夕食を運ぶロボット、自動運転車、ドローンタクシーは、楽しく、莫大な利益を生む可能性がある。しかし、期待しすぎないほうがいい。大きな期待が示すより、実現はずっと先になりそうだ。
香港で最近開催された2017年のウォートン・グローバル・フォーラムで、専門家パネルが人工知能（AI）、ロボット、ドローンなどの技術進歩の未来と、それらが将来の雇用に及ぼす影響について見解を示した。議論の要点は、期待をいくらか冷ます一方で、特定の職業に迫る脅威にも目を向けることだった。
「ビジネスの未来を設計する」と題したパネル討論で発言したのは、ウォートン校学長のジェフリー・ギャレットが司会を務め、香港科技大学で電子・コンピューター工学を教えるパスカル・フォン、ペンシルベニア大学工学部長のビジェイ・クマール、J.P.モルガンのアジア太平洋地域会長兼CEOのニコラス・アグジンが登壇した。
冒頭、ギャレットはこう尋ねた。自動運転車の動きはどれほど大きく、社会を変えるものなのか。
クマールによると、自動運転車がすぐそこまで来ているという主流メディアの報道の多くは、大幅に誇張されている。彼の見方では、完全自動運転車の実現にはまだ何年もかかる。
クマールの重要な指摘の一つは、ハイテクの進歩にはしばしば二つの側面があるということだ。一方は、計算能力やソフトウェアなどの進歩で、メディアの注目を集める。こちらの進歩は速く、新しいアプリや企業、製品が日々生まれている。しかし、もう一方の、見過ごされがちな側面は、多くのプロジェクトに大きく影響する。仮想世界を新たな形で物理世界や機械の世界につなげなければならないプロジェクトだ。ペンシルベニア大学で機械工学の教授も務めるクマールは、そう指摘した。この領域での進歩はもっと遅い。
いつか、自動運転車のソフトウェアは硬い舗装路に直面する。この世界では、ほかのロボットの応用例と同じく、「データから情報へ、情報から知識へ」と進むことで発展する。根本的な問題は、物理世界で動くためにどれほど膨大なデータが必要なのか、そしてその量が増え続けることを、多くの人が理解していない点だ。クマールの言葉を借りれば、その量は「指数関数的」に増える。今日、「ビッグデータ」が重要だという認識は広がっているが、多くの物理的な作業に必要なデータ量は、「ビッグデータ」という言葉から想像される量をはるかに上回る。これほど膨大なデータを集める制約が、多様なプロジェクトの進展を大きく遅らせていると、彼は述べた。
つまり、自動運転車について楽観的に論じる記事の多くは、完全自動運転車を大規模に実用化するのに十分なデータを集めるには、数年どころか何年もかかるという事実を見落としている。
正確度90％を達成するだけでも「十分に難しい」とクマールは指摘した。現在の物体認識ソフトの一部は「正確度が90％だ。Facebookに行けば顔が山ほどあるが、識別の正確度は90％」だという。それでも、90％では「コンピュータービジョンの同僚なら『それはばかげている』と言うだろう……。しかし、正確度を90％から99％に上げるには、はるかに多くのデータが必要だ」。しかも、その量は指数関数的に増える。「さらに、正確度を99％から99.9％に上げるにはどうなると思う？ もっと多くのデータが必要だ」。彼は、データ需要が指数関数的に増える様子を、傾きが急激に上昇するホッケースティック型のグラフにたとえる。ほかのアナリストも指摘しているように、自動運転車では、人命がかかっている以上、正確度が90％でも99％でも到底不十分だ。
指数関数的に増えるデータ
「あらゆる……ケースに正しく対応するために、データを指数関数的に増やすのは非常に難しい」とクマールは語った。「だから、データに基づいて行動する自動運転車を完成させるのは、極めて難しいと思う……。確かに素晴らしい構想だし、大きな進歩も遂げている。しかし、誰もが心から安心できる水準まで解決するには、長い時間がかかる。」
ではなぜ、主流メディアを読むと、自動運転車がすぐそこまで来ているという印象を受けるのだろうか。
メディアで起きていることについての見解を説明するため、クマールは、元米連邦準備制度理事会（FRB）議長のアラン・グリーンスパンの発言を引き合いに出した。グリーンスパンは2000年代初頭の巨大なハイテク株バブルが崩壊する少し前、株式市場には「根拠なき熱狂」があると述べたことで知られる。クマールは、現在の自動運転車についても同様の誇張があると示唆した。「根拠なき熱狂が生まれるのは、まさにそこだ。技術はもう少しで実現するところまで来ているが、最終的に社会に浸透するには長い時間がかかる。」
