AIが描くDXの未来　前編　「AI（人工知能）は使えない」のではなく、使いこなせないアナタが問われる時代

明治大学
理工学部　情報科学科　教授
高木友博氏

1954年石川県金沢市生まれ。1979年東京工業大学大学院総合理工学研究科システム科学専攻修士課程修了。1983年同博士後期課程修了し、カリフォルニア大学バークレー校コンピュータサイエンス学科客員研究員に。1984年インターフィールズシステムズ、1988年松下電器産業に入社。1998年から明治大学理工学部情報科学科助教授、2000年同教授に。計算型人工知能における世界的権威として、多数の大手企業との共同研究実績を有する。趣味はバイク。

AI（人工知能）は第3世代を通過中〝人・モノ・金〟があるWEB系企業が一歩リード

まずはAI（人工知能）の発展についてお聞かせください。

高木　人工知能は、現在第3世代を通過しつつあります。第1世代はゲーム。どうやって勝つかを研究していました。ただ将棋などは盤面が限られているので、すごく狭い世界の話。現実世界は、様々な常識など遥かに情報がある。これではダメだという話になり、知識を扱うようになったんです。そのとき人工知能の研究者は、人間の知識や論理的推論をどうやってモデル化しようかと考えていたんですね。ただそれも上手くいかなかった。なぜなら、結局は人間ってあまり論理的に考えてないんですよね。矛盾だらけなんです。一生懸命論理的AIを作ろうとすると機械があまりに論理的に考えすぎて、人と合わない。これでまたダメだねという話になり、人工知能はまた冬の時代に。

一方、その頃にウェブが一気に普及してきたこともあり、膨大なデータが蓄積されるようになった。このデータを使おうと発展したのが、今の第3世代の機械学習です。人工知能と機械学習の違いが正確にわかってない人はまだまだ多いですが、位置関係としては、人工知能の一部に機械学習があります。機械学習では、大量のデータの背景にある入力と出力の関係性を勉強させます。例えば、今週の売り上げと広告投下料と来週の天気などを入力、来週の売り上げを出力。この関係が学習できれば、予測ができますよね。これが機械学習の典型です。入出力のペアをたくさん持ってきてそれらの関係性を学習させればいいだけなので、簡単に使えます。

「数値を予測」するほかに、機械学習でできることはどのようなことでしょうか？

 高木　〝こういう挙動を示した人が有料顧客になる〟〝こういう挙動を示した人が来週離脱する〟という「判断」をすることです。顧客が1万人いれば1万人分のデータがある。その方たちが今まで辿ってきた履歴を入力として、結果を出力とする。これらの入出力ペアを機械に勉強させる。これで顧客のタイプを判断できます。これらが「数値の予測」と「判断」です。

ただし入力が十分でなければ、機械も答えられない。結局データの整備や課題のセッティングがいい加減だと、いい加減な答えしか出ません。よく「人工知能は間違えませんか？」と聞かれるんですが、セッティングが間違っていれば、当然、その答えの正確性は損なわれます。 機械学習は、Web系が有利に進んでいます。それはWeb上に膨大なデータがあるから。こういう人が買った、離脱したなど足跡が全部ある。さらにページの何パーセントを見ているかなど細かい情報も拾えます。Web系で機械学習が進んでいるもう一つの理由は、資金が潤沢にあること。データがあって儲かっているから、人材もいます。典型的な人・モノ・金が全部ある状態。的確な予想や判断に機械学習を取り入れられるリーダーも育っている。このようなミドルマネージャーが企業にいることは、非常に重要です。

人工知能が人間の知能を上回る可能性は否定できない

機械学習以外で注目すべきAI（人工知能）技術はありますか？

高木　ジェネレート、つまり生成する技術です。最近急激に精度が高まってきました。例えば、GAN（敵対的生成ネットワーク）やDiffusion Model（拡散モデル）も生成するAIの一種。おじさんを美人にしたりゴッホ風の絵を自動的に書いたりするのも、これらを使っています。基本的になんでも生成できるようになりましたし、そのクオリティもどんどん上がっています。

今までは、計算や予測といった硬い仕事を機械にしてもらうことが多かったですが、クリエイション部分でも置き換えられるようになってきた。例えば人間が1枚描くのに約2日掛かる作画を、1秒もかからないで作れてしまう。案出し段階は機械が行い、込み入った話が必要な段階になったら徐々に人間に置き換える。そういう仕事の仕方が、当たり前になると思います。

「生成」において、不正やフェイクなどのリスクも議論になっています。

高木　私の研究室では、国内トップのセキリュティ企業と、サイバーリスク対策について共同研究しています。ただ、最先端の技術を使って防御方法を研究していると、確かに防御を崩すことも必ずできる方法があることになる。防御を崩せてしまう恐れがあるAI（人工知能）なら研究しない方がいいかというと、そうではない。 敵もAIで攻撃してきますので、こちらはそれ以上のAIで防ぐ必要があります。

