「人工知能を搭載したエアコン」「AIが選ぶおすすめ商品」。こういう言葉を、私たちはもう何百回も目にしています。
でも、そのほとんどは「本当の人工知能」ではない。東京大学の松尾豊さんは本書で、そう言い切ります。世間が抱く期待と、専門家が知る実力。この間には、思っているより大きなズレがある。本書は、そのズレを数式を一切使わずに解きほぐすために書かれた一冊です。
刊行は2015年、ChatGPT登場よりずっと前。だからこそ「もう古いのでは」と思う人もいるでしょう。私はむしろ逆だと感じました。生成AIの熱狂のただ中にいる今だからこそ、この本が組み立てた「冷静な土台」が効いてくるのです。
50年史を、たった一語で串刺しにする
本書を貫く軸は、たったひとつの言葉です。特徴量。
特徴量とは、対象を見分けるときに「データのどこに注目するか」という変数のこと。ネコを見分けるなら「耳の形」や「ヒゲ」、年収を予測するなら「年齢」や「業種」。要するに、判断の手がかりをどこに置くか、です。
松尾さんの主張はシンプルです。AIの50年の歴史は、この特徴量を「人間が決めていた時代」から「コンピュータが自分で見つけられる時代」への移行だった、と。
人工知能研究における50年来のブレークスルー
著者がディープラーニングをこう呼ぶとき、その背後には過去2回のブームと2回の挫折の歴史が横たわっています。本書はそれを年代記として丁寧にたどるのですが、感心するのは、ばらばらに見える出来事のすべてを「特徴量を誰が決めるか」という一本の線で串刺しにしてしまうところです。
歴史書としてもミステリーのように読める。これが類書と決定的に違う点だと、私は思います。
この「一本の線」という見立ては、読者にとって思いのほか実用的です。AIの解説書は技術の名前が次々に出てきて、初学者はすぐに迷子になります。ところが「結局それは特徴量を人間が決めているのか、機械が決めているのか」という一点だけ握っておけば、どんな新しい用語が来ても自分の地図上に置ける。
生成AIや大規模言語モデルのニュースを今読むときにも、この問いは古びていません。むしろ、技術の細部が速く変わる時代だからこそ、変わらない軸を一本持っておく価値が上がっているように感じます。
「AI搭載」は4つのレベルで見分けられる
本書の前半でいちばん実用的なのが、世間で「人工知能」と呼ばれているものを4段階に分けて整理するパートです。
レベル1は、温度に応じて動くだけのエアコンのような単純な制御プログラム。「AI搭載」とうたっていても、中身は決められた通りに動くだけで、これはマーケティング用語としてのAIです。
レベル2は、将棋プログラムや掃除ロボットのように振る舞いが多彩な古典的AI。ただしルールは人間が入れたものにすぎません。レベル3は、検索エンジンやネット広告のように大量のデータからルールそのものを自動で学ぶ機械学習。
そしてレベル4が、注目すべきポイント=特徴量さえも自分で見つけ出す最先端のディープラーニングです。
この物差しを手に入れるだけで、ニュースの「AI」が本物かハッタリか、見え方がガラリと変わります。私が膝を打ったのは、ここで紹介されるAI効果という現象です。
AIが何か新しいことを実現し、その仕組みがわかってしまうと、人は「なんだ、ただの計算で知能じゃない」と言い出す。だから「本物のAI」はいつまでも未来にあるように見える。
SNSで生成AIを持ち上げたり貶したりする議論のすれ違いの正体が、この一語で腑に落ちました。ちなみに「人工知能」という言葉の定義は、専門家の間でも一致していません。
それくらい輪郭のあいまいな言葉なのだと知っておくと、過剰な期待からも恐れからも一歩引けます。
2度の冬と、最後まで残った「人間の仕事」
過去2回のブームがなぜ挫折したのか。本書のこの整理が、現在地を理解する補助線になります。
第1次ブーム（1950〜60年代）の主役は「推論」と「探索」。迷路やチェスは解けても、それは「おもちゃの問題」だけで、現実の複雑さには歯が立たず冬を迎えました。
第2次ブーム（1980年代）の主役は「知識」。専門家のルールを大量に入れる「エキスパートシステム」で、医療診断のMYCINは血液疾患を69%の確率で正しく処方しましたが、人間の知識をすべて手で書き出すのは不可能でした。
一般常識をすべて入力しようとした「CYCプロジェクト」が30年たっても終わらない、というエピソードがその難しさを象徴します。記号と現実の意味がつながらない「シンボルグラウンディング問題」も、長年AIの根本的な壁でした。
第3次ブームの土台が機械学習です。松尾さんはこれを「学習するとは分けること」と要約します。迷惑メールか否か、ネコが写っているか否か。「イエスかノーで分ける」精度をデータから自動で高める仕組みです。
ところが、ここに長らく人間が手放せない仕事が残っていました。それが特徴量設計、つまり「どこに注目すれば正しく分けられるか」を決める作業です。
機械学習は全自動だと思われがちですが、一番肝心な「見るべき場所」は人間が頭をひねって決めていた。この意外な事実を押さえると、次の衝撃が何倍にも増幅されます。
ネコを、誰も教えていないのに見つけ出した
その最後の壁を壊したのがディープラーニングです。核にあるのは「自己符号化器（オートエンコーダー）」。入力したデータと同じものを出力させるという一見奇妙な学習を、何層も重ねます。
