『生成AIと脳』池谷裕二｜創造力も直感も、もうAIのほうが得意だった

独創的なアイデアを出せるのは人間だけ。そう信じて疑わなかった前提を、ある実験の結果が揺さぶります。

被験者の約9割が出した案より、AIの案のほうが独創的だと評価されました。AIに勝てた人は、全体のわずか9.4%にとどまったといいます。脳研究者の池谷裕二さんは、この数字から意外な読みを引き出します。

人間が「創造力を大切に」と繰り返し唱えるのは、むしろその力が得意でないからではないか、というのです。『生成AIと脳』は、AIと脳の似ている点を手がかりに、人間の持ち場を考え直す一冊です。

人間は「作る」側から「選ぶ」側へ移る

池谷さんが一貫して述べるのは、何を採るか決める役も、そこに価値を見いだす役も人間に残る、という点です。

AIが返すのは、膨大なデータの最頻値、いわば最大公約数の答えです。そのため、人とAIが組んで初めて有益さが出るのであり、AIだけでは価値にならない、というのが著者の立場です。

AIを崇拝の対象にも、倒すべき敵にも置きません。足りない部分を埋める相棒として扱います。本書はこの構えを、脳科学の語彙で一歩ずつ裏打ちしていきます。ただ、前提として読者に求められるのは、AIの答えを自分の判断に変える姿勢であり、そこが甘いと「選ぶ力」は機能しない、と編集部は考えます。

仕組みを知り、指示文で差をつける

第1章は、生成AIがなぜ動くのかの説明です。軸になる技術がディープラーニングです。大量のデータを浴びせると、AIが自力で特徴をつかみます。

「これがネコ」と教えなくても、ネコの画像を山ほど見るうちに、AIのほうからネコという概念に行き着きます。赤ちゃんの学び方に近いと言われるゆえんです。

初期の訓練では、YouTube動画から切り出した1000万枚の画像を5〜6日かけて学ばせ、2万種類の物体を見分けるところまで到達しました。

もう一本の柱がトランスフォーマーで、ChatGPTやGeminiの基盤にあたります。言葉を数値へ置き換え、前後の文脈の結びつきを読み取る仕組みです。

AIは言葉の意味を理解しているのではなく、加減算の効く数として扱っています。この指摘は、AIを擬人化しがちな読者の頭を冷やしてくれます。

流行の波は過去に3度ありました。最初は1950年代のパーセプトロン、次が福島邦彦さんの考案したネオコグニトロンが出た1980年代で、三度目が2012年、ヒントン教授のチームが画像認識の競技会で他を圧倒した時期です。いまの水準は、半世紀を超える研究の延長にあります。

第2章は実践編です。池谷さんが挙げる効果的な指示の要素は五つです。

役割

最初に与える。「あなたはプロの翻訳家です」と書き出す方法が例

前提と条件

次に、細かく伝える

区切り

記号で区切って構造を見せる

例

欲しい答えに近い例を添える

出力の形

最後に、字数や表形式といった形を指定する

面白いのは、AIに通じる言葉を選べる人は、人に伝えるのも上手だという見立てです。AIの側から世界がどう見えるかを察せる人ほど、AIが読み取りやすい言葉を使えます。

AIとの対話は、人間同士の会話力と地続きなのです。論理的な思考ならGPT、文章ならClaude、長い文書の要約ならGeminiと、用途で使い分ける案も紹介されます。

AIの共感力と、10の問題

第3章で池谷さんは、そう言ってこの問いを退けます。

医療の現場で行われた実験では、会話の質や共感の面でAIのカウンセラーや医師のほうが高く評価され、「AIが良い」と答えた人は7〜8割に達しました。AIは疲れを見せず、失言もしません。相手も気後れせずに何でも打ち明けられます。

ここで鍵になる言葉が身体性です。肉体のないAIには、身体に根ざした感覚はつかめないはずだと考えるのが自然です。だが池谷さんは、見ることも聞くこともできなかったヘレン・ケラーを引き合いに出します。

身体性を持った人間が使う言語を学んだＡＩが感覚を理解していないと、どうして言い切れるのでしょうか。

裏づけに、2023年の嗅覚AIが人間より正確に匂いを予測した例が出ます。体がなくても、体を持つ人間の言葉を通して感覚に触れる道はある、という理屈です。

第4章は一転して、リスクの棚卸しとなります。挙げられる問題は10項目です。

• ブラックボックス性：診断が正しくても根拠が見えない
• 機密の漏洩：入力した機密が外へ出る
• 責任の帰属：自動運転で事故が起きたときの責任
• ハルシネーション：事実無根の話をもっともらしく語る
• 社会的マンネリ：最頻値を返すせいで内容が均質になる
• 心理への配慮が欠けた制度設計
• 社会の合意づくり
• 著作権の侵害
• 差別の助長：学習データの偏りに由来する
• スキルの停滞：使い手のスキルが自然には伸びない

