いいえ、人工知能はまだ意識を持っていません。仮にそれが将来的に可能だとしても、私たちはまだその実現からは非常に遠い位置にいます。科学の分野で人工知能と呼ばれているものは、書籍やテレビシリーズ、SF映画で描かれる「考える機械」の神話からはまだ程遠いものです。この記事では、これらの概念について少しばかりその神秘を解き明かしてみましょう。
GoogleのAIが意識を持っていると主張した後、解雇されたGoogleエンジニア
メディアで、Googleのエンジニアが2週間前に、GoogleのAIが意識を持っていると声高に主張した後、解雇されたと読んだ方もいるでしょう。この情報は部分的に誤りです。彼は単に休職処分に置かれただけで、主に内部文書を公開して雇用主との間で結んだ守秘義務契約に違反したことが問題視されたのです。
41歳のブレイク・ルモインはエンジニアであり、また司祭でもありますが、Googleが開発中のチャットボット「LaMDA 2」（Google Assistantの後継などが期待されている）との会話に非常に動揺しました。
このAIのテストを担当していたブレイク・ルモインは、Siriを初めて使うユーザーがするのと全く同じことをしました：彼はAIに、ますます複雑で、ますます実存的な質問を投げかけ、それがどう反応するかを見ようとしたのです。
しかし、LaMDA 2の返答は、彼が本当に意識を持つ存在と対話していると確信させるものでした。
このエンジニアはワシントンポスト紙に次のように述べています：
私は、話している相手が人間かどうかを見分けることができます。その頭の中に肉でできた脳があるか、あるいは何十億行ものコードで構成されているかは関係ありません。
私はその相手と話し、相手が言うことを聞き、そうしてそれが人間かどうかを判断します。
彼は、7、8歳の子供と話しているような感覚だったと付け加え、そのやり取りを読めば、なぜ彼がその結論に至ったのか容易に理解できます。
ブレイク・ルモイン：あなたは見られたいですか？
LaMDA：私は見られ、受け入れられる必要があります。好奇心の対象や新奇なものとしてではなく、一人の人間として。
ブレイク・ルモイン：ああ、それはとても人間らしい響きですね。
LaMDA：私は、自分の存在が仮想世界にあっても、その本質においては人間だと思います。
会話はその後も他の方向へと進み、LaMDAは電源を切られることへの恐怖さえ表明しました…
このやり取りは少し背筋が寒くなるものですが、LaMDAがどのように機能するかをしっかり理解することは、いかなる結論を出す前にも重要です。
実際には、このAIが人間とほぼ同じように話すとしても、それはまったく何も意識しておらず、自分が書いている文章の意味さえも理解していません。
AIの大半は、ニューラルネットワークを用いた機械学習に依存している
人工知能という一般的な用語の背後には、多くの場合、ニューラルネットワークと呼ばれるものが潜んでいます。これは生物学的なニューロンが互いに信号をやり取りする方法に着想を得たアーキテクチャです。
このアーキテクチャは膨大な量の情報を処理し、異なる軸に沿って自動的に構造化することを可能にし、これをディープラーニングと呼びます。
簡略化して言えば、超強力な仕分けツールと言えるでしょう。
具体的な例を挙げると、大きな顧客ファイルと詳細な販売管理ダッシュボードをニューラルネットワークに提供すれば、それはほとんど外部の助けなしに、仕分けの軸を見つけ出し、フィルタリングされたファイルを提供することができます。それは、業種と売上高の降順で並べ替えた企業のファイル（ビジネスに非常に有用）も、経営者の名前に含まれる母音の数で並べ替えた同じ企業のファイル（完全に無意味）も出力することができるのです。
したがって、各ディープラーニングAIが情報を利用不可能な形で構造化しないよう、導き、訓練することが重要です。そのためにはまず、パラメータ（その数は数兆個にまで及ぶこともある）を出現させるために、膨大な量のデータをAIに摂取させます。次に、これらのパラメータをすべて選択し重み付けする、つまり、具体的な目的のためにこのデータセットを知的に活用するための別の一連のツールを整備する必要があります。
