本動画は、ノーベル賞受賞神経科学者 Tom Sudhof が、AIと人間の脳は何が決定的に違うのかを掘り下げながら、人間らしさ、記憶の不完全さ、自由意志、知識と経験の違い、そしてAIが科学にもたらす可能性と限界を論じる内容である。AIは膨大なデータを統計的にまとめることには優れる一方、人間の脳は不完全さや可塑性、自己生成的な思考によって成り立っており、その違いこそが人間理解の核心にあることが示される。
導入
人間の脳は、限られた範囲でしかコンピューターに似ていません。特にコンピューターサイエンスの世界にいる多くの人たちは、脳の本質や、脳がどのように情報を処理しているのかを十分には理解していません。
Thomas Sudhof は、現代でもっとも傑出した神経生物学者の一人です。ノーベル賞受賞者であり、脳内でニューロン同士がどのようにコミュニケーションをとるのかという私たちの理解を根本から変えた科学者です。
人間の心の不完全さは、実は善いものの原因でもあるのかもしれません。AIは結局のところ、すでに存在している何百万、何千万というデータポイントを、言語であれば既存の言語データをまとめ合わせることで動いています。そういう意味で、AIは常に抽出物です。結局は統計的な機械でしかなく、あくまで統計的な機械なのです。
人間とは何か
教授、お越しいただき大変光栄です。最初の質問ですが、人間を人間たらしめているものは何でしょうか。
まず、人間らしさと確実に関係ないのは、私をミスター・プロフェッサーと呼ぶことですね。ですので、Tom と呼んでください。みんなそう呼びますから。
Tom、人間を人間たらしめているものは何でしょうか。
それが分かっていればいいのですが。これは科学の問いではありません。哲学の問いです。AIが登場する以前からすでによく理解されていたことですが、知識の量、洞察の量、あるいは望むなら知恵の量でさえ、多くの意味で人間性の尺度にはなりません。
結局のところ、私たちは高度ではあっても、やはり動物なのだと私は思います。ただ、他の動物には持てない能力を持つ動物です。その中でももっとも重要なのが言語です。もっとも、AIにも言語があるではないか、だからそれは、ある程度自らを表現できるAI機械との違いにはならない、と主張することもできるでしょう。
AIの言語と人間の言語はなぜ違うのか
AIが生成する言語が人間の言語とどう違うのかを理解することは、実際には科学というより哲学に近い大きな課題です。私にとって明らかなのは、AIは結局のところ、既存の膨大なデータ、話し言葉であれ書き言葉であれ、何百万何千万ものデータポイントを、寄せ集め、要約し、ある意味では集約することによって動いているということです。
そのため、AIは常に何らかの意味で平均を反映した抽出物になります。それに対して人間は、その本性上、変異そのものです。ならばAIにも変異性を持たせるようプログラムできるのではないか、と言うこともできるでしょう。それがどこまで行けるのかは分かりません。ただ私は、人間性の本質は言語の使い方の中で最もよく定義されるのではないかと思っています。
人間の理解と人工的理解の違い
私は、人間の理解と人工的な理解との違いを理解しようとしています。たとえばAIにとってこのページは、ベクトルの数値です。私たちの脳にとっては、それは連想の網の目なのです。
違いはたくさんあります。もっとも分かりやすいのは、AIは無限の記憶を持っているのに対して、人間の記憶は非常に限られているということです。私たちの記憶はあまりにも限られているため、しばしば実際には存在しないことを覚えていると思い込んでしまいます。AIは決して間違えません。
ですから、紙に何かが書いてあり、それを何か別のものと結びつけるとき、人間においてその過程自体は誤りを含みますが、AIを使えば正確です。実際、それこそが今のところAIの最良の使い道でしょう。すでに世の中に存在している膨大なデータを活用することです。
ただ私は、人間の心のこうした誤りや不完全さ、そしてある地点を超えると物事を正確に記憶できないという能力の限界は、実は良いことの原因でもあるのではないかと考えています。というのも、それによって私たちは、あまりに多くを記憶しすぎるという制約から解放されるからです。
人には、生まれつき普通以上に優れた記憶能力を持つ人がいるそうです。私は会ったことはありませんが、文献を見ると、自分の人生のあらゆる時間を覚えている人がいると言われています。こうした人々は幸せな人たちではありません。特に生産的だとも限りません。事実が多すぎ、記憶が多すぎ、連想が多すぎることは、助けになるのと同じくらい、足かせにもなりうるからです。
