週末に何か？二度としません。神が私の証人ですから、あなたは今後私を[動名詞を挿入]することは決してないでしょう。私は教訓を得ました。
次回はもっと注意するので、捕まることはないでしょう。
失敗から学ぶことは知性の証だと言われています。だからこそ、機械学習は人工知能の中核を成すのです。10億ドルの脳に十分なビッグデータを与えれば、そのサブルーチンは最終的に自ら正しい解決策を導き出すでしょう。「患者Xの癌の初期症状を治療する」「市民Yの納税申告書を調査する」「ハリー・パーマーを殺す」など。
人間は知能の仕組みについて、このように空想するのが好きなのかもしれないが、本当に人間の知能はそういうことをするのだろうか？私が出会ったほとんどの人間は私と同じだ。私たちは同じ過ちを何度も繰り返す。それは、他のことを考えているからという理由もあれば、それが楽しいからという理由もある。同時に、人類の偉大な功績の中には、証拠を丹念に評価することではなく、勘や推測、そして純粋な幸運から生まれたものもある。
後者については個人的な例を挙げるのは難しいですが、前者についてはたくさんあります。二度としないと言いながら、結局やってしまうことをいくつか挙げます。
- アップデートがリリースされたらすぐにインストールする
- ノートパソコンの前に座りながら、携帯電話で長いメールを書く
- 深夜にゴミテレビを見る
- スーパーマーケットの同じ場所に駐車する
- Amazonから注文する
- 髭を生やしてみて剃ると、かゆみで気が狂いそうになる
- 数週間前に通知してプロジェクトを受け入れ、締め切りの午前10時前夜に作業を開始する
- 迫りくる仕事を週末まで先延ばしにして、その週末をのんびり過ごす
- もっと仕事を探し、契約を勝ち取り、そしてそれが負担だと自分に言い聞かせる
- ボランティア活動をしたが、他の人は皆、報酬を得ているだけだった
- ITニュースサイトの週刊コラムのために嘘をつく
失敗から学べないというだけではありません。ある決断を後悔しながらも、いつかまた同じことをしたいと思う時が何度もありました。個人的な経験から思い浮かぶのは、Mme Dを醸造所見学に連れて行き、その後、ビールの試飲を指導してもらったことです。
彼女は酒飲みじゃないんです。特別な時にムスー・デュ・マガザン・ド・リーヴルを一口飲むくらいが限界で、ビールは完全に不味いんです。だから、店内で醸造された悪臭のする様々なビールが入った、どっしりとしたタンブラー6個を前に座るのは、彼女にとって刺激的な午後の楽しみとは思えなかったでしょう。私たちは順番にそれぞれのビールの匂いを嗅いだり飲んだりするように言われましたが、匂いを嗅ぐだけでも辛すぎました。正直言って、彼女を責めるつもりはありません。ビールはどれも美味しかったのですが、1本は吐き気のような匂い、もう1本は犬の糞のような匂いがしました。
だから、支えてくれるパートナーなら誰でもするだろうことをした。つまり、自分の分だけでなく、彼女の分も飲んだんだ。彼女に恥ずかしい思いをさせないようにね。
皆さん、時間をください。ああ、それは無理ですか…？
二人で過ごした午後の中で、あれほど充実したものではなかったことは覚えているけれど、また一緒に過ごしたいと切に願っている。とはいえ、飲んだビールの名前やどうやって家に帰ったかなど、細かい記憶は少し曖昧になっている。
最新のAIは、私の矛盾した意思決定プロセスをどう評価するのだろうか。まあ、もしかしたら古いAIほどうまく評価できないかもしれない。Silent Eightのジョン・オニール氏が指摘するように、「AIは目にするあらゆる事例から学習する。長く働けば働くほど、より多くのことを学び、より優れたAIへと進化していく」のだ。
この意味で、AIは従来のソフトウェアとは正反対です。AIの波に乗るのに最適な時期は、次の大幅な改良版のリリースを待つのではなく、約2年前です。今頃は、AIはすでに24ヶ月分の機械学習を習得し、今日売り出されたばかりのどんな製品よりも優れているはずです。
