最近、AIの進化がすごい。
文章を書いてもらう。
画像を作ってもらう。
分からないことを質問する。
プログラムまで作ってもらう。
少し前なら「そんなことまでできるの？」と思っていたことが、今では普通にできるようになっています。
でも、ふと思いました。
AIって、なんで急にこんなに進化したんだろう？
私は2000年代前半からインターネットを使っています。
当時のインターネットは、今と比べればできることもずっと少なく、通信速度も遅い時代でした。
それでも、初めて触れるネットの世界は十分に衝撃的でした。
特に覚えているのが、チャットのような画面に質問を入力すると、それに対する回答候補が表示されるようなサービスです。
今考えれば、現在の生成AIとはまったく別物です。
それでも当時は、
「パソコンに質問したら答えが返ってきた！」
というだけで、かなり未来を感じた記憶があります。
それから約20年。
今ではAIに、
「この記事の構成を考えて」
「こんなイメージの画像を作って」
「この作業を自動化するプログラムを作って」
と頼めば、本当にそれらしいものを作ってくれます。
しかも、一問一答ではありません。
「いや、そうじゃなくて……」と伝えれば修正してくれるし、前の話を踏まえて会話を続けることもできます。
2000年代前半のインターネットを知っている身としては、この変化にはちょっと異常なものを感じます。
20年かけて少しずつ進化したというより、ここ数年で突然何段階も進んだように見える。
なぜなのでしょうか。
そこで今回は、
「AIは、なぜ急にこんなに進化したのか？」
を調べてみることにしました。
調べていくと、最初に思っていたのとは少し違う答えが見えてきました。
そもそも、本当にAIは「急に」進化したのか？
まず気になったのがここです。
私たちがAIを身近に感じるようになったのは、かなり最近です。
特に大きかったのがChatGPTでしょう。
ChatGPTが一般公開されたのは2022年11月30日です。
そこから生成AIというものが、一気に一般にも知られるようになりました。
では、AIそのものも2020年代になって突然登場したのでしょうか。
調べてみると――
全然そんなことはありませんでした。
「Artificial Intelligence（人工知能）」という言葉が生まれたのは1950年代までさかのぼります。
この名前を考えたのが、アメリカの計算機科学者ジョン・マッカーシーです。
マッカーシーらは1955年、翌年に開催する研究会の提案書で「Artificial Intelligence」という言葉を使用しました。
そして1956年、アメリカのダートマス大学で研究会が開催されます。
これは現在、AI研究の出発点の一つとして知られています。
1956年。
ChatGPTが登場する66年も前です。
つまりAIは、最近突然生まれた技術ではありません。
むしろ人類は半世紀以上も前から、
「コンピューターに、人間のような知的なことをさせられないか？」
と研究を続けていたわけです。
AIは昔から何度もブームになっていた
さらに調べてみると、AIには現在まで何度か「ブーム」がありました。
1950～60年代：第1次AIブーム
初期のAIは、簡単なパズルを解いたり、決められたルールの中で推論したりすることができました。
「このまま進歩すれば、人間のように考えるコンピューターができるのでは？」
と期待が高まります。
ところが現実世界の問題は、研究室で扱う問題よりはるかに複雑でした。
コンピューターの性能も今とは比べものになりません。
期待されたほどの成果を出せず、AI研究への期待は次第にしぼんでいきます。
これが後に「AIの冬」と呼ばれる停滞期につながります。
1980年代：第2次AIブーム
次に注目されたのが「エキスパートシステム」でした。
簡単にいえば、
「専門家が持っている知識や判断ルールをコンピューターに大量に登録して、専門家のように判断させよう」
というものです。
例えば、
「この症状とこの症状があるなら、この病気の可能性がある」
というような専門知識を大量に登録していきます。
ところが、ここにも問題がありました。
