理由・根拠を求めるのは、大げさな言い方をすると人間のサガなので、それを全く求めないような文明社会になるとは思わないけれども、備忘録として書き留めておきます。(備忘がこのブログに私が期待する事の一つです)
20世紀になって、物理は細かい事を調べるようになって、ふだん経験しないような自然現象が目の前に山積みになりました。その結果、20世紀の物理は
・実験結果に合っている事
を大事にし、他の事
・理由や根拠が説明できる。納得がいく。
・論理的に一貫している。つじつまが合っている。
・数学的に正しい計算を行う。
ことを二の次にするようになりました。
内心では理由や根拠を求めているけれど、表面上はとりあえず、
・根拠を求めない
・事実そうなっていれば良し
というようになりました。
同じことが、グーグル検索や学習するAIで起きている気がします。
---
グーグル検索について:
コンピュータでデータを整理する場合、ツリーと表が良く使われます。
ツリーで整理するのは、動植物の分類に始まり、ファイルのディレクトリ/フォルダ、オブジェクト指向プログラムのライブラリ、などに見られます。
表形式で整理するのは、本の目次と索引、表計算ソフトExcel、などに見られます。
一方、リンクされたデータの集まりは、整理されているように見えません。
昔、表形式のデータベース(リレーショナル・データベース)が登場する直前に「ネットワーク型データベース」というものがあり、すぐに市場から姿を消したそうです。インターネットのような形でデータを見せられても、それが整理された形には見えないため、ネットワーク型データベースを使いたいと思わなかったのでしょう。
インターネットでも、グーグルが登場する直前は、ヤフーが分野別に分類したサイトの案内ページを提供して商売繁盛していました。それはインターネットをツリー状に整理する、ということです。しかし、大量に新規登場するサイトを人力で分類・整理するのは追い付かず、グーグルが提案する「機械的に検索すれば良い」に負けました。
これは、ネットのような膨大な情報の前では、それを理解・把握するのをあきらめて、「根拠はわからないが、出てきた検索結果が役立てば良い」という価値観を人々が採用した、ということです。
なんだか、20世紀の物理が、とりあえず実験結果に合っている事を重視した、ことに似ています。これを、いささか強引に敷衍すると、
・世界を理解、把握しようとする科学の営みは必要ない
・(検索)結果オーケー!
という傾向に思えます。
---
学習するAIについて:
ヒトが作る文章は、例えば
犬が水を飲む
のように、主語(犬)、目的語(水)、動詞(飲む)、からなります。これをコンピュータ用語でいうと
主語:ハードウエア、電子機器
目的語:データ
動詞:アルゴリズム
となり、ソフトウェア=データ+アルゴリズム、となります。
1950年頃にコンピュータのプログラミング言語はFortran(数値計算のためのプログラミング言語、ミサイルの弾道計算などに使ったらしい)とLisp(記号処理のための言語、人工知能研究が目的)ではじまりました。事務処理のためのCobolが登場するのはしばらく後です。この時のAIをAIー1と書くと、AI-1は動詞=アルゴリズムで人工知能を実現しようとしました。
万能アルゴリズム、というのを求めたらしいですが、当然、どんな問題も解ける万能な処理手順は見つかりませんでした。
1980年頃のAIをAI-2と書くと、これは目的語=データで人工知能を作ろうとしました。専門家の知識を集める一方、アルゴリズムはif-thenルールという一番単純なものにし、さらに特殊なハードウェアで速度の向上を図りました。しかし、経験と勘を明文化するのが難しかったりして、うまくいきませんでした。
この後、脳の働きをマネするニューロとか色々試みられて、現在、成功を収めつつあるのが学習するAIです。これをAI-3と書くと、AI-3は既知の問題と正解のサンプルを大量に学び、問われた未知の問題に対して、正解の確率が最も高いと思われる回答を出してきます。
このAI-3の手順は、科学では良くおこなわれている手順で、例えば
1個10円
5個40円
10個120円
のとき、4個ならいくらでしょう?、みたいな事です。
科学実験だったら最小二乗法で直線を当てはめて内外挿する、とかになります。この「最小二乗法を使う」というのは、正規分布のような確率分布を想定して、最も正解の確率が高い答えを出す、という事です。「直線を当てはめて...」というのは、いわば、3つのサンプルを学習してAIが結果を出す、ともいえる操作です。
さて、ここで「1+1は?」という質問をすると、上記3つのAIは
AI-1:1+1=2。足し算の法則を使って計算した。
AI-2:1+1=2。ある専門家が「1+1は2だよ」と言っているから。
AI-3:1+1=2。算数の教科書にある数千億の例題から導いた。
のように答えを出します。AI-3は、「その2という結論の根拠は?」と問われた時、「数千億のサンプルを、すべて使いました」と言うのです。これでは「根拠が存在しない」のと同じ状況な気がします。
物理は
理論値が実験結果にあっていれば良い。結果オーライ!
と言いつつも、内心では理由・根拠を求めるのですが、実用的なAI、学習するAIには、求めようにも根拠が無いのです。このAIが普及し、物理などの旧来の科学と同じくらい、経済的な豊かさを作り出す、となった場合、もう人々は
・理由や根拠は求めない
・結果オーケー!
という価値観になってもおかしくない気がします。