1942年12月2日、エンリコ・フェルミ率いる科学者チームが昼食から戻り、シカゴ大学のフットボール場の下に積まれたレンガと木材の山の中で人類が初めて自立核反応を起こすのを見守った。シカゴ・パイル-1として歴史に知られるこの核反応は、キャンティ1本で静かに祝われた。
そして今、また静かに世界を永遠に変える新たな出来事が起こった。外国語のささやき声のように、それは静かに聞こえても、その全意義は理解されなかったかもしれない。しかし、この新しい言語を理解し、それが何を伝えようとしているのかを理解することは極めて重要だ。
なぜなら、その影響は、グローバル化した経済が機能する方法や、その中で人間が存在する方法について、私たちが当たり前だと思っていることすべてを変えようとしているからだ。
その言語とは、ディープラーニングと呼ばれる新しいクラスの機械学習であり、「ささやかれた言葉」とは、コンピューターがそれを使って、3度のヨーロッパ囲碁チャンピオンであるファン・ホイを、一度だけでなく、5回連続で負けなしで破ったことである。このニュースを読んだ多くの人は、それは印象的なことだと考えたが、その代わりに、世界最高とは言わないまでも、現存する最高の囲碁棋士の一人であると多くの人が考えているイ・セドルとの対戦には決して及ばない。このような人間対機械の壮大な決戦を想像して、中国のトップ棋士は李が一局も負けることはないだろうと予想し、李自身もせいぜい一局負けるくらいだろうと自信満々に予想していた。
実際に対決してどうなったか？リーは5局のうち1局を除いてすべて負けたのだ。アルファ碁と名づけられたAIは、今やどんな人間よりも優れた囲碁棋士であり、「神」の段位である九段を与えられている。つまり、その棋力は神の域に達しているのだ。ジェパディがワトソンに、チェスがディープ・ブルーに奪われたように、囲碁は正式に機械の手に落ちたのだ。
では、囲碁とは何か？ごく簡単に言えば、囲碁はスーパー・ウルトラ・メガ・チェスだと思えばいい。これはまだ小さな快挙のように聞こえるかもしれない。私たちがプレイする楽しいゲームにおいて、機械がその優位性を証明し続けているのだから。
アルファ碁の歴史的勝利は、私たちが直線的なものから放物線的なものへと変化したことを明確に示している。テクノロジーの進歩は、今や目に見えて指数関数的な性質を持っている。このような指数関数的な進歩、とりわけ特定のタスクに限定された人工知能の進歩は、私たちが主な収入源として雇用にこだわり続ける限り、まったく準備ができていない。
大げさに聞こえるかもしれないので、数10年前にさかのぼって、コンピューター技術がこれまで人間の雇用に何をしてきたかを見てみよう：
Nonroutine cognitive 管理および専門職 (非ルーティーン）
Nonroutine manual 他人の援助や介護に関連するサービス職種 (非ルーティーン）
Routine cognitive 販売や事務の職種
Routine manual 建設、輸送、生産、および修理の職種
上のグラフをよく見てほしい。労働の自動化に関するこの話が未来の話だと思って騙されてはいけない。すでにここにあるのだ。コンピューター・テクノロジーは1990年以来、すでに雇用を奪っている。
すべての仕事は、ルーチンワークと非ルーチンワーク、認知作業と手作業の4種類に分けられる。ルーティンワークは毎日同じことの繰り返しであり、非ルーティンワークはさまざまである。この2種類の中に、主に頭脳を使う仕事（認知型）と、主に体を使う仕事（手作業型）がある。かつては4つのタイプすべてが成長を遂げたが、1990年当時はルーティンワークが停滞していた。これは、定型的な労働がテクノロジーにとって最も肩代わりしやすいからだ。変化のない仕事にはルールがあり、その仕事は機械がうまく処理できる。
しかし、かつてアメリカの中産階級の基盤となっていたのは、まさにルーティンワークだった。ヘンリー・フォードが人々に中流階級の賃金を支払うことで変貌させたのは、ルーティン化された手作業であり、かつてアメリカのオフィス空間を埋め尽くしていたのは、ルーティン化された認知作業である。そのような仕事は現在ますます利用できなくなっており、バラ色の展望を持つ仕事は2種類しか残っていない。すなわち、ほとんど考える必要がないため賃金が低い仕事と、考える必要があるため賃金が高い仕事である。