人間が持つ膨大な知識を、すべてルールとして登録して維持するのは大変です。
想定していない状況への対応も苦手でした。
再びAIへの期待は下がっていきます。
2010年代：第3次AIブーム
そして2010年代。
ここで大きく注目されるようになったのが、機械学習やディープラーニングです。
これまでとは少し考え方が違います。
人間がすべてのルールを教えるのではなく、
「大量のデータを見せて、コンピューター自身にパターンを学習させよう」
という方法が大きく発展しました。
ここから、現在のAIにつながる急速な進歩が始まります。
そもそも「機械学習」と「ディープラーニング」って何？
ここでいきなり、
「機械学習」
「ディープラーニング」
と言われても、よく分かりません。
なので、猫の写真を見分けるAIを作ると考えてみます。
昔ながらの方法なら、人間が、
「耳はこんな形」
「ヒゲがある」
「目はこんな形」
といったルールを考えて、コンピューターに教えます。
しかし猫にもいろいろいます。
黒猫もいれば白猫もいる。
横を向いている猫もいれば、耳が隠れている猫もいる。
人間がすべてのパターンをルールとして書くのは大変です。
そこで、
大量の「猫の写真」と「猫ではない写真」をコンピューターに見せて、猫を見分けるためのパターンを学習させる。
これが、機械学習のイメージです。
では、ディープラーニングとは何でしょう。
ディープラーニング（深層学習）は機械学習の一種です。
人間の脳にある神経回路の仕組みを参考にした「ニューラルネットワーク」を何層にも重ねることで、より複雑な特徴を学習できるようにしたものです。
ざっくり関係を書くと、
AI（人工知能）
└ 機械学習
└ ディープラーニング
という関係です。
AIという大きな考え方の中に機械学習があり、その機械学習の方法の一つとしてディープラーニングがあります。
AIの歴史を並べてみると「突然」ではなかった
ここまでを簡単な年表にしてみます。
1950～60年代
第1次AIブーム
↓
1970年代ごろ
期待ほど成果が出ず、AIの冬へ
↓
1980年代
第2次AIブーム
エキスパートシステムが注目される
↓
再び停滞
↓
2010年代
第3次AIブーム
機械学習・ディープラーニングが大きく発展
↓
2017年
Transformer登場
↓
2022年
ChatGPT一般公開
↓
現在
文章・画像・音声・動画・プログラミングなどへ
こうして見ると、
「AIが突然現れた」
というイメージは間違っていそうです。
AI研究そのものは何十年も続いていました。
ではなぜ、最近になって急激に進歩したのでしょうか？
AIを急成長させた「4つの条件」
調べてみると、何か一つの大発明だけで現在のAIが誕生したわけではありませんでした。
いくつもの条件が、同じ時代に揃ってきたことが大きかったようです。
難しい話をできるだけ簡単にすると、大きく4つあります。
① AIの「頭の仕組み」が良くなった
まずはAIそのものの学習方法です。
機械学習、ディープラーニング、そして後ほど説明するTransformerなど、新しい技術が次々と登場しました。
単純にコンピューターそのものが速くなっただけではなく、
「どうやって学習させるか」
も進歩したわけです。
② AIが勉強できる「教材」が大量に増えた
AIを学習させるには、データが必要です。
そして現代には、膨大な量のデジタルデータがあります。
インターネット上には文章や画像など、大量の情報があります。
つまり昔と比べて、AIが学習するために利用できる「教材」を大規模に用意できる時代になったわけです。
③ AIが勉強する「コンピューター」が速くなった
どれだけ良い学習方法と大量の教材があっても、計算に何十年もかかっていたら使いものになりません。
そこで重要になったのが、コンピューターの計算能力の向上です。
特にAIでは、GPUと呼ばれる計算装置が重要な役割を果たしています。
GPUはもともと、ゲームなどの映像を高速に描画するために発達した装置です。
映像では、大量の似た計算を一度に処理する必要があります。
そして、この
「大量の計算を並行して処理するのが得意」
という特徴が、AIの学習とも非常に相性が良かったのです。
