マーケティング

AI がもたらす問題点とは?技術的問題から法的問題まで一挙解説

こんにちは。逆転のWEBコンサル・アフロです。

昨今、第3次AIブームをもたらしたディープラーニングの登場により、個別分野では人間を凌駕する能力が再現されるようになりました。

ビジネスへの応用範囲も広がるなか、「AIの問題点」も指摘されています。

ここでAIの問題点について、技術的問題から倫理的問題まで取り上げたいと思います。

ABOUT ME
アフロ / 逆転のWEBコンサル
アフロ / 逆転のWEBコンサル
マーケティング領域のインフルエンサー / フォロワー数 10,000人 / 起業&事業売却 / WEBコンサルティング会社、介護会社、オンラインサロンを運営 / 3児の父

われわれの仕事を奪うAI

AI,仕事

AIスピーカーのような目に見える製品だけでなく、SNSに投稿されるスパム処理など、AIは浸透し続けています。

従来人間が行ってきた作業もAIに任せることができることから、人間は機械にはできない複雑なタスクに集中することができます。

とりわけ、労働力人口が間もなく減少へと転じる我が国においては、AIやロボットは労働力を補うのに役立つでしょう。

その一方で、AIの問題点として挙げられるのが、AIが私たちの職業を奪うのではないかという懸念です。

この不安を生み出す契機になったのが、野村総合研究所が英オックスフォード大学が出したレポートです。

それによると、2030年には日本の労働人口の約49パーセントがロボットやAIによって代替可能だといいます。

この「49パーセント」という数字が独り歩きし、私たちの不安を掻き立てています。

野村総研によるレポート

このレポートについて、もう少し考えてみる余地がありそうです。

共同研究では2種類のデータが利用されたといいます。

最初のデータが、601種類の職業別に仕事の特徴やスキルを定量化したものです。

この数値は、社会的地位などの価値観や科学技術やビジネスなどの知識など、さまざまな指標を使って算出されています。

もう一つのデータが、教師データです。

アメリカなど学識者によって判断されたAIによって代替される可能性のある職業や代替が困難な職業など、数十の職業群から教師データが構成されています。

この2種類のデータを機械学習にかけた結果が49パーセントという数字です。

この数字は、理論上の最大値である点に注意する必要があります。

実際には、法律の問題や実際に我々がAIサービスを受容するかといった社会要因に依存します。

経済協力開発機構(OECD)は、実際に代替される数値を7~12パーセントと推定していることから、49パーセントという数字はあくまで予測のひとつと捉えるべきでしょう。

AIの進化は想像以上に速い

ただしAIが日進月歩進化している点は見逃せません。

とりわけ、アメリカや中国でのAIの進歩のスピードが速く、日本にその情報が伝わってくるタイムラグがあります。

一例として挙げると、自然言語処理分野でのAIの急速な発展です。

国立情報学研究所が東京大学の入学試験を解き合格させるAIロボット「東ロボくん」の開発に乗り出しました。

この東ロボくんは、大学入試センター試験の模擬試験で偏差値57.1をたたき出した段階で、研究がストップしました。

国語の読解など、自然言語処理でAIが満足のいく結果を残せなかったのがその一因です。

ところが、2018年にGoogleは自然言語処理AIであるBERTを開発し、人間の読解力を上回るという結果が得られました。

このように、AIの将来の見通しについて少し前の結論が変わる可能性があります。

AIがどの程度労働者の職業を奪うかはまだ決まっていません。

AIの判断は正しいのか?

AI,判断

AIブームをけん引するディープラーニング

AIの判断が本当に正しいのかについても、疑問の余地が残ります。

私たちが近年AIと呼んでいるものは、その多くが「ディープラーニング(深層学習)」と呼ばれる機械学習です。

ディープラーニングの特徴は、入力層・中間層・出力層の3層に分かれていることです。

入力層でビッグデータを取り込み、中間層でそのビッグデータをもとに「特徴量」を抽出し、ビッグデータから規則性が発見されます。

この規則性にもとづき出力層から最適な応答を取り出すのが、ディープラーニングの基本原理です。

ディープラーニングの処理はブラックボックス

ディープラーニングの問題点は、この中間層でどのような処理が行われているかについてはブラックボックスで、わたしたち人間には理解できないことです。

たとえばヒトの顔を認識するとき、われわれ人間ならば肌の色や鼻や口といったパーツなど、さまざまな「特徴量」を使って答えを出します。

しかしディープラーニングによる機械学習の場合、この特徴量を人間が理解できない可能性があります。

加えて、なぜディープラーニングがその特徴量を推定したのかについても、人間が理解するのが非常に難しいのです。

ブラックボックス化された処理を鵜呑みにできるのか?

これはAIの判断を本当にわたしたちが信じていいのかを迷わせます。

特に医療や軍事利用、自動運転など、わたしたちの安全性にかかわる問題にAIを使うときにこれらの問題が顔を表します。

現在医療分野では、レントゲン写真から癌の影をAIから見つけ出せるかといった画像認識の問題が研究されています。

AIが癌の影を見逃したり、逆に癌の影を誤認識して間違って手術する可能性があるのです。

AIが向かう技術的特異点

AI,シンギュラリティ

高名な科学者も警鐘を鳴らすAIの進化

AIが問題視される原因の一つとして、技術的特異点(シンギュラリティ)に達し、われわれ人間が将来AIをコントロールできなくなるという不安があります。

宇宙物理学者の故スティーブン・ホーキング博士は、AIが人間の能力を超え、人間とAIとが対立する可能性があると、AIに対して警鐘を鳴らしています。

ホーキング博士は宇宙物理学者であるだけでなく、宇宙物理学の一般向け啓蒙書を多数出版していますが、人工知能の専門家ではありません。

では、人工知能の研究者はAIが人間を超えると考えているのでしょうか?