情報をいったん圧縮して復元する過程で、データの背後にある本質的な特徴だけが自然に浮かび上がってくる——47都道府県の天気をぎゅっと要約するうちに大事な情報だけが残る、という著者のたとえが見事です。
そのすごさを世界に見せたのがGoogleの実験でした。YouTubeから取り出した1000万枚の画像を1000台のコンピュータに学習させると、「ネコとはこういうもの」と一切教えていないのに、コンピュータが自力で「ネコの顔」という概念を見つけ出したのです。
投じられたのは1万6000個のプロセッサ、3日間、約100万ドル分。決定打は2012年、画像認識コンペ「ILSVRC」でトロント大学チームがエラー率15%台で圧勝した出来事です。
他機関が26%台だったことを思えば桁違いで、この一勝が世界中の研究と投資の流れを一変させました。
コンピュータが自ら概念をつかめるなら、長年の難問だったシンボルグラウンディング問題も超えられるかもしれない。本書はソシュールの記号論まで引きながら、記号と意味がついにつながる可能性に踏み込みます。技術書がここで言語哲学に接続するのは意外で、読み応えのある寄り道です。
ただし冷静な留保も添えられます。AIが見つける特徴量は、人間が認識しているものと同じとは限らない。私たちが気づいていないまったく別の手がかりでネコを見分けている可能性がある、と。
ここは現在の生成AIにそのまま通じる論点だと感じました。なぜそう判断したのかを人間が説明できない「ブラックボックス問題」の芽が、すでにこの一文に含まれているからです。
AIの出力を無条件に信じてよいのか、という問いは2015年の段階で先取りされていた、と読むと本書の射程の長さに唸ります。
征服ではなく「独占」こそ警戒すべき
後半、本書は「AIに奪われる仕事」と「人間に残る仕事」に正面から踏み込みます。
ルール適用で済む業務は代替されやすく、銀行窓口や一般事務がその例。オックスフォード大学の研究は、今後10〜20年で米国の総雇用の47%が失われうると述べ、AP通信が決算記事を書くAIを導入して配信本数を激増させた実例も紹介されます。
一方で残るのは、サンプルが少なく正解のない「大局的な判断」と、人間が相手をすること自体に価値がある「対人コミュニケーション」。本書が描くのは「AI対人間」の対立ではなく、異常時だけ人間が対応し、人は例外処理と創造に集中するという協調の役割分担です。
そして最大の論点、「AIはいつか人類を征服するのか」。松尾さんの答えは明快で、その心配は要らない、です。鍵は「人間=知能＋生命」という式。知能をつくることと生命をつくることはまったく別の問題で、AIは自分を維持・複製したいという欲望を持たないから、支配の動機がそもそも生まれない。
シンギュラリティでターミネーターのような世界が来るという話は、根拠の乏しい夢物語だと専門家として明確に否定します。
ではリスクはないのか。あります。本書が本当に警戒するのは「征服」ではなく「独占」です。大量のデータを握る一部のプラットフォーマーが、AIという「知能のOS」を押さえ、あらゆる産業の土台を支配してしまう。
競争力を決めるのはアルゴリズムの差以上に「独自のデータ量」だ、という指摘は、2015年の本とは思えないほど今に刺さります。プライバシーを過度に警戒してビッグデータ活用を抑制する論調が、日本のAI競争の足かせになりかねないという警鐘も鋭い。
この「征服より独占」という視点の置き換えは、本書のなかでも私がもっとも価値を感じた転換です。多くの人はAIの不安を「自我を持った機械に人類が滅ぼされる」という映画的な恐怖の形で抱えています。
本書はそれを科学の言葉でいったん解除したうえで、では本当に身構えるべきは何かを地に足のついた経済の話に引き戻す。恐怖の対象を、虚構から現実へと付け替えてくれるのです。
読者が日々の選択（どのサービスにデータを預けるか、どの企業に依存するか）を考え直すきっかけにもなります。
松尾さんは最後に、バラ色でも暗黒でもなく、技術は着々と進み少しずつ世界を豊かにしていく、と書きます。
人工知能の技術は着々と進展し、少しずつ世界を豊かにしていく
過剰な期待にも、過剰な恐怖にも振れたくない。AIニュースのたびにモヤモヤしている人にとって、これ以上の解毒剤はありません。読み終えて残るのは、安心でも恐怖でもなく「冷静さ」。
生成AIが日常になった今こそ、最初に手に取るべき一冊だと思います。次にAIのニュースを見たら、まず「これはレベルいくつだろう」と問いかけてみてください。
それだけで、世界の解像度は一段上がります。
合わせて読みたい
『未来に先回りする思考法』佐藤航陽 本書がAIから読み解く産業構造の変化を、「テクノロジーは点ではなく線で見る」という思考法から捉え直せます。ディープラーニングの先を自分で予測したくなったら、この一冊が補助線になります。
『問題発見力を鍛える』細谷功さん AIに残されるのは「大局的な判断」だと本書は言います。では人間にしかできない「問いを立てる力」とは何か。AIが解けない領域を正面から扱った記事なので、対で読むと役割分担がくっきりします。
『21 Lessons』ユヴァル・ノア・ハラリ 松尾さんが技術の側からAIと社会を語るのに対し、ハラリさんは歴史と人類の側から同じ未来を問います。技術と文明、2つの視点を重ねると、AI時代の見取り図が立体になります。