もし今、私たちの経済を4つのエンジンを持つ飛行機と想像することができれば、2つのエンジンが唸り続けている限り、2つのエンジンだけで飛ぶことができる。しかし、残り2つのエンジンも故障したらどうなるのか？ロボット工学とAIの進歩は、その最後の2つのエンジンに相当する。
私は根っからの作家だが、学歴はたまたま心理学と物理学である。この2つに魅了され、学部では人間の脳の物理学、つまり認知神経科学を専攻しました。ひとたび人間の脳がどのように働くのか、どのように相互接続されたニューロンの塊が、私たちが「心」と表現するものをどのように生み出すのかを調べ始めると、すべてが変わってくると思う。少なくとも私にとってはそうだった。
脳の機能を簡単に説明すると、脳は相互に接続された細胞の巨大なネットワークである。これらの接続は短いものもあれば長いものもある。ある細胞は1つの細胞としかつながっておらず、ある細胞は多くの細胞とつながっている。そして、電気信号がさまざまな速度でこれらの接続を通過し、その後の神経発火が順番に起こる。ドミノ倒しのようなものだが、はるかに速く、大きく、複雑だ。その結果、驚くべきことに私たちが誕生し、私たちの働き方について学んできたことが、今では機械の働き方に応用され始めている。
その応用のひとつが、ディープ・ニューラル・ネットワークの構築である。ディープ・ニューラル・ネットワークは機械学習への道を提供し、以前は可能であったとしてもずっと先のことだと考えられていた、驚くべき飛躍を遂げた。どのように？それは、コンピュータの能力が明らかに向上していることや、神経科学における知識が拡大していることだけでなく、私たちの集合体であるデータ、別名ビッグデータが膨大な広がりを見せているからである。
ビッグデータは単なる流行語ではない。それは情報であり、情報に関しては、私たちは日々、より多くの情報を生み出している。実際、SINTEFによる2013年の報告書では、世界の全情報の90％が過去2年間に作成されたと推定されているほど、私たちは多くの情報を作成している。この驚異的なデータ作成速度は、インターネットのおかげで1.5年ごとに倍増しており、2015年には1分ごとにフェイスブックで420万件の「いいね！」を押したり、ユーチューブに300時間の動画をアップロードしたり、35万件のツイートを送信したりしている。私たちの行動すべてが、かつてないほどデータを生成している。そして、機械が学習するために必要なのは、まさに大量のデータなのだ。なぜか？
コンピューターに椅子を認識させるプログラミングを想像してみてほしい。膨大な量の命令を入力しなければならないが、その結果、椅子を検出するプログラムは椅子を検出せず、椅子を検出するプログラムは椅子を検出する。では、私たちはどうやって椅子を検出することを学んだのだろうか？私たちの両親は椅子を指差して “”椅子 “”と言った。そして私たちは椅子のことをすべて理解したと思い、テーブルを指差して「椅子」と言った。これは強化学習と呼ばれるものだ。椅子」というラベルは、私たちが目にするすべての椅子と結びつけられ、ある神経経路は重み付けされ、他の神経経路は重み付けされない。私たちの脳で「椅子」が発火するためには、私たちが知覚するものが、過去に遭遇した椅子と十分に近いものでなければならない。基本的に、私たちの生活は脳を通してフィルタリングされたビッグデータなのだ。
ディープラーニングの威力は、大量のデータを利用することで、機械に明確な指示を与えることなく、私たちと同じような動作をさせることができる点にある。コンピューターに「椅子の座り心地」を説明する代わりに、インターネットに接続し、何百万枚もの椅子の写真を送り込む。そうすれば、「椅子らしさ」についての一般的な考えを持つことができる。次に、さらに多くの画像を使ってテストする。間違っているところは修正し、「椅子らしさ」の検出をさらに向上させる。このプロセスを繰り返すことで、コンピューターは椅子を見た瞬間にそれが何であるかを知ることができる。しかし、重要な違いは、私たちとは異なり、数百万もの画像を数秒で選別できることだ。
このディープラーニングとビッグデータの組み合わせは、この1年だけでも驚くべき成果をもたらしている。