ですからこれは、人間の心がAIに比べて持つ、いわば欠点の一つでありながら、重要な点でもあります。つまりAIは、データセットに与えられたものを基本的には何でも記憶できますが、人間は、実際には完全に想像しただけのことを覚えていると思い込むことがよくあるのです。
統計的機械であるAIと因果を探る人間
結局は統計でしかない、あくまで統計的な機械であるということですね。
科学者として言うと、統計という言葉は必ずしも良い響きを持っていません。おそらく、あなたもそういう意味でおっしゃっているのだと思います。
つまり、結果が因果のように見える、ということですか。
どんな結果ですか。
私が何かをするとき、その行為の効果を予測できる、という意味です。
私たち人間は、自分の行為の効果を予測しようとします。ある種の行為については、それが可能です。しかし時には、というより実際には非常によくあることですが、私たちはその効果が分からないからこそ行動し、その結果どうなるのかを知りたくて行動するのです。これは科学だけでなく、日常生活でも同じです。
もちろん、事実を持っていればより良い予測ができます。工学では、私の専門ではありませんが、行為の結果を予測することが、行うあらゆることの重要な基礎になっています。その点では、AIは間違いなくある意味でより優れているでしょう。
では、将来をよりよく予測するために、何を調べればよいのか、何を試せばよいのか、さらに学ぶための問いそのものを生み出すことでもAIは優れているでしょうか。それも確かに可能でしょう。
しかし、人間より優れているでしょうか。すぐには明白でなく、すぐには手に入らないような連想を生み出すことでも、人間より優れているでしょうか。こうした問いについては、未来が答えを示すことになるでしょう。
私たちは、ただ効果を生み出したいという欲求だけで行動しているわけではありません。ある行為がどのような結果をもたらすのかを理解したいという動機を含め、他の動機によっても行動しているのです。
もちろん、AIにも同じことをするようにプログラムすることはできます。
John Hopfieldの後悔と、生物学から切り離されたAI
数週間前に、今年AI開発でノーベル賞を受賞した John Hopfield と話しました。私は彼に、後悔していることはありますか、もし時間を戻せるならこれをやりますか、と尋ねました。彼は、今に至るまでAIが生物学から切り離された形で作られてきたことを後悔している、と言っていました。興味深い答えでした。
私は、特にコンピューターサイエンスの世界にいる多くの人たちが、脳の本質や、脳がどのように情報を処理しているのかを十分には理解していないと思っています。実際、私たち自身もまだ理解していません。しかし、コンピューター内のニューラルネットワークの働き方とはかなり違う、ということは分かっています。
私が話してきた多くのコンピューター科学者は、神経科学の例を使って計算を改善したいと考えていますし、それは多くの面で成功してきました。ですが、活動依存的に、あらかじめ配線された結合を再構築していく仕組みをプログラムするのは非常に非常に難しいことです。もし何らかの形でそれが可能なら、それがコンピューターサイエンスにおける次の大きな一歩なのだろうと思います。将来、AIのニューラルネットワークが、人間の脳の奥深くにあるヒトのニューラルネットワークのように機能するのであれば、という話ですが。
AIが人間より優れる点、そして人間に似せるために失うべきもの
AIには、どんな人間のネットワークよりも常に優れている側面があります。それは、膨大な量の情報を正確に取り出す能力です。もしAIが人間の脳に似たネットワークを作りたいのであれば、ある意味では、いくつかの性能を改善するだけでなく、別の種類の性能はむしろ悪くしなければならないでしょう。
なぜなら人間の脳は、出来事を正確に記憶する能力、あるいはその能力の欠如、出来事を想像する力、もはや記憶されていないために経験を補完してしまう働きなどを持っており、それが私たちの営みの一部だからです。そして、それは現在のAI開発者たちが目指していることではないと私は思います。
経験のない知識は知識と呼べるのか
経験のない知識は、知識と呼べるのでしょうか。
もちろん呼べます。私たちは、自分が経験していない多くの事実を学びますから。
知識というのは、まったく別の主題ですが、脳の中では異なる形で存在しています。事実として語り直せる知識があります。これは自分で経験していなくてもよいし、経験していてもよいものです。たとえば、月は地球の周りを回り、地球は太陽の周りを回っている、と私たちは事実として語れます。
しかし、それは私たちが経験するものではありません。推論によって理解し、学ぶものです。そうですね。
