チェスのグランドマスター、カスパロフを打ち負かすことはできても、機械は3歳児ほど賢くなれるのでしょうか。
大人の心を模倣するプログラムを作ろうとする代わりに、子どもの心を模倣するプログラムを作ってみてはどうだろうか。—アラン・チューリング、1950年。
1月20日に開催される「Ideas Lab」の討論 ダボスでの では、私の大学であるバークレーの4人の研究者が、コンピューターは人間よりも優れた判断を下せるのか(あるいは、そうなるのか。将来いつかそうなる可能性があるのか。それとも絶対に不可能なのか)を議論します(時制はこの討論の大きな部分を占めます)。
このグループには、ロボット工学者、コンピューター科学者、神経科学者、そして私—発達心理学者—が参加します。なぜ私が参加するのでしょうか。人工知能をめぐる議論において、子どもたちがきわめて重要でありながら、十分に注目されていない存在だと分かったからです。
チューリングの知能テスト
アラン・チューリングが、機械に知能があるかを検証するために模倣ゲームを提案したことは、誰もが覚えています。人間がキーボードの前に座り、相手が機械なのか人なのか見分けられなければ、その機械は「チューリングテスト」に合格したことになります。
同じ論文の中でチューリングが、知能を実現する鍵は大人ではなく子どものような機械を設計することだと示唆していたことを覚えている人は、ほとんどいません。彼は先見の明をもって、人間の知能の真の秘密は学習する能力にあると指摘しました。学習は、AIの新たな復興の中心にありました。ここ15年ほど、コンピューター科学者と発達認知科学者は、子どもがどのようにしてこれほど多くのことをこれほど速く学ぶのか、そして同じことができる機械をどう設計するかを解明しようとしてきました。
AIの歴史は興味深いものです。人間の思考のどの側面が簡単に模倣でき、どの側面が難しいのか、予測するのがとても困難だったからです。当初、私たちはチェスや定理の証明といったもの—オタクの男らしさを誇示する競技—が、コンピューターにとって最も難しいだろうと考えていました。実際には、これらは簡単だと分かりました。どんな愚か者でもできる、カップを認識したり手に取ったりすることのほうが、はるかに難しいのです。そして、高度な訓練を受けた大人の専門家の推論を模倣するほうが、赤ちゃん一人ひとりのありふれた学習を模倣するよりも、ずっと簡単だと分かりました。では、機械は子どもにどこまで追いつきつつあり、どのような学習は今なお手の届かないところにあるのでしょうか。
驚くべき赤ちゃん
ここ15年で、赤ちゃんでさえ統計的パターンを見つけるのが驚くほど得意だと分かってきました。機械もまた、統計的学習が著しく得意になりました。「ディープラーニング」のような手法は、膨大なデータセットに含まれる非常に複雑な統計的規則性さえ検出できます。その結果、コンピューターは、インターネット上の画像に正確なラベルを付けるなど、以前は不可能だったことを突然できるようになりました。
しかし、この種の純粋に統計的な機械学習の問題は、膨大な量のデータ、しかも人間の脳によってあらかじめ処理されたデータが必要なことです。それだけ助けがあっても、機械が新しい画像を見て「子猫!」と言えるようになるには、依然として巨大なデータセットと極めて複雑な計算が必要です—ほんの数例でできる赤ちゃんなら誰でもできることなのに。
さらに根本的なこととして、赤ちゃんであれコンピューターであれ科学者であれ、この種の統計的学習から一般化できる範囲は限られています。より強力な学習方法は、世界がどのようなものかについて仮説を立て、それをデータと照らして検証することです。16世紀、当時のGoogle Scholarともいえるティコ・ブラーエは、天文観測の膨大なデータセットを集約し、それを使って将来の星の位置を予測できました。しかし次の世紀には、ヨハネス・ケプラーの地動説の仮説によって、ブラーエの知見をはるかに超える、予想外で広範かつまったく新しい予測が可能になりました。未就学児も同じことができます。
機械学習におけるもう一つの大きな進歩は、この種の仮説検証を形式化し、自動化したことです。学習過程に ベイズ確率論を 取り入れることは、とりわけ重要でした。たとえば、特定の因果仮説を数学的に記述し、目の前のデータを踏まえて、その仮説が真である可能性を計算できます。機械はこの方法でデータに照らして仮説をきわめてうまく検証できるようになり、医療診断から気象学まで、あらゆる分野に影響を及ぼしています。幼い子どもを研究すると、彼らも同様の方法で推論することが分かり、それが子どもたちがこれほど多くを学べる理由の説明に役立つかもしれません。

子どもとコンピューターの三つの違い
しかし、とても幼い人間の子どもがすることのうち、三つは、現在のコンピューターができることから、あるいは近い将来にできると想像できることからさえ、依然として大きくかけ離れています。そしてそれらは、人工知能と人間の知能の隔たりを、とりわけ鮮明に浮かび上がらせます。
コンピューターは、構造化された仮説、とりわけ確率的な仮説から推論することに、非常に長けるようになりました。しかし本当に難しい問題は、無限にある可能性の中から、どの仮説を検証する価値があるかを決めることです。未就学児でさえ、創造的な方法で、まったく新しい型破りな概念や仮説を生み出し、それを検証することに驚くほど長けています。合理性と非合理性、体系性とランダム性を、どうにか組み合わせてこれを行っていますが、その仕組みはまだ理解の端緒にもついていません。