ゲームをきれいに表示するために発達した技術が、AIの進歩にも大きく役立った。
これはなかなか面白いところです。
④ AIにものすごい「お金」が使われるようになった
そしてもう一つ。
AI開発には、とんでもないお金が投入されるようになりました。
巨大なAIを学習させるには、大量の高性能な計算機が必要です。
電気も使います。
研究者やエンジニアも必要です。
AIが実際にビジネスになると分かると、世界中の企業が開発競争を始めます。
より高性能なAIを作る。
↓
利用者が増える。
↓
さらに投資する。
↓
もっと高性能なAIを作る。
という競争が起こります。
つまり現在のAIは、
頭の仕組み × 教材 × 計算能力 × お金
という4つの条件が同時に揃ったことで、一気に成長できる環境ができたわけです。
2017年、AIの勉強方法に大きな変化が起きた
そして現在の生成AIにつながる大きな出来事が起こります。
2017年です。
Googleの研究者らが「Attention Is All You Need」という論文を発表しました。
そこで提案されたのが、
Transformer（トランスフォーマー）
という仕組みです。
名前だけ聞くと、とんでもなく難しそうです。
実際、細かい仕組みを理解しようとするとかなり難しいので、ここでは大まかなイメージだけにします。
例えば、
「太郎は公園でボールを投げた。それを次郎が拾った。」
という文章があったとします。
「それ」が何を指しているのか理解するには、前に出てきた「ボール」との関係を見る必要があります。
文章を理解するには、単語を一つずつ見るだけではなく、
「どの言葉と、どの言葉の関係が重要なのか？」
を見る必要があるわけです。
Transformerでは、こうした文章中の要素同士の関係に注目する「Attention（注意機構）」という考え方が重要な役割を果たします。
さらにTransformerには、大規模な計算を並列化しやすいという大きな利点がありました。
これが、
大量の教材 × 高性能な計算機
という先ほどの条件と非常に相性が良かったのです。
そしてTransformerは、その後の大規模言語モデル（LLM）の基礎となっていきます。
ちなみに**大規模言語モデル（LLM）**とは、大量の文章などを学習し、文章を理解・生成するための巨大なAIモデル、と考えればひとまず十分です。
ChatGPTも、このLLMを利用したサービスです。
それでも、なぜ私たちは「2022年ごろ突然すごくなった」と感じたのか？
ここまで調べて、一つ疑問が残りました。
AIは1950年代から研究されている。
ディープラーニングも2010年代には大きく発展している。
Transformerも2017年には登場している。
だったら、
なぜ普通の人が「AIすごい！」と感じ始めたのは、こんなに最近なのでしょうか？
ここで大きかったのが、やはりChatGPTでした。
2022年11月30日、ChatGPTが一般公開されます。
それまでにも高性能なAIは存在していました。
でも普通の人からすると、
「どうやって使うの？」
という壁がありました。
ところがChatGPTは違いました。
画面を開く。
↓
普通の言葉で質問する。
↓
AIが普通の言葉で答える。
基本的にはこれだけです。
プログラミングの知識も必要ありません。
AI研究者である必要もありません。
専門的な命令文を覚えなくても、とりあえず話しかければ使えます。
ここで初めて、多くの人が、
「今のAIって、こんなことになってるの！？」
と直接体験できるようになったのではないでしょうか。
「AIの進化」と「AIの普及」が同時に起きた
ここが今回調べていて、一番「なるほど」と思ったところです。
私が最初に感じていた、
「AIって、ここ数年で突然進化してない？」
という疑問。
これは完全な間違いではありません。
実際、AIの性能は近年ものすごい勢いで向上しています。
ただし、それだけではありませんでした。
私たちが感じていた「急激な進化」には、
AIそのものが急速に高性能化した
ことに加えて、
普通の人でも、その高性能なAIを簡単に使えるようになった
ことが重なっています。
つまり、