「人を空中に持ち上げるドローンを動かす電力、モーター、バッテリーを実現するなんて、夢物語だと思う。」—ビジェイ・クマール
ギャレットは、テスラのトップ、イーロン・マスクが、新型車を自動運転させる技術はすでにすべてそろっていると主張していると指摘した（緊急時に人間が運転を引き継ぐ必要がないとは限らない）。主な課題は「人々がその技術を受け入れること」だという。
クマールは、それにはまったく同意できないと述べた。「イーロン・マスクは、バッテリーが改良され、どんどん性能が上がっているとも言うでしょう。実際には、5年、あるいは10年前にあったものと同じバッテリーです」。違いは、バッテリーが小型化し、安価になったことだ。「バッテリーを買う人が増えたからです。しかし、基本的には同じものです。」
ほかの分野でも、進歩は遅い。クマールによれば、「物理領域」では、エネルギーや動力についても大きな変化はなかった。「電気モーターを見れば、第二次世界大戦時の技術です。つまり、物理の側では、情報の側と同じような進歩を遂げていません。さらに、米国では電力消費全体の2％をデータセンターが占めています。これほど多くのデータを本当に必要とするなら、ホッケースティック型の増加に対応しようとするなら、データセンターを稼働させるだけでも大量の電力を消費します。いずれ、ますます難しくなると思います……。」
クマールは、ドローン技術にも同様の制約があると述べた。「単純な事実があります。ドローンを飛ばすには、1キログラム当たり約200ワットが必要です。75キログラムの人を空中に持ち上げようとすれば、大きな動力が要ります。それを可能にするバッテリーをどこから調達するのでしょうか」。これほど重い荷物を持ち上げるのに十分な「出力密度」を持つ動力源は、化石燃料しかない。「小型ジェットタービンでドローンを動かすことはできます。しかし、人を空中に持ち上げるドローンを動かす電力、モーター、バッテリーを実現するなんて、夢物語だと思います。」
だからといって、ドローンで面白いことができないというわけではない。「ただ、何をするにしても、やりたいことに見合った積載量を考えなければなりません。」
一方、電気自動車のような分野では順調に進歩しており、大きな可能性があるとクマールは言う。「中国がそれを示してきました。世界をリードしています。中国では年間に生産される電気自動車の台数が、米国の3倍です……。電気自動車は今後も定着すると思いますが、電力で動くドローンについては、そう確信していません。」
クマールの論点を受けて、大学のヒューマン・ランゲージ・テクノロジー・センターの運営にも携わるフォンは、近い将来における人工知能（AI）の限界を説明した。ここでも、期待が現実を先走ることがよくある。AIは多くの印象的で有用な作業をこなすかもしれないが、物理的な制約は依然としてほとんど変わらない。
「……発話認識、つまり話した内容の翻訳だけを行う深層学習アルゴリズムでも、何百万時間分ものデータで訓練する必要があり、『巨大なデータファームを使う』のです」とフォンは指摘した。深層学習ネットワークのニューロンが数十万個だとしても、人間の脳には数兆個ある。少なくとも現時点では、人間のほうがはるかにエネルギー効率に優れている。彼女は冗談めかして、人間は「小さなピザ一切れで一日中働ける」と話した。
「ロボットに置き換えられにくい仕事は、最上層と最下層にある。中間層ではない。」—ビジェイ・クマール
人間の脳をめぐる難問
このことから、パネリストたちは、十分に認識されていない第二の隔たり、すなわち現在のAIが対応できるプロジェクトの範囲に注目した。クマールは、翻訳のような作業は比較的範囲が狭いと指摘する。「データから情報へ進む方法は、ある程度わかってきました。ただ、深層学習を使っても、それさえ非常に難しい。情報から知識へ進む方法は？ まったくわかりません。人間の脳がどう働くかもわかっていない……。人間に結び付けられるような知能を持つ機械を作るには、まだ長い時間がかかるでしょう。」