その一方で、経験によってしか獲得できない知識もあります。たとえば、自転車の乗り方です。実際に経験することなしに、自転車の乗り方だけを学ぶことは決してできません。これは別の種類の記憶であり、別の種類のものなのです。
たった約2万の遺伝子で、なぜ脳は作れるのか
約2万個の遺伝子しかないDNAが、どうやって何兆もの結合を持つ脳を作れるのでしょうか。
素晴らしい質問です。私たち全員が強い関心を持って理解しようとしていることです。表面的には、まさに逆説に見えるからです。いったいどうして、わずか約2万2000個の遺伝子で脳が作れるのか。しかも、どうしてショウジョウバエや線虫も、人間とだいたい同じ数の遺伝子を持っているのに、結果はこれほどまでに違うのか。
ここ数十年で私たちがますます学んできたのは、ゲノムはその複雑さにおいて本当に奇跡的だということです。現時点の科学では、私たちはゲノムを理解していません。もちろん極めて重要なので、人々は懸命に理解しようとしています。ですが、私の生きている間にそれを理解できるかどうかは分かりません。
AIはパターンには強いが、イノベーションには弱いのか
あなたは以前の講義で、AIはパターンには優れるがイノベーションには優れない、とおっしゃっていました。脳の分子コードを理解すれば、本当に革新的なAIにつながるのでしょうか。
いいえ、そうは思いません。
そうは思わないのですか。
ええ。
まったく別のことなのですね。
そうです。いま起きていて、多くの意味で有望なのは、コンピューターサイエンスにおいて、ノード間の結合に可塑性を持たせることで脳をよりよくモデル化することです。それこそが、脳をコンピューターと大きく違うものにしている点だからです。
何がイノベーションを生み出すのか、私は正確には分かりません。私が以前述べ、今でもなおそう信じている発言は、その後AIがイノベーションに関してかなり上達したとはいえ、結局すべてのAIは、膨大な量のデータに学習アルゴリズムを適用することを基盤に動いている、という事実に基づいています。
ここでの弱点は、まず第一に、データが良質でなければならないということです。たとえば言語には、品質の問題はあまりありません。人々が時に文法的に誤った話し方をしたり、単語を言い間違えたりしても、結局のところ利用可能なデータ量が膨大なので、言語は把握しやすいのです。
科学におけるAIの弱さと、誤ったデータの問題
しかし、物事に関する事実となると話は別です。科学においてさえ、AIはかなり弱いことが分かります。というのも、データベースの中には誤ったものが非常にたくさんあり、AIが生成する結論もしばしば正しくないからです。
たとえば ChatGPT にある質問をすると、出典を示しながら見解を述べてくれて、非常に高い洞察を与えてくれることがよくありますし、情報をより速く見つける助けにもなります。
しかし、どれくらいの頻度かは定量化していませんが、答えが単純に間違っていることもかなりよくあります。なぜなら、インターネット上にあるデータのうち、明らかに間違っているものと、正しいものとを区別できないからです。AIにはそれを判断できません。
あなたがおっしゃるのは、デジタル化されていないデータのことですね。
いいえ、デジタル化されたデータも含めてです。
本当にたくさんあるのです。科学において、私たちが直面している最大の問題の一つは、不正や捏造そのものではありません。そうではなく、査読済みと見なされている文献の中に、実際には間違っている報告があまりにも多いことです。科学者であれば精査によって見抜けますが、AIコンピューターにはそれができません。
AIはAlzheimerや神経疾患の解決に役立つのか
AIは将来、科学者が Alzheimer や他の神経疾患の解決策を見つけるのを助ける可能性があると思いますか。
もちろんです。不可欠です。
では、AIの本質に戻りましょう。AIの本質とは、私には確実には理解できない、ある種のブラックボックス的なプロセスによって、膨大なデータをパターンや連想、おそらくは因果関係のようなものにまで変換することです。そして私が聞く限り、コンピューター科学者でさえしばしば完全には理解していません。
いま科学には、そして科学に限らず、これまで以上に多くのデータがあります。問題は、それをAIなしには処理できないことです。ですからAIは、科学の内在的な構成要素として必ず必要になりますし、すでにそうなっています。
たとえば画像解析などは、今ではすべてAIで行われています。そうせざるをえません。データ量があまりにも多いからです。本当に信じがたいほどです。
データ過剰時代の科学とAIの課題