アルファ碁の驚異的な成果もさることながら、グーグルのディープマインドAIは、何十万もの注釈付きニュース記事を通して、読んだ内容を理解する方法を学んだ。ディープマインドはまた、画面とそのスコアを見て、繰り返しゲームをプレイするだけで、アタリ2600の数十種類のビデオゲームを人間よりも上手にプレイできるようになった。キリンと名付けられたAIは、1億7500万ものチェスのポジションのデータセットを使って同様の方法でチェスの指し方を独学し、繰り返し対局することで、わずか72時間でインターナショナル・マスター・レベルに到達した。2015年には、あるAIが、架空のアルファベットの未知の文字を見せられると、その文字を瞬時に再現し、同じタスクを与えられた人間とまったく見分けがつかないような方法で学習することで、視覚的チューリング・テストにも合格した。これらはすべて、AIにおける大きなマイルストーンである。
しかし、このような画期的な出来事にもかかわらず、コンピュータが著名な囲碁棋士を打ち負かすのはいつになるかと尋ねられたとき、グーグルがアルファ碁の勝利を発表するほんの数カ月前であったにもかかわらず、専門家たちの答えは、基本的に “”あと10年後かもしれない “”というものだった。囲碁は非常に複雑なゲームであるため、10年後というのは妥当な推測だと考えられていた：
このような複雑さがあるため、可能な手をすべてスキャンして次の最善手を決定するような総当たり的なアプローチは不可能なのだ。しかし、ディープ・ニューラル・ネットワークは、私たちの頭脳と同じように、最善の手と思われる手を推定する学習によって、この障壁を乗り越えることができる。アルファ碁も、何百万ものプロ棋戦を分析し、何百万回もの対局をこなした。だから、囲碁がいつ機械に負けるかという答えは、10年どころではなかった。正解は「今すぐ」だった。
今すぐ。これは、21世紀において、機械が人間よりうまくできる新しいことを含む質問に対する新しい答えであり、私たちはそれを理解する必要がある。
私たちは、指数関数的な技術革新が非定型的な仕事の労働市場空間に初めて参入することの意味を認識する必要がある。学習能力のある機械は、もはや人間が仕事として行うことは何一つ唯一無二の安全なものではないことを意味する。ハンバーガーから医療に至るまで、機械はそのような仕事を、人間不要、あるいは人間よりも低コストで成功裏にこなすことができる。
アメリアは、現在企業でベータテストが行われているAIのひとつに過ぎない。IPsoftが過去16年間かけて開発したアメリアは、コールセンターの従業員の仕事の進め方を学んできた。彼女は、私たちが数カ月かかることを数秒で学ぶことができ、それを20の言語で行うことができる。彼女は学ぶことができるので、時間が経つにつれてより多くのことができるようになる。ある企業では、彼女は最初の1週間で、10件中1件の電話対応を成功させ、2ヶ月目の終わりには、10件中6件を解決できるようになった。このため、彼女は世界中で2億5000万人を失業させることができると推定されている。
Vivは、Siriの開発者が間もなく発表するAIで、私たち自身のパーソナル・アシスタントとなる。彼女は私たちのためにオンラインタスクを実行し、さらには私たちが最も好むと思われるメディアを消費するよう提案することで、ステロイドのFacebookニュースフィードとして機能する。私たちのためにこれらすべてを行うことで、私たちが目にする広告の数は大幅に減り、広告業界全体、つまりインターネット全体がその上に成り立っている業界全体が大きく破壊されることになる。
ボストン・ダイナミクスの次世代アトラスのようなロボットと、アメリアやヴィヴ、そして近々オンラインに登場する無数のAIが組み合わさった世界は、機械が4種類の仕事をすべてこなせるようになり、それは社会の深刻な再考を意味する。人間の代わりに機械が仕事をこなせるようになった場合、その仕事を貧困の危機に瀕してでもやらなければならない人間がいるのだろうか？多くの人にとって仕事がまったく得られないのに、仕事を持つことが収入を得る唯一の方法であるかのように、収入そのものが雇用と結びついたままでいいのだろうか？機械が私たちの仕事を代行する割合が増え、その代償として報酬を得られないとしたら、そのお金はどこへ行くのだろうか？そして、そのお金で何が買えなくなるのだろうか？私たちが作り出している仕事の多くは、存在する必要がまったくなく、収入があるから存在しているにすぎないという可能性さえあるのだろうか？これらの疑問は、私たちがすぐにでも問い始めるべきものだ。
