AIって何？対談小説で知るAI

人工知能の定義と歴史

夕焼けが校舎の窓を朱に染める放課後。理科室の奥で、迅（じん）は古びたノートパソコンの画面に向かっていた。彼の眼差しは熱を帯び、指先がキーボードの上で踊る。

「面白い！　これが“人工知能”か！」
迅は声を張り上げた。だが隣で、大地（だいち）が静かに眉を寄せる。

「慌てずに、定義から押さえよう。人工知能っていうのは、“人間の知能を機械で再現する技術”だ。要は、人が考えたり学んだりする仕組みをプログラムで真似るってことさ」

玲（れい）は窓の外を見やりながら、柔らかく頷いた。「機械が“知能”を持つなんて、不思議ね。まるで小さな脳みそを宿しているみたい」

朔（さく）はノートパソコンの反対側で腕を組み、冷静に言った。「現実的には、プログラムが大量のデータを処理して、最適な答えを出すだけだ。感情や意識があるわけじゃない。結果が全てだ」

――１９５０年。数学者アラン・チューリングが「機械は考えるか？」と問いを投げかけた。これが人工知能研究の夜明けとなる。

迅は目を輝かせる。「チューリングテストっていうのは、人間と機械を会話させて、相手が人間か機械か判別できなければ合格ってやつだよね！“機械は考える”かどうかを実験する基準なんだ！」

大地がノートにメモを取りながら補足する。「そう。要するに、“外から見て人間らしい振る舞いができるか”を調べるテストだ。ルールベースの専門家システムは、あらかじめ人間が書いた“もし～ならば”のルールを大量に入力して、それに従って答えを返す。だけど、学習はしないから、新しいパターンには弱いんだ」

玲は机に指を置き、まるでデータの気持ちを探るように呟いた。「ルールに縛られた知識…まるで檻の中に閉じ込められた囚人みたい。次の時代には自由に学べるようになるのかしら」

朔は嘲るように笑った。「“自由に学ぶ”？　そんなのは絵空事だ。ただの数学的最適化だ。１９８０年代に“ニューラルネットワーク”が復活したときも、所詮は重みという数値を更新しているだけだ」

――１９８０年代。バックプロパゲーション（誤差逆伝播法）の登場で、ニューラルネットワークは再び脚光を浴びる。ニューラルネットワークとは、人間の脳神経細胞（ニューロン）を模した計算単位を何層にも組み合わせたモデル。入力層→隠れ層→出力層へと信号を伝え、出力結果と正解の差（誤差）を逆向きに伝播させて重みを更新する仕組みだ。

迅は身を乗り出し、「バックプロパゲーションって、“誤差”を後ろから流して直すことで、次第に正しく答えられるように学習する手法なんだよね！　誤差が小さくなるように重みを変えていくんだ！」と興奮する。

大地は落ち着いて頷く。「そう。でも当時は計算力が足りなくて、層を深くできなかった。データも少なかったから、広がりは限られていたんだ」

玲はそっと付け加える。「でも、ひとたび環境が整えば、ネットワークは自ら“パターン”を見つけ出す。まるで森の中で道を探す動物みたいに、自ら進路を切り開くのね」

――２００６年。ジェフリー・ヒントンらによって“深層学習（ディープラーニング）”がブレイクスルー。大規模なデータ（ビッグデータ）と強力なGPU（グラフィックス処理装置）を得て、ニューラルネットワークは“深く”重ねることが可能となった。

迅は目を輝かせ、息を弾ませる。「深層学習は、隠れ層をたくさん積み重ねることで、抽象度の高い特徴を自動で学べるんだ！　画像ならエッジから形状、さらにオブジェクト認識へと、段階的に“理解”が進む！」

朔は短く「効率さえ上がれば、あとは数字の勝負だ」と言い捨てる。

大地はモニタを指差し、「データと計算力が揃って初めて、この“春”が来たんだ。冬のAI研究が何度も挫折したのは、データも計算資源も足りなかったからさ」と分析する。

玲はそっと呟いた。「データが踊り、計算が歌う…それが深層学習の世界なのね」。

４人はそれぞれの視点で、人工知能の夜明けを見つめていた。
そして、校舎の時計が午後六時を告げるとき——
第四次産業革命の扉は、静かに、しかし確実に開かれようとしていた。

◆用語まとめ

人工知能（AI）：人間の知能を機械で再現する技術。

チューリングテスト：機械が人間らしく振る舞えるかを判定する試験。

ルールベース専門家システム：あらかじめ決められたルールで動くAI。学習機能は持たない。

ニューラルネットワーク：人間の脳を模したモデル。複数の層で構成される。

バックプロパゲーション：出力の誤差を逆向きに伝えて重みを更新する学習手法。

深層学習（ディープラーニング）：多層のニューラルネットワークで自動的に特徴を学習する技術。