2018年5月、ロボットバーテンダーの「Tipsy」は、ラスベガスのバーやレストランの営業をほぼ停止に追い込みました。Tipsyは自動化されたミクソロジストで、注文に応じてオリジナルのカクテルを作り、同じ作業を人の手に頼らずに行います。客への飲み物の提供は今も店員が行いますが、客はタブレットで注文しています。Tipsyが何千台も導入される未来への懸念は、3万8,000人の会員を擁する Culinary Union（料理組合）にとって最大の関心事の一つでした。Tipsyが何千台も導入される未来への懸念は、3万8,000人の会員を擁する Culinary Union（料理組合）にとって最大の関心事の一つでした。これを受けて、組合はストライキ寸前までいきました。初期の産業革命期に起きたラッダイト運動の記憶が呼び起こされたことは、言うまでもありません。
ロボットが仕事をそっくり奪うかどうかについての一般的な見解は依然として分かれていますが、次第に諦めの方向に傾いています。楽観論者は、産業革命や農業革命と同様に、これから訪れる人工知能の時代とその派生技術である現代のロボティクスがもたらす技術の進歩により、失われる仕事よりも新たに生まれる仕事のほうが多くなると考えています。
しかし、これまでの議論は、ロボットやAIがいずれ将来の時点で人間の仕事に取って代わるという前提に立ってきました。ラスベガスの給仕たちの懸念は、群衆の知恵を映し出したものかもしれず、人工知能とロボティクスの最近の進展を見ると、その懸念はもっともなものと言えるかもしれません。実際に、ロボットやAIはすでに仕事に入り込み始めており、それは単純な自動化によるものではなく、これらのシステムが、かつては人間にしか守れないと考えられていた能力や技能を急速に身につけているからではないでしょうか。
実際、「AIにはできないこと」とされるものの範囲は着実に狭まりつつあるようです。それでもまだ比較的限定的な作業にとどまっています。しかし、人間の能力を過大に評価しているとしたらどうでしょうか。現在のAIニューラルネットワークにわずかな改良を加えるだけで、「AIには真似できない」とされてきた能力にも挑み、勝ち始めるのではないでしょうか。
ロボットは食べ物を作るのがますます上手になっています
ロボットのハンバーガーシェフ、自動化されたチキンパーツの梱包システム、そして人間の対戦相手に対抗してDotaというゲームでチームとして戦うために人工知能を使う5つのニューラルネットワークのチームを考えてみてください。これらには何の共通点があるのでしょうか。いずれも、数年前までは技術者がAIの手が届かないと考えていた作業を、現在では実行できるシステムの例です。そして、しばらくの間はそうした状態が続くと思われていました。
ロボットのハンバーガーシェフであり、フライドポテトの達人でもあるFlippyは、Miso Roboticsの製品です。Flippyは向きを変えてハンバーガーを手に取り、その上にやさしくチーズを載せます。赤外線センサーを用いてグリル上の鶏肉やハンバーグの温度を判断し、風味と食感が最適となるタイミングで取り出します。Misoは現在、世界60店のハンバーガー店でグリル調理を担っています。グリル調理は、汚れ、単調で、危険を伴う仕事ですが、同時にかなり複雑さもある仕事です。
Misoは人間と関わり合い、予測できない状況、さまざまな食感や形状がやや不揃いな食材に対応し、傷つきやすい物が置かれた三次元空間を移動しなければなりません。これは魔法のようなAIではありません。超人的な知能でもありません。しかし、やや予測不可能な状況における、反復的で、汚く、危険な作業という、まさに人間だけの領分と考えられてきた種類の仕事なのです。Misoの価格は10万ドル以上ですが、休暇を取ることもなく、福利厚生も不要で、文句も言わずに24時間のシフトをこなすことができます。こうした種類の仕事は離職率も高く、現在、米国のファストフード店では人手を確保することが非常に難しくなっています。
チキンパーツの梱包システムは、Osaroの製品です。同社は、深層学習と産業用ロボティクスを組み合わせることに注力している企業です。不規則な形状の物を認識して扱い、箱や包装に入れることは、長らく産業用ロボットにとって厄介な課題でした。調理済みのチキンパーツの場合、ロボットは簡単に潰れてしまう滑りやすい物も扱う必要があります。そして、ここからが驚くべき点です。Osaroは人間による大規模な訓練を必要としませんでした。不規則な形状の鶏肉を優しくつかみ、パックに詰める方法を自ら学習したのです。このようなゼロからの強化学習は、人工知能における汎用的な学習に一歩近づくものです。組立ラインや食品の調理・梱包といった単純な作業をゼロから学習させることができるのです。
DotaとGo：ロボットはいかにして複雑なゲームを制覇したか
最後に、チャンピオンとなったDotaチームがあります。これは、超知能によって人類が滅ぼされないようにすること、そしてAIの恩恵を各国と人類に公平に行き渡らせることを使命として、イーロン・マスクが支援する財団であるOpenAIのAI科学者によるものです。このチームは、複数人で行う複雑な役割ゲームにおいて協力することを学習した5つの異なるAIシステムで構成されており、5人の人間のチームを容易に打ち負かしました。対戦相手の人間は、トップレベルのエキスパートではありませんでしたが、このゲームに精通した上級者とみなされていました。
半構造化されたタスクにおけるチームワークは、AIシステムが可能になるとは想像していなかったものです。実際、チームワークは創造的なマネジメント能力と考えられており、AIシステムが匹敵するには非常に苦労するはずのものです。そして確かに、Dotaで勝利したチームは限定的な領域でチームワークを実現しています。しかし、本当にそうでしょうか。一般的なホワイトカラーの仕事に求められる実際のタスクを分解してみると、求められる環境やチームワークは、チームとしてDotaをプレイすることとそれほど変わらないのではないかと私は考えます。