AIが人類の知能を超えるという概念「シンギュラリティ」は現実に起こりうると考えますか？

高木　昔は絶対に起こらないと思っていましたが、最近の進歩を見るともしかしたらあるかもしれない、という気がしてきました。

ただ、人間を超えるかという話になると、すでに電卓でも計算では人間を超えています。エクセルは人間より遥かに頭がいいし、AIの将棋も頭がいい。「シンギュラリティはやってくるのか？」と言われても、「既にコンピュータは人間より頭がいい部分がある」と言えます。

よく言われる「感情を持つ？」という考えは馬鹿げていると感じています。感情の「マネ」は機械学習で〝こういう音が入ってきたら目頭と口を下げる〟というように、いくらでも「悲しい態度」を学習できます。特定のインプットに対するアウトプットを覚えさせればいいだけです。それは「感情」でしょうか？「そのうち人間に反感を持って戦争をするか？」と言われても、反感とは何なのか。議論そのものの意味や定義が曖昧ですよね。心の話になると、哲学的な話で空中線になる。

私はAIの裏側（マイナス）の面を考えるより、表側（プラス）の面を研究すべきだと思います。自動車が発明されれば、交通事故が起こるが、自動車をなくすのではなく、交通事故が起こらないように工夫しますね。つまり、裏側をどう制御するかが大切だと思います。

１週間の海外旅行より勉強を選べば、生涯賃金1億円の差が生まれる

AIの知識のあるミドルマネージャーがいる企業は、まだまだ少ないように感じます。どのように解決したらいいとお考えですか？

高木　例えば、新幹線の切符を買う場面をイメージしてください。「東京から大阪までいくらですか？」と問えば 「●円です」と会話ができる。だけど会話の流れで「名古屋は？」と追加で尋ねる際、それ以外の言葉は省くのが通常です。でも、単純なチャットボットでは「東京から名古屋まではいくらなのか？」と言い直さなければ、正しい答えは返ってこない。これで「人工知能って使えないじゃん」となってしまうんですが、 これは、単純なチャットボットでは対話システムとして能力不足だからで、 チャットボットと対話システムの違いがわかっていないと、このような間違いを犯します。 つまり、正確な理解をしてから判断をする必要があり、人工知能が間違っていて能力がないのではなく、自分たちの判断が誤っていることをほとんどの人が分かっていないのです。では、その判断能力をどうやって身に着けるかというと、正しく勉強すれば1週間で十分です。機械学習はどのように動いているのか、どのようなツールがあるのか、もう少し細かいところでいうとチューニングはどうするか、情報をどう集めればいいか、限界がどこにあるかなど、全部わかります。これがわかればビジネス的な意思決定は十分できるでしょう。

しかし、多くの人が、AIをよくわかっていない人が書いたビジネス書を読んで、あたかも本物のように錯覚している。AIに関する情報が玉石混交の中、一次情報を取得しないとなりません。基本的なことをちゃんとやると、多くの人にチャンスがあるのがAIです。

もう一つ見受けられるのは、「人工知能について学ぶ」ことは、「プログラミングの勉強をする必要がある」と思い込んでいるということ。例えば、電卓を使えることがイコール優秀な銀行員ではない。電卓を使うのは計算の手段であって、その前に正しい判断ができるかどうかが大事。 プログラミングとAIを使いこなす事は、これと同じ関係にあります。ミドルマネージャーは意思決定を比較的スピーディにできる立場でもあるので、情報関係でプログラミングしている人たちよりも苦労が少なく恩恵を被れるんです。そのチャンスや影響力の大きさや勉強のコストに掛ける効果の大きさは、技術系よりも遥かに大きい。だからミドルマネージャークラス以上は、絶対に勉強したほうがいいです。勉強しないと、もったいないですね。

中小企業は、AIに取り組もうにも人材が足りていないように感じます。それでもチャンスはあるのでしょうか。

高木　企業の規模が大きいほど、組織を変えることは難しいです。少数精鋭でやっている中小企業は、むしろチャンスです。

では何をしたらいいかというと、やはり社長や経営陣が１週間勉強することだと思うんですよ。海外旅行する代わりに、1週間AIのことを勉強して仕事に取り入れることができれば、結果は全く変わってくるでしょう。ミドルマネージャークラスでも、生涯賃金で1億円くらい違うと言っても過言ではありません。1週間時間を使えば、企業として何をすればいいかが見え、必要なチームが作れます。どうやってチームを作るか見えれば、指示もできる。

トップから意思を持ちコントロールしていかないと、組織は変われません。 トップ、経営層、ミドルマネージャーの順に、正しい知識を身に付けることは、小さい組織の方が有利です。

経営層の感度が良くないとDX企業として生き残っていけないですね。

高木　そう思います。DXというと、何かツールを入れたらDXだと思っている人が多い。ツールの導入も一つではありますが、DXやAIというのは今までできなかったことをやるための仕組みづくりをするもの。それが理想です。その理想に一番近づける方法は、経営層がちゃんと理解して正しい判断をして、組織作りや技術の底上げを上手くやっていけるかどうかに掛かっている。「AIで何かやってよ」と経営層が社員に丸投げするという話もよくありますが、それでは成功しません。

後編に続きます。

AIが描くDXの未来　後編　DX企業に必要な人材は、正面から勉強する人