心理面では、「AI搭載」と表示するだけで信頼や共感が下がる傾向も確認されています。偏りの例としては、特定の英語の話し方を攻撃的と判定したり、笑顔の画像で若い白人女性ばかり作ったりする事例が挙がります。

なかでも重いのが自動運転です。「多数を救うなら運転者を犠牲にすべきだ」と答えた人は76%いました。それなのに、そう設計されたAI車を買いたくないと答えた人は過半数でした。

正しいと思うことと、自分が乗りたいものは別だという本音が、ここにのぞきます。制度や技術を設計する側が、人間のこの割り切れなさを織り込めるかどうか。

10の問題のうち心理に関わる項目が独立して立てられているのは、そのためだろうと編集部は読みます。

検索の次は「選ぶ」、そして完璧なAIはいない

第5章の主題は、脳の側に起きる変化です。インターネットの普及で、脳は覚える役から探す役へ重心を移しました。2011年に報告された「Google効果」の研究がそれを示し、記憶力は落ちた一方で、情報のありかを覚える力は強まりました。

生成AIは次の移動を促します。ゼロから作るより、出てきた候補から選ぶ方向へです。最適なものを決めるのは、あくまで人間の仕事です。

ここで池谷さんは、人間らしさの定義を反転させます。創造力、直感、気配り。それらは苦手だからこそ、人は美徳として言葉にしてきたのではないか。技術が進めば、苦手の克服を競う時代から、得意に集中する時代へ移ります。

AI時代には理系の専門性にもまして、根回しや配慮のような文系のスキルが効く、という予想も添えられます。

最終章は、AI万能論への牽制です。最強とされる囲碁AIのKataGoですら、弱点だけを狙う敵対AIには91%の確率で負けました。弱点を補強した後でも、80%以上の確率で負けます。欠点のないAIは作れない、というのが結論になります。

価値を創造するのは人間であり、善し悪しを判断するのも人間です。藁にも縋りたい思いは理解できますが、ＡＩの言葉は、決して神のお告げにはなりえないのです。

だから、AIの出した候補から「失敗してもいい、これを選ぶ」と決めて責任を負う役目は、人間に残ります。池谷さんは人間の不完全さも肯定します。ミスや見落とし、先入観はあるが、それが温かさや味になります。完璧なAIが隣にいるから、欠けた部分がかえって際立つ、という論理です。

編集部の読みと、明日からの三つの行動

読むうえで、編集部が気にかけた点を三つ挙げておきます。一つ目は、冒頭の実験の見せ方です。9.4%という数字は強烈だが、独創性の評価を人がつけていること、課題が限られていることを考えると、創造力全般の勝敗を決めた結果とは受け取りにくいです。

編集部は、「得意な領域では勝てない場面が出てきた」程度が穏当な読み方だと考えます。

二つ目は、当てはまりにくい読者がいることです。医療でAIの共感が好まれた実験は、顔を見せたくない相談ほど効果が出やすいと思われます。人間がそこにいること自体が慰めになる場面では、同じ結論になるとは限りません。

自分の仕事に引き寄せて確かめたいです。AIの共感を好む人が多いという結果は、人間側の聞き手が忙しく、余裕を失っている現状の裏返しでもある、と編集部は受け取りました。

三つ目は、他書との距離です。本書は仕事術の細目よりも、人間とAIの役割分担という考え方に重心を置きます。指示の型や作業手順を網羅した本とは性格が違い、併読すれば互いの穴が埋まると編集部は見ています。

そのうえで、今日から始められる行動を三つに絞ります。

まず、仕事の前にAIと雑談をします。今日の献立や悩みを投げて、返ってくる気配りの質を、自分の感覚で測ってみます。次に、指示に役割と条件を書き足します。「これを要約して」で終わらせず、「あなたは編集者です」という立場と、読み手の年代、字数の条件を足します。

うまくいった指示は保存し、自分用のひな型に育てます。最後に、出力をうのみにしません。AIには見直しを頼み、それでも最後は自分で事実を確かめて決めます。

決めるのも責任を負うのも自分、という線を引いておきます。

AIへの怖さは、読み終えるころには少し和らいでいます。創造力で張り合わなくてよく、人間に残るのは、選ぶこと、決めること、そして完全でないまま誰かに寄り添うことです。明日、AIに一つ任せてみます。空いた時間は、人にしかできないことに回したいです。

合わせて読みたい

保科学世『生成AI時代の「超」仕事術大全』が示す、人間とAIが共創する新しい働き方 本書が脳科学で説いた協働を、仕事術として組み立て直した一冊。指示の型や使い分けをもっと詰めたい人に向きます。