とはいえ、科学者たちは、AIが人間のGoの達人に勝つのは2020年代も相当先のことだと考えていました。しかし、DeepMindのAlphaGoは2016年にそれを成し遂げました。その際、「創発」の兆候が見られました。それは、何百万時間にも及ぶ人間の囲碁の対局に記録された手をコピーし照合することからではなく、生来の創造性から生まれる知能でした。
今では有名になった「37手目」において、DeepMindは、人間のトレーナーがこれまで見たことのない手を打ち出し、彼らを困惑させました。37手目はあまりにも衝撃的だったため、DeepMindの対戦相手である韓国の囲碁の達人、イ・セドルは、気持ちを落ち着かせるために部屋を出ざるを得ませんでした。その後、DeepMindは、訓練用データセットを必要とせず、自分自身と無数の対局を繰り返すことで囲碁を学んだAlphaGoシステムを構築しました。この新しいバージョンのAlphaGoは、元のシステムを容易に打ち負かしました。
これは、AIやロボットが汎用的な知能に近づいている、あるいは人間の能力をそっくり置き換えつつあると言いたいわけではありません。ロボットシステムやAIは依然として脆く、一定の範囲を超えた例外には対応できません。しかし、私たちが人間ならではの防御可能で容易に再現できないと考えている技能や能力の範囲は、当初考えていたよりもずっと狭いのではないでしょうか。「共感」や「マネジメント」といった人間中心のスキルも、当初想定していたよりも人工知能によって柔軟に扱えるものとなるのでしょうか。私たちが想像するよりも早く、そうした状況を目にすることになるかもしれません。
さらに、人間は他の人間よりもAIを信頼している
Woebotのような新興企業は、Woebot うつ病や悲しみを抱える患者がより上手に問題に対処できるよう支援する、メンタルヘルスやカウンセリング向けのチャットボットを開発しています。カウンセリングにおいては人の温かみが重要だと考えがちですが、人間は、非難しない、完全に公平な発言や会話に対してより良く反応する可能性があることを示す証拠もあります。
さらに、現代の機械視覚と顔認識を組み合わせることで、ボットに共感的な振る舞いを模倣させることができます。退役軍人がPTSDについて話せるよう支援するために設計されたアバター「Ellie」の例を挙げましょう。このテーマに関するWiredの記事によると、「Ellieは機械視覚を用いて、被験者の言語的・表情的な合図を読み取り、支援的な反応を返します。たとえばEllieは、センシティブな話を聞いているときに、うなずく、微笑む、静かに「ふむ」と相槌を打つといった共感的なジェスチャーを行う方法を知っているだけでなく、いつそれを行うべきかも分かっています」とのことです。
実際、人間は、最もデリケートな質問を他の人間ではなく機械に投げかけることを、ある程度好むことがすでに分かっています。これこそ、元Googleのデータサイエンティストであるセス・スティーブンス＝ダヴィドウィッツが著書「Everybody Lies（誰もが嘘をつく）」で明らかにしたことです。したがって、ロボットやAIが十分な能力を備えていれば、最も親密な作業や取引においても、人間から実際に選ばれる可能性は少なくありません。
ロボットは、人間の労働を置き換えるために人間より優れている必要すらない
重要なのは「十分な水準」であるという点です。成功のために人間の能力を完全に上回る必要はありません。VHSが画質で劣っていたにもかかわらず、ベータマックス規格に勝ったのと同じです。すでに主要な分野でこれを目にしています。自動カスタマーサポートシステムは、人間よりもはるかに正確さや対話性が劣るにもかかわらず、人間の業務の大きな部分を担うようになりました。サンフランシスコのCafe Xのロボットバリスタは、Aeropress（エアロプレス）での注文には対応できません。しかし、カプチーノやアメリカーノだけを求める大半の人々にとっては、それは問題になりません。同様に、マーケティング部門で人間のチームを管理できるAIは、史上最高のマネージャーである必要はありません。企業の販売目標を達成できる程度に、十分に優れたマネージャーであれば足りるのです。
Dotaで人間に勝つことから、マーケティングチームを管理することまでには、依然として大きな隔たりがあります。OpenAIのDotaチームは、128,000台のコンピューターと256基のグラフィックス・プロセッサーに相当するものを使って競技に臨みました。また、高性能の汎用知能というAIの超知能の概念は、依然としてはるか遠い先のことです。しかし、マーケティングチームも同様に構造化された環境で活動しており、Dotaというゲームは、マーケティングキャンペーンの企画と実行に関わる要素と比べて、おそらくそれほど複雑ではありません。Dotaでは、セクションの8分の1ごとにおよそ1,000通りの可能な行動が取れ、意思決定の観点では、チェスや囲碁よりも現実世界にはるかに近い環境です。
AI駆動型システムの急速な進歩を踏まえると、「十分な水準」に達するまでの差は、私たちが想像するよりも速く縮まりつつあり、わずか10年先のことかもしれません。AIやロボットの経済性も、おそらく改善していくでしょう。AIを運用する上で主要な要素となるコンピューティングのコストは、急速に低下し続けています。サービス業において人間の労働者に相当するロボットの1台あたりのコストも、単位当たりの経済効果により、時間とともに低下していくでしょう。ロボットはまだラスベガスを席巻してはいませんが、料理組合が懸念していたように、その仕事が誰もが認めたがらない以上に早く脅かされる可能性はあるのかもしれません。
