物理学者のリチャード・ファインマンが亡くなった日、彼の教室の黒板にはこう書かれていた。

「わたしは自分につくれないものは、理解できない」

イアン・グッドフェローがグーグルの人工知能（AI）研究所「グーグル・ブレイン」で行っている研究について説明するとき、彼は有名な物理学者であり、カリフォルニア工科大学の教授であり、ベストセラー作家でもあったファイマンのこの格言を用いる。だがグッドフェローは、自分やグーグルのほかの誰かについて言及しているわけではない。彼は機械について話しているのだ。「AIがつくり出せないものは、AIは理解できない」と。

グッドフェローは世界で最も重要なAI研究者のひとりであり、一時期「OpenAI」で活動したあとにグーグルに戻り、「ジェネラティヴ・モデル」を模索する新しい研究グループを立ち上げた。このモデルは、写真、音、その他の現実世界を表現するものをつくり出すシステムだ。ファインマンに賛同するグッドフェローは、この試みはあらゆる種類のAIにとって重要な通り道だと語る。

「もしAIが世界をこと細かくリアルに描き、リアルな画像やリアルな音をイメージする方法を学ぶことができれば、AIがこの現実世界の構造を学習できるようになります」と彼は説明する。「つまり、AIが認識した画像や聞いた音を、『理解』できるようになるのです」

アーティストと評論家のような2つのAI

2014年、モントリオール大学の博士課程に在籍していたグッドフェローは、バーで少し酔って議論をしたあとに、「ジェネラティヴ・アドヴァーサリアル・ネットワーク」（GANs）と呼ばれるAI技術を思いついた。たとえビールが染み込んだ場所で生まれたとしても、このアイデアは素晴らしくエレガントだ。

たとえば、あるAIがリアルな画像をつくり出すとする。そしてほかのAIが、結果を分析し、その画像が本物か偽物かを判断しようとする。「これは、アーティストと美術評論家の関係のように考えることができます」とグッドフェローは言う。「ジェネラティヴ・モデルは、美術評論家を欺こうとします。AIが生み出す画像は本物だと思わせたいのです」

2つ目のAIは画像を偽物と識別しようとするので、最初のAIが単独ではできなかったやり方で本物の画像を真似る方法を学んでいく。この過程で2つのニューラルネットワークは、AIが人間に対して“独立宣言”を行う日がやって来るのを早めることになる。

フェイスブックでAI研究を監督しているヤン・ルカンは、GANsを「過去20年間のディープラーニング研究のなかで最もクールなアイデア」だと語る。グッドフェローのアイデアはまだまだ発展途上だが、AI業界全体に急速に広がっている。ルカンをはじめ多くの研究者は、GANsがAI研究における大きな野望、つまり機械が人間から直接支援を受けずに学習する「人手いらずの学習」につながると信じているのである。

INFORMATION 『WIRED』VOL.20は、「人工知能」と「都市」の2大特集・特別保存版 第1特集「人工知能はどんな未来を夢見るか」では、『WIRED』US版創刊編集長のケヴィン・ケリーによる論考をはじめ、ベン・ゲーツェル、PEZY Computing・齊藤元章、全脳アーキテクチャ取材記事やAIコミック「シンギュラリティ・ロック」を掲載。第2特集「未来都市TOKYOのゆくえ」では、テクノロジーとデザインが変えゆくTOKYOの未来の姿を考察。建築家ビャルケ・インゲルスのや、「デスラボ」カーラ・マリア＝ロススタインの死の都市TOKYO彷徨記など盛りだくさんの内容。

酔った勢いで生まれた革新的なアイデア

グッドフェローがGANsを思いついたのは、「Les 3 Brasseurs」（The 3 Brewers）というモントリオールのバーだった。彼の大学の友人のひとりは、その新しいプロジェクトを「写真にうつるすべてのものを数学的に計算する試み」と表現していたという。

GANsの基礎となるアイデアは、写真の統計情報を機械に入力することで、独自に写真を生成させるというものだった。酔っ払ったグッドフェローは当初、それはうまくいかないと言った。考慮すべき統計値があまりにも多すぎ、それらをすべて記録することはできない、と。しかし彼はすぐに、もっといい方法があることに気づいた。ニューラルネットワークが、リアルな写真の生成方法を機械に教えることができるはずだと思ったのだ。