「2年間の学習期間を経たシステムは、すべてをゼロから学ばなければならない新しいシステムよりもはるかに優れた成果を上げます」とオニール氏は考えています。「組織に2年間在籍している人が、新入社員よりも効率的に働くのと同じ理由です。経験は重要なのです。」
これは私がますます編集者に言いふらすようになったセリフだ。将来的には、オニールが「AIは年を重ねるほど価値が増す」と言ったのを、間違って引用し始めるかもしれない 。「AI」または「それ」をバックスペースで押して、「Dabbsy」または「彼」を挿入すれば、それで終わりだ。
もちろん、機械学習には、取り込むデータセットの品質に関して、よく知られ、十分に認識されている課題があります。初期データの記録と評価における人間の意図しないバイアスが、AIがバランスの取れた中立的な結論に到達する能力をいかに損なう可能性があるかは、繰り返し実証されてきました。
AIに、容貌で犯罪者になりそうな人物を見分けるように教えることはできるだろうか？過去20年間の裁判記録をすべてAIに渡して、どんな結果が出るか見てみよう。得られるのは、逮捕する警官や判決を下す裁判官と同じくらい無意識のうちに人種的偏見に基づいたプロファイリングを学習した機械だけだ。そういう人は既にたくさんいる。AIに自動化アルゴリズムを考案させて、状況を悪化させる必要はない。
先月、ザ・レグは、ブルックリン・ロースクールのフランク・パスクアーレ教授の講義について報じた。同教授は、機械学習企業が開発するAIの偏りについて責任を負わせるために法制度をどのように拡大できるかを提唱した。
頑張ってください、フランク。
おそらく遥か昔なら、製品やサービスが損害を引き起こしたり、目的に適さなかったりした場合、国民は損害賠償を請求したり、一般消費者でさえ返金を求めたりできたでしょう。しかし今は違います。ソフトウェアの画面に5万語にも及ぶ利用規約のウィンドウを強制的に表示し、その下部に「同意します」と「いいえ。どうですか？ ああ、わかりました」という2つのボタンを配置するだけで、問題は解決します。ユーザーがどのボタンをタップしたとしても、正常に動作するシステムだと謳う大量の失敗を正式に、そして法的に受け入れたことになります。そして、最終的に全てが台無しになった時、すべては自分の責任になるのです。
現在、医療、金融、行政の分野に導入されつつある AI でも、なぜこれが異なるのでしょうか?
面白いのは、この詐欺行為を私たちは何十年も前から知っているということです。私たちは文句を言いながら、結局「同意する」をクリックするのです。まるで、AIがそうできる、あるいはそうしたいと思わないのと同じくらい、私たちも失敗から学ぶことができないかのようです。
「練習すれば完璧になる」という古い格言がありますが、必ずしもそうではありません。同じ間違いを何度も繰り返すと、徐々に上達し、より効率的に間違いを犯せるようになることに気づきました。これは知的な人間の行動の興味深い側面であり、機械学習は意図せずしてそれを再現するように設計されているのです。
だから、今でも「練習は完璧を生む」という諺は当てはまるのかもしれない。十分な練習を積めば、いずれ私も、そして世界中のAIも、完全に無能になるだろう。
YouTubeビデオ
アリスター・ダブスはフリーランスのテクノロジー・タレントで、テクノロジージャーナリズム、研修、デジタル出版をこなしています。彼は、機械学習の現状について、自分の意見が悲観的な「半分しか満たされていない」という考え方を露呈していることを認めています。そのグラスに水を注ぐのはいつでも自由です。「あら、もう飲まないの？私が…してもいい？」Autosave is for Wimpsと@alidabbsでさらに詳しくご覧ください。