幸いなことに、人々はこのような問いを立て始めており、勢いを増している答えがある。 給与を無償で与えるというもの。。そのアイデアとは、機械に私たちのために働いてもらう一方で、私たち人間が最も価値を見出す残りの仕事の形を模索する力を私たち自身に与えようというものである。この給与はすべての国民に無条件で与えられ、その名もユニバーサル・ベーシック・インカムである。UBIを採用することで、オートメーションの悪影響から免れるだけでなく、起業に内在するリスクや、所得を増やすために必要な官僚組織の規模も減らすことができる。このような理由から、BIは党派を超えて支持されており、スイス、フィンランド、オランダ、カナダといった国々で導入の可能性が出てきている。
未来は加速度的に変化する場所である。歴史的に新たな雇用が生まれたからといって、それを過去のことのように捉え続けるのは賢明ではない。 WEFは2016年、2020年までに200万人の新規雇用が創出される一方、700万人の雇用が減少すると予測している。これは純減であり、500万人の純増ではない。よく引用される論文では、オックスフォード大学の研究が、2033年までに既存の仕事の約半分が自動化されると見積もっている。一方、自動運転車は、やはり機械学習のおかげで、短期間のうちに数百万人の雇用を奪い、すべての経済、特に私が昨年トラック運転の自動化について書いたように、アメリカ経済に劇的な影響を与える可能性がある。
そして今、ホワイトハウスでさえ、議会への驚くべき報告書の中で、2010年に時給20ドル以下の労働者がいずれ機械に仕事を奪われる確率を83％としている。時給40ドルの労働者でさえ、その確率は31％である。このような確率を無視することは、冷戦時代に核爆発を避けるために「身を潜めて身を隠す」戦略をとったのと同じことである。
このような理由から、AIの分野で最も詳しい人々が、ベーシックインカムに積極的に警鐘を鳴らしているのだ。2015年末にシンギュラリティ大学で行われたパネルディスカッションで、著名なデータサイエンティストのジェレミー・ハワードは、””文字通り経済的価値を付加することができないので、人々の半分が飢えることを望むのか、望まないのか？””と質問した後、””答えがそうでないなら、富を分配する最も賢い方法は、普遍的ベーシックインカムを導入することだ “”と提案した。
理論神経科学センター所長のAIパイオニア、クリス・エリアスミスは、Futurismのインタビューで、AIが社会に与える直接的な影響について警告している。私の疑念は、より多くの国がフィンランドに倣って人々のベーシック・インカム保障を模索しなければならなくなるということだ。””
モシェ・ヴァルディは、アメリカ科学振興協会の2016年年次総会で知的機械の出現について講演した後、同じ感想を述べた。””我々は、経済システムの非常に基本的な構造を再考する必要がある……ベーシック・インカム保障の制定を検討しなければならないかもしれない””。
バイドゥのチーフ・サイエンティストであり、グーグルのディープラーニング・プロジェクト “”グーグル・ブレイン “”の創設者であるアンドリュー・ンでさえ、今年のディープラーニング・サミットの壇上でのインタビューで、””AIが大規模な労働力移動を引き起こす可能性が高い “”として、ベーシックインカムは政府によって “”真剣に検討されなければならない “”という共通の考えを表明した。
これからの変化に対応できる国はまだない。高い労働力の不参加は社会の不安定を招き、消費経済の中での消費者の不足は経済の不安定を招く。では、私たちが生み出そうとしているテクノロジーの目的は何なのか？私たちの代わりに運転してくれる車や、私たちの仕事の60％を肩代わりしてくれる人工知能の目的は何だろう？低賃金で長時間働けるようにするためだろうか？それとも、私たちが働き方を選べるようにするためなのか、それとも、私たちはすでに機械にはない収入を得ているのだから、不十分だと判断した賃金や労働時間は断ることができるようにするためなのか？
機械が学習できる世紀において、学ぶべき大きな教訓とは何だろうか？
私は、仕事は機械のためのものであり、人生は人間のためのものである、と提唱する。
コメントを残す