るAIが誕生した場合、その目標を誰が設定し、行動をどのように制御するのかという問題が生じる。メッツは、人工知能の発展を単純な技術的成功物語として描くのではなく、科学者の好奇心、企業の利益、国家の競争、社会の倫理が複雑に交錯する歴史として捉える。AI革命の本質は、人間が知能を機械によって再現しようとする過程で、知能とは何か、人間とは何か、そして技術の進歩を誰が管理すべきなのかという問題を突き付けられている。
本書が言いたかったこと
現代のAI革命は、巨大企業が突然生み出したものではなく、長年にわたり学界の主流から外れながら研究を続けた少数の科学者たちによって実現された。ヒントンらが守り続けたニューラルネットワークの研究は、計算能力とデータの増大によって飛躍的に発展し、世界の産業構造を変える技術となった。しかし、研究成果が巨大な商業的価値を持つようになると、Google、Facebook、Microsoftなどが研究者を獲得し、AI開発は科学的な探究から企業間、更には国家間の競争へ変化した。こうして、知識の共有を重視する科学者の理想と、技術を独占して利益を得ようとする企業の論理との間に矛盾が生まれた。更に、AIは人間の能力を拡張する一方、監視、差別、雇用の変化、権力集中などの問題も引き起こす。本書は、技術革新を生み出すのは人間の独創性であるが、その成果を人類全体の利益につなげられるかどうかは、技術そのものではなく、それを管理する社会の制度と人間の判断にかかっていることを明らかにしている。