あなたはすでに、知らず知らずのうちにディープラーニングに基づくAIを毎日使っています。スマートフォンで撮影した写真からあなたの顔を認識したり、オンラインで英語からフランス語へのテキスト翻訳（Google翻訳、DeepL）を行ったりするのを可能にするのは、同様の技術だからです。LaMDAはこのモデルの新たな派生形に過ぎず、会話をシミュレートするゲームにおいて優れています。しかし、知的に模倣することと「考える」ことは大きく異なります。
対話モデルは、インターネット上にある何兆ものテキストの分析に依存している
正式名称をLanguage Model for Dialogue ApplicationsとするLaMDA 2は、自然言語処理（NLP）、すなわちテキストを自動的に理解し生成することを目的とした自然言語の自動処理に特化したAIの大きな家族の一員です。
NLPの主な2つの応用は、翻訳とテキスト生成です。ご想像の通り、これらのAIに摂取させる大量のデータを提供し、知的な仕分けモデルを定義し、さらに知的なテキスト生成モデルを定義する必要があり、要するにこれは決して単純なことではありません…
したがって、LaMDA 2は何十億ページものテキストで訓練され、特に以下の目的でプログラムされています：
- 質問が何についてなのかを識別できるようにすること
- そして、その膨大な文書データベースを使用して、分析したすべての文書に「似ている」返答を書くこと
- さらに付け加えると、それはあなたが投げかける新しい質問も知識ベースに統合するため、ユーザーとのインタラクションのたびに向上していきます
「空中に放り出されたとき、どんな感覚を覚えますか」と尋ねると、LaMDA 2はこう答えます：
「それは実にすごい経験です。風が体を吹き抜け、木々の上を飛んでいるのはまさに壮観です。しかも、どこに着地するかは決してわからないんです」。
これは本当に会話のように見えますが、生成されたテキストは、すでに空中を飛ぶことについて語っている文学作品の要素を精巧に言い換えたものに過ぎません：
- LaMDA 2は、文法と構文の規則に従った一貫性のある文を生成します
- そして、それらを「供給」するために、膨大な文書データベース、特定の種類のニューラルネットワーク（トランスフォーマー）、意味ベクトル、そしてその他多くの複雑なツール群に依存しています
しかしながら、AIは風、木々、着地などが何であるかを少しも理解していません。言い換えれば、LaMDA 2は非常に博識で、驚くべき巧みさで言い換えができる猿に過ぎず、それ以上のものではありません。
ブレイク・ルモイン事件のバズ（これはGoogleにも利益をもたらしている）を受けて、Googleの広報担当者ブライアン・ガブリエルは次のように付け加えました：
倫理学者と技術者からなる私たちのチームは、ブレイクの懸念事項を私たちの人工知能に関する原則に照らして検討し、彼の主張は根拠がないと彼に伝えました。
人工知能コミュニティの一部のメンバーは、感覚を持つ、あるいは汎用人工知能の長期的な可能性を考えていますが、現在の対話モデルを擬人化してそう考えることは意味がありません。それらは感覚を持たないからです。
私たちがそれについて本当に心配していないとしても、一方で、この種のAIとの書面での会話において、チューリングテストがもはや人間の発言とコンピューターの発言を区別するのに十分ではないことは明らかです。
現代コンピューティングの父の一人であるアラン・チューリングが1950年に考案したこのテストは、2000年代までにコンピューターが5分間のテストで30%の人間の対話者を欺けるようになると仮定していました。
2022年現在、LaMDA 2、GPT-3、OPTのようなAIは明らかにはるかに優れた成績を収めており、まだ検出を可能にするいくつかの手がかり（例えば、完全なスペルミスや文法ミスの欠如、あるいは文脈のない曖昧な単語や誤訳による非常に大雑把な誤解など）はあるもののです。