ニューラルネットワークは、写真の顔認識から話し言葉の理解に至るまで、膨大な量のデータを分析することで課題を学習する複雑な数学的システムである。グッドフェローはバーで立ったままこう考えた。あるニューラルネットワークが、リアルな写真を生成する方法を学ぶ。そして2つ目のニューラルネットワークが「敵対者」（adversary）として画像が偽物かどうかを判断しようとすることで、判断するための知識をはじめのニューラルネットワークに与えることができるはずだと。最終的には、本物と見分けのつかない画像を生成する方法をはじめのニューラルネットワークに教えることができると彼は言った。

議論は続いた。グッドフェローの友人たちは、彼の方法もうまくいかないに違いないと譲らなかった。彼はその夜、家に帰ってGANsをつくることにした。「まだ酔っ払ったまま家に帰りました。ガールフレンドはすでに眠っている時間でしたね。わたしは座って、友人たちの考えは間違っているはずだと考えていました」。彼はその時のことを思い起こす。「そしてわたしは、遅い時間までノートパソコンでGANsのコードを書いたのです」。プログラムは、はじめからうまくいった。「本当に幸運でした」と彼は言う。「もしそこでうまくいっていなかったら、わたしはそのアイデアを諦めていたかもしれないからです」

グッドフェローと数人の研究者は、その年の後半にGANsのアイデアを解説する論文を発表した。それからの3年間で、このコンセプトを探究する何百という論文が出された。いまや研究者たちは、猫から火山、銀河に至るありとあらゆる写真にこのアイデアを適用している。GANsは天文学の実験を助け、素粒子物理学のシミュレーションにも役立っている。

「人手いらずの学習」を実現する可能性

しかしGANsを使いこなすのは、まだまだ難しい。同時に2つのニューラルネットワークの訓練が必要になるからだ。グーグルでGANsの研究に焦点を当てた新しいグループを立ち上げたグッドフェローは、研究プロセスを改善しようとしている。「機械学習の研究者としてわたしが取り組まなければならないことは、ニューラルネットワークの信頼性を高める方法を考え出すことです」と彼は言う。

最終的には画像や音声を生成するだけでなく、それらを認識するという点でも、これまでよりはるかに優れたサーヴィスが登場するだろう。それは、より少ない人間のサポートで、より多くのことを学べるシステムにつながるものだ。「このモデルは世界の仕組みを『理解』するようになります」とグッドフェローは言う。「そうなれば、システムは多くを教えられなくても学べるようになるでしょう」

GANsは、現在はまだ実現されていない「人手いらずの学習」さえも可能にするかもしれない。いま、ニューラルネットワークは数百万の猫の写真を分析することによって猫を認識できるようになるが、その過程で人間は慎重に画像を識別し、それらを猫の写真だと分類しなければならない。AIを鍛えるために人間の多大な労力が必要になること、また選ぶ写真にバイアスがかかることが問題とされている。フェイスブックのルカンなどの研究者は、そうした多大な人間の関与がなくても学習できるシステムをつくり出そうとしている。それはAIの進化を加速させるものだ。

医療AIを「偽の医療記録」から実現できる？

しかし、これは出発点にすぎない。GANsはほかにも多くの可能性をもたらすだろう。南カリフォルニア大学のAI研究者であるでデヴィッド・ケールは、GANsによって患者のプライヴァシーを侵害することなく医療AIをつくれるようになると考えている。

つまり、GANsに偽の医療記録をつくらせるのだ。その偽の医療記録を使って機械学習システムを訓練すれば、患者の本物の記録を使わずに済む。「いたずらにインターネット上に患者の記録を公開してしまうのではなく、GANsによってそっくりなデータセットをつくり、それを研究者たちに共有してはどうでしょうか」とケールは言う。「そうすれば、オリジナルデータと見分けのつかない偽のデータを使って、AIモデルを訓練させることができます」

多くの研究者がGANsを形成するさまざまなアイデアを探究しているが、グッドフェローがグーグルで研究グループをつくっていることが、ある重要なことを物語っている。というのも、彼は世界中の人々と研究を共有することを約束するラボ「OpenAI」に移るためにグーグルを去った研究者のひとりだった。しかし、1年も経たないうちにグッドフェローはグーグルに戻った。そこが彼の協力者が全員揃う場所だったからだ。「ヴィデオ通話を使って1日中過ごすのは楽しくありません」と彼は言う。「それは研究を行う最善の方法ではないのです」

共有することは重要である。しかし、顔をつきあわせた密接な協力関係もまた大事だ。AI研究者であろうと、ニューラルネットワークであろうと。

［2017.05.01 16:00 翻訳に誤りがあったため、タイトル、リードおよび本文の一部を修正］