ただし、そうは言っても、そこには潜在的な問題もあります。そして、その問題がどれほど大きいのか、私はまだ分かっていません。
なぜなら今の私たちは、科学に限らず、何をするにしても、ますます多くのデータを生み出しているからです。その多くは、単に余計で、些細で、場合によっては注意をそらすだけのものです。
私にとって最も分かりやすい例は、家庭で今生成しているあらゆるデータです。あらゆる画像記録やビデオカメラ、その他もろもろによって、膨大なデータが処理され、どこかに保存されています。犯罪か何かが起きない限り、そんなものを誰も見返しません。
科学でも同じです。今や非常に速く大量のデータを生成できるうえに、実際にはまともに査読されていないのに、あたかも査読済みであるかのような論文を簡単に発表できてしまうため、信頼できないデータがあまりにも多く存在しています。その結果、いまや私たちにとって大きな課題は、どのデータを本当に信頼できるのかを理解することなのです。
自分たち自身のデータについては、信頼できると分かっている限りにおいて、AIは分析全体の中心になります。単純にデータ量が膨大だからです。それはもはや、あらゆるものの内在的な構成要素になりつつあります。
経験は脳の分子発現を変えるのか、人間に自由はあるのか
経験は脳の分子発現を変えます。これは人間の選択を守るものなのでしょうか。それとも、私たちは生物学的に決定されているのでしょうか。
第三の可能性がありますね。
ええ。
それは、生物学的決定性と、自ら生み出す主体的な意思や決断に加えて、私が生物学的偶然と呼ぶものがある、ということです。もちろん、生物学的なものに限りませんが、これは病気の例で最もはっきり示されます。
たとえば、一卵性双生児を見てみましょう。同じように育ち、遺伝子もまったく同じです。環境も同じです。それにもかかわらず、片方が統合失調症を患っている場合に、もう片方が発症する確率は約50％にすぎません。これは自由意志ではありませんし、生物学的決定性がないということでもありません。しかし、完全に生物学的に決定されているわけでもありません。少なくとも統合失調症に関しては、科学者たちにも理解できていない、生物学的偶然の要素があるのです。
別の例は癌です。癌になりやすくする突然変異を持っていても、癌になる確率は100％ではありません。そこには生物学的偶然があります。つまりこの問題には、基本的に三角形の三つの頂点があるのです。
生物学的決定論という考え方は、正直に言えば、素朴だと思います。誰かを素朴だと呼びたいわけではありませんが。
つまり、その考え方自体が、ということですね。
そうです。ただ、私たちが何者であるか、どのような障害を持つか、どのような人生になるかには、ある程度の生物学的決定があるとは思っています。
しかし同時に、人間だけでなく他の動物の脳も、たとえば決断のようなものを自ら生み出す能力を持つように設計されていると私は考えています。結局、自由意志とは、ある仕方で行動する決定を下すことを指します。ですから私は、これを白黒の問題だとは見ていません。これは生物学的決定の結果であると同時に、行動に関してはある意味で偶然の要素もあり、さらにもっと重要なのは、脳が自らの活動、自らの決定、自らの考えを生み出す能力を持っていることなのです。
脳には、自ら……何と呼べばいいのか分かりませんが、生物学的決定に還元されない形で、自分自身の思考や決定やアイデアを生み出す能力があるのです。
脳はコンピューターなのか
脳は基本的にはコンピューターなのでしょうか。そこには分子的な論理があるのでしょうか。
人間の脳は、限られた範囲でしかコンピューターに似ていません。コンピューターと人間の脳のあいだには、非常に大きな違いがあります。
私はコンピューター科学者ではありません。ですので、コンピューターについての理解は非常に限られています。それでも私の印象では、コンピューターは基本的に固定的に配線されたものです。ある程度の可塑性をプログラムすることはできても、結局のところ結合自体は変わりません。変えられるのは、その性質がある程度まで、というだけです。
人間の脳、そして動物の脳は、固定的に配線されているわけではありません。絶えず流動していて、常に変化しています。それは、2つの神経細胞のあいだの個々のシナプス結合がどのように働くか、どのように情報を処理するかという意味での可塑性だけではありません。結合そのものが変わりうるのです。消えることもあれば、新しく作られることもあり、移動することもあります。
脳では、あらゆることが起きています。多くの意味で、脳は非常に流動的なシステムであり、可塑的です。コンピューターとはまったく大きく異なります。
お時間をいただき、ありがとうございました。
コメント