藤井聡太の強さ、アルファ碁と共通の仕組みか…AIがプロ棋士に勝つのは当たり前

藤井聡太四段（写真＝Rodrigo Reyes Marin/アフロ）

　AI（人工知能）にも多くの種類があり、eコマースやソーシャルメディアに使われている対話型のチャットボットは、「AI搭載」と銘打っていてもルールデータベースシステムが使われていることが多い。これは、あくまで人間が考えたシナリオに従って、「こういう質問をされたら、こう返事しろ」と、プログラムしているだけだ。つまり、機械自らが考えて判断していない点で、本当のAIではない。

　米アマゾンのAIスピーカー「Alexa」や米アップルの「iPhone」に搭載されている「Siri」などは、音声認識に機械学習の深層学習を使っているので、質問を判別する比率は高くなっている（判別するだけで意味を理解しているわけではない）。答えも、クラウドデータベースが後ろにあるため、言葉のやりとりの組み合わせの種類が膨大になっても取り扱える。会話が不自然さを感じさせないようになる。まるで、本当にAlexaやSiriが考えて判断しているように思える。そのため、表面的には知性があるように思えるだけだ。

　機械が自分で考え判断しているという意味では、米グーグルの子会社、ディープマインドが開発した、囲碁に特化したAI「AlphaGo（アルファ碁）」の例を挙げなくてはいけないだろう。世界のトップクラスの囲碁名人に勝利して話題になり、ニューラルネットワークの機械学習、そのなかでも深層学習（Deep Learning）が一般的にも使われる言葉となった。

　ニューラルネットワークの機械学習は新しいものではない。研究は、1940年代ごろから始まっている。

　人間の脳の中には多数のニューロン（neuron／神経細胞）が存在しており、各ニューロンは、多数のほかのニューロンから信号を受け取り、またほかの多数のニューロンへ信号を受け渡している。信号の受け渡しが常に行われる場合、神経同士の結合が強化され神経経路が構築される。脳は、この信号の流れによって、さまざまな情報処理を行っているわけだが、この仕組みをコンピュータ内に実現しようとしたものがニューラルネットワーク（neural network）だ。ただ、研究が始まった年代にはコンピュータの性能が低すぎた。

　機械学習（machine learning）とAIは、ほとんど同義語のように使われているが、あくまでAIというかニューラルネットワークの考え方やアルゴリズムのひとつ。子供が体験や教科書から学んでいくように、コンピュータがデータから学習していき、その結果を一般化（モデル化）する。たとえば、不動産の価格を予測したい場合、過去10年とか5年の物件に関するデータ（大きさ、部屋の数、トイレの数、その他詳細なデータ）とその物件の売価を入力して学習させる。学習の結果、ある物件の詳細データを入力すれば、その物件の価格を予測して出力してくれる。これを「教師つき学習」という。

　深層学習は、従来の機械学習よりも、より多くの神経細胞や神経細胞結合を実現したものだ。たとえば、アルファ碁のニューラルネットワークは13層になっている。

AIの進歩の過程

　人間の認知活動におけるパターン認識を模倣実現することが可能になったのは、以下のような経緯を経てきたためだ。

1．コンピュータのパワーの発展…1990年代半ばから2010年ごろにかけ、並列処理コンピューティングや分散処理コンピューティングの登場により、膨大なデータを従来よりもコスト安かつ迅速に分析できるようになった。とはいえ、人間の脳は分散並列処理で、1000億のニューロンの一つひとつが1000から1万個のニューロンとつながっている。そして、fMRIで観察すると、脳内の多くのニューロンや神経経路が同時に活性化してタスクを実行している。そのせいで、どの部位がどういった役割をしているのか判断するのが難しいくらいだ。大規模なニューラルネットワークは、数十あるいは数百の複雑に相互につながっている層に配置された数千の疑似ニューロンをもつとはいえ、人間の脳とはまだまだ次元が違う。