シンギュラリティを発案した人工知能研究者

2007年に人工知能研究の権威であるレイ・カールワイル氏が「ポスト・ヒューマン誕生」という著作の中で、2045年にシンギュラリティがやってくると述べています。

カールワイル氏の試算によると、人間の脳の仕組みをコンピューター内で再現したときに、それを実行するコンピューターの計算速度が人間の脳の速度を上回る時期が2045年なのです。

脳のリバースエンジニアリングと、それをコンピューター上で再現できるという前提つきですが、カールワイツ氏の予言は非常に有名になりました。

シンギュラリティを考えるうえで重要なのが、「強いAI」です。

Alpha Goのような囲碁を打つコンピューターは、ある問題に特化したAI、つまり「弱いAI」です。

強いAIとは、人間と同じように、状況ごとに考え、実行に移す汎用型のAIを指します。

ホーキング博士が想定したAIと人類との対立とは、自分自身で進化を遂げられる強いAIに関しての主張です。

強いAIの誕生よりも気になる弱いAIの急速な進化

強いAIの登場については、人工知能の研究者でも意見が分かれます。

人工知能研究で高名な中島秀之教授は、シンギュラリティは来ないと主張しています。人間は脳だけでなく身体をもちあわせており、体があるからこそ判断できる事柄が多いといいます。

たとえば、食事を視覚でとらえながら、味覚で味わい、食事を楽しむといった行為は、身体をもった人間だからこそ可能なことです。

「いくら味覚を再現し、料理を作るAIができたとしても、創作料理をAIに作らせるのは難しい」

というのが中島教授の主張です。

これは、弱いAIに限界があることを意味しません。

むしろ、AIの進歩は指数関数的に増えるのではないかといいます。

先述のGoogleによる自然言語処理BERTの開発は、その一例ではないでしょうか。

AIの進化を助ける要因に、ハードウェアの高速化があります。

ハードウェアの進化するスピードは鈍化し、ムーアの法則は終焉を迎えたといわれますが、

「量子コンピューター」と呼ばれる従来のコンピューターよりもずっと高速な計算機の研究に、GoogleやIBMといった企業が力を入れています。

ソフトウェアとハードウェアの進化により、現在よりも多くの問題が短時間で計算される可能性があります。

AIが浮き彫りにする社会課題

AI,社会課題

このようにAIは進化を続け、大きな可能性を秘めていますが、もちろん難しい側面もあります。

AIが世の中に浸透するにつれ、さまざまな社会問題が浮き彫りになっています。

法的問題・倫理的問題

倫理学で「トロッコ問題」と呼ばれる問題があります。

トロッコ問題とは、高名な科学者が多数の乗客を乗せた列車に衝突しそうになったときに、ブレーキをかけるべきかという倫理学の仮想実験を指します。

ブレーキをかけた場合、高名な科学者を助けるかわりに列車内の乗客に多数の死亡者が出ます。

他方ブレーキをかけなかった場合、高名な科学者は轢かれてしまうが列車の乗客は無事助かります。

つまり「ブレーキを踏む」という意思決定が抱える課題をトロッコ問題が浮き彫りにしているのです。

トロッコ問題が近年クローズアップされるのは、AIによる自動運転の実現が目の前だからです。

目の前に人が飛び出してきた場合に、車は飛び出してきた人と、車内の人の命を天秤にかけることになるかもしれません。

事故を起こした場合に、法的責任が問われます。

つまり、意思決定を行う能力をもつロボット技術に関する新しい法律の制定が急務です。

EUではすでに議論が進みつつあり、自律のレベルやシステムに施された人間の教育の量に基づいて、数段階に分けて判断するといった議論が行われています。

知財の問題

もうひとつ忘れてはいけないのが、知財の問題です。

AIを学習させるためには、学習用のデータセットが必要になります。

このデータセットは生データをもとに作成されますが、ウェブサイトやSNSなどのデータが、それを投稿した人の知的財産権を侵害しないかが問題になります。

また学習済みモデルをどのように保護するかという問題もあります。

現状では学習済みモデルが著作権により保護されるかどうかは不明瞭であり、法的保護の手段は契約などによって対応するしかない状況です。

まとめ

AI,まとめ

カナダ・トロント大学のジェフリー・ヒントン教授がディープラーニングを用いて圧倒的なスコアで画像認識コンテストに優勝して、まだ7〜8年しか経っていません。

それにもかかわらず、AIはわれわれの想像を超えて進化し続けています。

AIの進化が速すぎるため、法的整備がそれに追いつかないだけでなく、社会がAIを受け入れる十分な体制もできていません。

人工知能専門家すら予想できないAIの進化ですが、われわれの職業にも直結する問題ですので、情報収集や実験的な活用を続けていきましょう。

ミリオンダラークラブ
ミリオンダラークラブ

ミリオンダラークラブは、お金、株式、不動産、個人としての収入源、SNSのフォロワー数、知識、情報、健康、仲間といった「あらゆる資産」を個人が築くためのオンラインサロンです。

多くのインフルエンサーや実力者が集待っているにも関わらず、月額1280円のコスパ最強コミュニティです。

ぜひあなたも、あらゆる資産を築き、時代の波を乗りこなしてください。

ミリオンダラークラブ
公式ページへ

関連記事