代表的な論文の中で見過ごされているもう一つの箇所で、チューリングは先見の明をもって、彼の子ども型コンピューターは少なくとも時にはランダムに動くのがよいかもしれないと論じました。そして3歳児の思考や行動は、まるでランダムで、ときには狂っているように見えることがよくあります—ごっこ遊びに加わってみれば分かります。まさにそのため、ピアジェのような心理学者は、子どもたちは非合理的で論理的でないと考えたのです。しかし子どもたちは、適切な種類の奇妙な仮説に的を絞る不思議な能力も備えています。実際、私たちの研究室での研究では、その点で大人を大幅に上回ることが示されています。
たとえばある実験で、4歳児とバークレーの学部生に、新しい仕組みを解明してもらいました。いくつかの物を載せると光り、別の物では光らない機械です。子どもと大人に、その機械が分かりやすい仕方、またはもっと珍しい仕方で動くところを見せ、その後、新しいブロックを使ってどうすれば動くかを探ってもらいました。子どもたちはすぐに珍しい仮説を学びましたが、大人はデータにもかかわらず、分かりやすい考えに固執しました。最初は意外に思えるかもしれません。しかし私のように、あなたが理解するのに1か月かかったスマートフォンを、3歳の孫が素早く自発的に使いこなすのを見たことがあるなら、そうでもないかもしれません。
子どもたちは、大人よりも幅広く、予測しにくい仕方で可能性を探っていたのだと私たちは考えています。それは、探索的な遊びで「何にでも手を出す」ときや、ごっこ遊びで現実に代わる突飛なものを思いつくときと同じです。しかし、こうした合理的なランダムさ、つまり制約のある創造性がどうして可能なのか、私たちにはほとんど分かっていません。
子どもがコンピューターを上回る第二の領域は、実際に外へ出て周囲の世界を探索する能力です。チューリングはこれを「石炭入れを取りに行く能力」と呼び、コンピューターには必要ないと示唆しています。しかし、実験は科学的学習にとってきわめて重要であり、かなり謎めいた部分でもあります。
非常に幼い赤ちゃんでさえ、周囲の世界を積極的に探索し、この種の能動的な探索が学習に不可欠であることを示す研究が、ますます増えています。赤ちゃんは、最も有益な情報が得られそうな周囲の出来事を最も長く、体系的に見つめ、最も多くを学べるような仕方で物をいじります。与えられたデータを処理するだけでなく、世界から適切なデータを実際に取り出すこの能力は、非常に強力です。また、子どもが創造的に仮説を生み出すときと同じく、合理性とランダム性の間の緊張も伴います。これは、私たちが知るどの機械の能力をも、依然として大きく超えています。
子どもが学ぶ第三の方法は、周囲の人々から情報を得ることです。機械学習における近年の成功の多くも、人間からの情報に大きく依存していることを、ほとんどの人は理解していません。コンピューターがインターネット画像を認識できるのは、何百万人もの実在する人々が、網膜に映る信じがたいほど複雑な情報を、かわいい子猫の高度に様式化され、制約され、単純化されたインスタグラム投稿に変換し、その画像にも明確なラベルを付けたからにすぎません。(ある意味で、「マトリックス」のディストピア的な幻想は単なる事実です。私たちは皆、かわいい猫の画像を楽しんでいるだけだという麻酔のような錯覚のもとで、実際にはコンピューターをより強力にする手助けをしています。)また、機械が多少なりとも翻訳できるのも、人間による翻訳の膨大なデータベースを利用できるからです。
コンピューターには目を回せない
しかし現在のコンピューターは、人々から得た情報を比較的単純で、考えることのない方法で使っています。これに対し、新たな研究によれば、3歳児でさえ、他人の証言を驚くほど洗練された方法で評価できます。相手が信頼できるか、変わり者か、世間知らずか専門家かを見分けられます。大人が自分の考えを述べているだけなのか、意図的に教えようとしているのかを見分けるために、とても微妙な手がかりさえ使えます。そして幼い子どもは、話し手についてどう考えるかによって、学び方を変えます。(最も洗練されたコンピューターでさえ、大人の愚かさに目を回す能力はまだ身につけていません。)
もちろん、チューリングの偉大な洞察は、どんな過程でも完全な逐次説明が得られれば、それをコンピューターにプログラムできるというものでした。ここで時制が関わってきます—人間の知能をそのように説明できるか、またそれがどのようなものになるかは、現時点では信念の問題です。科学者として、そうした信念を支持し、そのような説明が可能であることを願うのは自然です。ただし現時点では、信念と希望にすぎません。
そして、 そうしたことをすべてできる、 知的な物理システムが存在することは、私たちも知っています。実際、私たちの多くは、そのようなシステムを実際に生み出し、それを楽しんできました(少なくとも、最初の段階では)。私たちはそれを子どもと呼びます。計算論は、脳のような物体が知的に振る舞える仕組みについて、今なお最良の、いや唯一の科学的説明です。しかし少なくとも現時点では、子どもに見られるような知能がどうして可能なのか、私たちにはほとんどまったく分かっていません。それが分かるまでは、最大で最強のコンピューターでさえ、最も小さく弱い人間にはかないません。
著者:アリソン・ゴプニックは、カリフォルニア大学バークレー校トールマン・ホールの心理学教授および哲学部門の客員教授です。2015年ダボスで開催される世界経済フォーラム年次総会に参加しています。この投稿は、 The Edge のウェブサイトに掲載された投稿を拡大したものです。
画像:アラブ首長国連邦アジュマーンの病院の新生児病棟で、ベビーベッドの中で遊ぶ女児。REUTERS/Jumana ElHeloueh