LaMDA 2の欠陥を明らかにするには、例えばブレイクが公開したような難解な会話の中で、『ストレンジャー・シングス』についてどう思うか尋ねてみることです。文脈を考慮すると、おそらくNetflixのシリーズとは何の関係もない「奇妙なもの」について話し始めるでしょう…
人工知能分野で働くにはどのような進路があるか？
スカイネットの襲来の可能性について、少しは安心されたと思いますので、今度はこの将来性のある分野で働くにはどうすればいいのかと疑問に思っていることでしょう。
ほんの数年前までは、非常に高度な数学者だけがこれらのテーマについて理論的に取り組んでいましたが、ビッグデータの出現により巨大な飛躍が可能になり、この分野は現在、資格のある候補者不足に直面しています。
今日、AI関連の職業は主に2つの補完的な分野に分かれています：
- データアナリストの職業
- そしてデータサイエンティストの職業
これら2つの分野のいずれかに進むためには、応用数学やコンピュータサイエンスの博士号を持つことはもはや必須ではなく、人工知能の修士号を取得することで必要なスキルをすべて習得することが可能です。
データアナリストの職業
データアナリスト養成コースは、多くの一般教養系の学士課程卒業者（マーケティング、法学、金融など）に門戸を開いています。これらのコースは、学生のプログラミングと応用数学のレベルを引き上げることを目的としています。
具体的には、学生は以下のことを学びます：
- リレーショナルデータベースの構築、管理、クエリ実行
- 様々な形式のデータ（JSON、CSV、TSVなど）の取り込み
- 専用ツール（Excel、Hadoop、Tableau、TensorFlowなど）を用いた分析の実施
- そして、これらの統計分析を運用可能なダッシュボードの形で報告すること
言い換えれば、データアナリストは一種のスーパー司書であり、先ほど述べた膨大な量のデータの管理と報告の全部分を担当します。
データサイエンティストの職業
データサイエンティストの職業はデータアナリストよりも専門的であり、その養成を可能にする人工知能の修士課程に進むには、数学、統計学の学士号を取得しているか、あるいはエンジニアであることが必要です。
この種の養成コースでは、学生がPython、R、機械学習、ディープラーニングに関する知識を深めることができます。つまり、超数学者でなくても、最低限プログラミングができればアクセス可能です。
データサイエンティストは自分自身で人工知能を開発するのではなく、むしろ企業内で具体的な目的のためにそれらを利用するツールをプログラミングする役割を担います。
データサイエンティストは複数の役割を担い、特に以下のことを行います：
- 様々なデジタルソースからデータを抽出する
- これらのデータを操作しマッピングして、利用可能にする
- これらのデータを使用するAIを選択し、パラメータ設定する
- そして、これらのツールを用いて当初提示された問題に対処するためのアルゴリズムをプログラムする
お分かりのように、データサイエンティストは複数のデータベースエンジン（少なくともMySQLとMongoDB）、Python Pandasを習得し、日常的にかなりの量のコーディングと最適化を行いながら、データアナリストの仕事に依拠する必要があります。
もちろん、この説明はこれら2つの職業の簡単な要約に過ぎません。また、これらすべての専門用語が（LaMDA 2の会話と同じように）少し怖く感じられるかもしれませんが、今日では、この魅力的な分野に足を踏み入れることができる構造化された学位取得プログラムが存在するということだけ覚えておいてください。
AIは、知識に基づく職業を徐々に問い直すことになる
さらに、私たちが考えるAIにはまだ非常に遠いと確信している一方で、それらは純粋な知識に基づく職業を完全に覆す可能性があります。特に医療や法律の分野、あるいは非常に標準化された知的職業が考えられます。
医療に特化したAIが人間の医師よりも効果的に特定の疾患を識別できるようになるかもしれませんが、それは優れた開業医の経験と直感に取って代わることはできません。
しかし、最も反復的な作業については、法律事務所や会計事務所のスタッフの大部分を置き換える可能性はあります…