進化 ＋ 普及
が同時に起きた。
だから体感としては、
「突然、ものすごいAIが現れた」
ように感じたわけです。
昔の「質問に答えるチャット」とChatGPTは何が違う？
ここで、冒頭で触れた2000年代前半のチャットを思い出しました。
当時私が「すごい！」と思ったものは、質問を入力すると、それに対応する回答候補を返してくれるようなものでした。
仕組みはサービスによって違いますが、昔のチャットボットには、
「この言葉が入力されたら、この回答を返す」
といった、人間があらかじめ用意したルールや回答を使うタイプが多くありました。
だから、想定していない質問にはうまく答えられません。
現在の生成AIは、それとは根本的に違います。
大量の文章から言葉のパターンや関係を学習し、入力された内容に応じてその場で文章を生成します。
だから、
「もっと簡単に説明して」
「小学生向けにして」
「さっきの説明と比べて」
といった要求にも対応できます。
私が昔、
「パソコンが質問に答えた！」
と驚いていたものと、
現在、
「AIと普通に相談して、一緒に何かを作る」
という体験。
見た目は同じ「チャット」でも、中身はまったく別物になっていたわけです。
じゃあ、AIはこのまま同じ勢いで進化し続ける？
ここまで来ると、次に気になるのがこれです。
「じゃあ、このままAIはどこまで進化するの？」
これは、現時点では誰にも正確には分かりません。
AIの性能が現在も急速に向上しているのは事実です。
一方で、現在のAIにも苦手なことがあります。
もっともらしい間違いを答えることもあります。
複雑な問題では推論を間違えることもあります。
人間のように本当に物事を「理解」しているのか、という議論もあります。
つまり、
「AIはもう何でもできる」
という段階ではありません。
これまでのAIの歴史を見ても、
ブーム → 大きな期待 → 限界が見つかる
ということを何度も繰り返しています。
現在の生成AIが、このまま同じ勢いで進化するのか。
どこかで大きな壁にぶつかるのか。
あるいは、また別の技術によって壁を突破するのか。
これは数年後にこの記事を読み返したとき、答え合わせができるかもしれません。
【検証結果】AIは「突然」進化したわけではなかった
最初の疑問に戻ります。
「なぜAIは急にこんなに進化したの？」
調べる前の私のイメージは、
「ここ数年で何かすごい技術が発明されて、AIが突然賢くなった」
というものでした。
でも、実際にはもっと長い話でした。
検証結果
「AIはここ数年で突然生まれた」
→ ×
AI研究の歴史は1950年代までさかのぼります。
「最近になってAIの進歩が大きく加速した」
→ ○
機械学習・ディープラーニング・Transformerなどの技術、大量のデータ、高性能な計算機、巨額の投資など、複数の条件が揃いました。
「私たちが急にAIの進化を実感するようになった」
→ ◎
ChatGPTなどの登場によって、専門家だけの技術だった高性能AIを、普通の人が普通の言葉で使えるようになりました。
つまり今回の答えは、
AIは突然天才になったわけではない。
何十年にもわたる研究の上に、
「技術」「データ」「計算能力」「投資」
という条件が揃って、近年になって一気に花開いた。
さらにChatGPTなどによって、その進化を私たち自身が直接触れるようになった。
だから、
「AIが突然ものすごく進化した」
ように感じた。
ということのようです。
2000年代前半、パソコンから回答が返ってくるだけで未来を感じていた自分が、今ではAIと相談しながらこの記事そのものを作っています。
そう考えると、なかなか不思議なものです。
そして数年後。
今のAIを見て、
「2026年のAIなんて、まだあんなものだったよね」
と言っているのでしょうか。
それとも、どこかで進化の壁にぶつかっているのでしょうか。
これは今のところ、まだ分かりません。
数年後にもう一度、検証してみたいと思います。
参考資料
文部科学省「令和6年版 科学技術・イノベーション白書 第1章 新時代を迎えたAI」
Vaswani et al.「Attention Is All You Need」（2017）
コメント