クマールによると、少し前までIBMのスーパーコンピューター、ワトソンは5歳児と三目並べをすることさえできなかった。今では人間を破っている。『ジェパディ！』しかし、こうした急速な進歩によって、今日のコンピューターが最も得意とするのは、狭い範囲の作業や「特定課題向けの解決策」に限られるという事実を見失いかねない。人間が行う多種多様なことに応用できるよう一般化するのは、非常に難しい。
それでも、将来の大きな進展に向けた土台は築かれつつある。これまで、自動化された限定的な作業を実現するには、人間が「機械とのコミュニケーションの仕方を学ぶ」必要があった。コールセンターや、しばしばAppleのSiriに対する不満が示すように、必ずしもうまくいくとは限らないとフォンは指摘した。
現在は、教師と生徒の関係を逆転させ、機械が人間とのコミュニケーションを学び始めるよう取り組んでいる。フォンによれば、「人間のために働き、私たちに合わせるAIアルゴリズムや機械の研究開発と応用」が進んでいる。「機械は私たちの意図、感情、性格、情動などを理解するようになります」。AIが人間同士のコミュニケーションにある「さまざまな層」を考慮することが目標だ。
「私たちは互いを見て、相手の感情や意図を受け止めます」とフォンは語った。彼女は、機械が人間とうまくコミュニケーションを取れるようにする取り組みで世界をリードする一人だ。「身ぶりや表情も使います。言葉だけではありません。だから、対面での会議を好みますし、電話で話すだけよりSkypeを使うほうを好むのです。」
フォンは、ある論文で、サイエンティフィック・アメリカンに寄稿した記事に言及した。そこでは、ロボットに人間の感情を理解し、まねる方法を教える必要性を論じている。「つまり、私たちが言う言葉だけでなく、感情や意図も理解し、より人間らしい方法で応答する機械を作るということです。」
こうした「感情コンピューティング」によって、機械は最終的に、声や文章、表情、身ぶりから「感情認識」を行うようになる。将来の「人間とロボットのコミュニケーションには、その層が必要です」。しかしフォンは、感情だけでなく意図も捉えるのは極めて難しい課題だと付け加えた。「自然言語は機械にとっても、人間にとっても理解するのがとても難しいものです。私たちは互いのことをよく誤解します。」
では、こうしたことは雇用の未来にどのような影響をもたらすのだろうか。
機械はまだ「愚か」
「近い将来、心配する必要はありません。機械はかなり愚かです……」とクマールは述べた。フォンは例として、簡単な家事をこなすロボットなら今でも作れるが、「私が自分でするほうが、あるいは子どもや夫に教えてやってもらうほうが、まだ安上がりです。だから近い将来、機械に置き換えるには費用がかかりすぎる仕事が山ほどあります。50年から100年後には変わっているかもしれません。今の世界が50年前と違うのと同じです」と説明した。
しかし、新しい技術が登場しても、最終的な影響がどうなるかは必ずしも明らかでない。たとえば、銀行業界が初めて現金自動預け払い機（ATM）を導入した後、窓口係は減るどころか「むしろ増えた」とアグジンは指摘した。ATMによって「支店の設置費用が下がり、その結果、支店が増え、最終的には窓口係も増えた」のだ。
「ブロックチェーン技術を使えば、いずれ取引のコストは『メールを送るように、ほぼゼロ』になるでしょう。それを貿易金融に応用することを想像してみてください。」—ニコラス・アグジン
一方、銀行の台帳システムにブロックチェーン技術を導入すれば、会計を二重に確認する第三者は不要になる可能性が高い。照合が必要な作業は確認を待たずに即時に実行できると、アグジンは付け加えた。いずれ取引コストは「メールを送るように、ほぼゼロになります……。混乱が生じる可能性がなければ、コストはありません。それを貿易金融などに応用したらどうなるか、想像してみてください」。
アグジンが勤める銀行はすでに、現在手作業で行われている170万件の業務を今年自動化しようとしている。「しかも、最下層の単純な手作業ではなく、中間層にあたる仕事です」。感情コンピューティングを早期に取り入れる試みとして、同行は、顧客がサービスに電話をかけた際にその感情や目的を察知できるソフトウェアを開発している。「まだ完璧ではありませんが、相手がどんな気持ちか、苦情を言いたいのか、それとも残高を確認したいだけなのか、あるいは何か別の用件なのかをかなり把握できます。そうすれば多くの時間を節約できます。」
それでもアグジンは、ATMの後にそうなったように、新しい技術の登場によって新たな仕事が生まれると確信している。雇用と自動化の未来について、彼の見方は一部のアナリストほど「破局的」ではない。「変化の速さは少し心配です。そのため慎重になる必要があるかもしれませんが……新しいものも生まれてくるでしょう。未来については、どちらかといえば前向きに見ています。」
フォンは聴衆に、フィンテックでさえ、利用可能なデータによって進歩が制限されると念を押した。「データが豊富な分野もあれば、そうでない分野もあります」。金融機関の幹部は膨大なデータベースがあるとフォンに話してきたが、彼女の経験では、多くの場合、それだけでは多くの目標を達成するのに十分な規模ではない。
クマールは、今日、人間よりもロボット向けの仕事を多く生み出しており、人間の雇用の将来を懸念する理由になっていると認める。しかし、雇用問題について自分は「病的なほどの楽観主義者」だとも言う。AIとロボット工学が最も力を発揮するのは、「人間と協働する応用分野」だ。フォンに同調し、彼はこう付け加えた。「人間に結び付けられるような知能を持つ機械を作るには、まだ長い時間がかかるでしょう。情報から知識へ進む方法は、まったくわかりません。人間の脳がどう働くかもわかっていないのです。」
最上層と最下層の雇用は安泰
スキル水準の低い仕事の多くは残るだろうというフォンの指摘を受け、クマールは、最もなくなりそうな仕事は意外かもしれないと付け加えた。「コンピューターが本当に得意なのは何でしょう？ 試験を受けることです。だから、『あの有名大学でGPA4.0を取ったから、将来は仕事に就ける』という期待は、当たりません」。一方で、ロボットにとって「3歳児が散らかした部屋を片づけるのは、とても難しい。夕食を運ぶのも、とても難しい。食後の片づけはさらに難しい。こうした仕事は安泰だと思います」。
パネルの総意はこうだった。ロボットに置き換えられにくい仕事は、最上層と最下層にある。中間層ではない。
さらに何年も先、ロボットがより高度かつ安価になり、人間の活動をますます多く担うようになったら、人間の仕事はどうなるのだろうか。
「いつか機械が書いた小説と変わらない小説があったとしても、人間が書いた小説を読みたいと思うでしょう。人間らしさには今も価値があります。」—パスカル・フォン
フォンによれば、まずAI技術者が増え、「機械を規制し、保守し、機械が自らを複製できるようになるまで、何らかの形で設計する人々」も増える。
さらに、多くの仕事が新しい世界に適応し始めるだろう。たとえば遠い将来、多くのレストランにロボットの給仕係やウェイターがいるとする。人々は「シェフもウェイターも人間のレストランに行くために、ずっと高いお金を払うでしょう」とフォンは語った。「そうなれば、人間の労働はとても価値あるものになります。」
フォンはまた、多くの人が「芸術家やシェフ、舞台芸術家になるかもしれません。ロボットが協奏曲を演奏するのを聴くより、人間が演奏するコンサートを聴きたいと思うでしょう。そしていつか、機械が書いた小説と変わらない小説があったとしても、人間が書いた小説を読みたいと思うでしょう。人間らしさには今も価値があります」と付け加えた。
さらにフォンは、創造性がすでにますます重要になっていると指摘する。将来、AI技術者とビジネスパーソンのどちらが主導権を握るかという問題ではない。「本当に問われているのは、創造的な人と、そうでない人の違いです。創造的な人への需要はますます高まっています」。すでに工学系の学生は「以前に比べ、最優秀層と競うのが難しくなっている」ようだ。
以前は、工学系の学生なら優秀な成績を取れば良い仕事に就けた。今日、テクノロジー企業は応募者を「非常に幅広い分野」で面接するとフォンは付け加えた。技術的なスキルだけでなく、創造性も求めている。「エンジニアは工学以外のスキルをもっと学び、エンジニア以外の人は、科学的思考やコーディングなど、工学系のスキルをもっと学ぶ必要があると思います……。」
クマールも同意する。現在、ペンシルベニア大学の工学部生は全員、ビジネス科目を履修する。「幅広い教養を備えた卒業生という考え方、今日のリベラル教育という考え方には、工学もビジネスも含まれると思います。そうですよね？ 私が心配なのは、人類学や英文学、歴史学を専攻する学生がどうなるかです……。そうした学問分野は大きな圧力にさらされると思います。」
