AIの現在と未来 - 2025年2月の視点

# AIの現在と未来 - 2025年2月の視点 > [!INFO] > このテキストは、自転車で通勤中に録音したボイスレコーダーの音声を文字起こしし、GPT-4o で整形したものです。 > 画像は [Napkin AI](https://www.napkin.ai/) で生成しました。 > [!WARNING] > もっとちゃんと喋らないと、大事なところを拾ってくれない印象です。 > いくつかの視点が端折られたり、強調すべきポイントがズレていたりします。 ## 1. はじめに 2025年2月が終わろうとしています。現時点で、皆さんはAIをどのように捉えているでしょうか。そして、AGI（汎用人工知能）はどのような姿をしていると考えていますか？本稿では、現在のAIがどのような形で社会に影響を与えているのか、そして今後の発展によって私たちの生活や仕事がどのように変化するのかについて考察します。 --- ## 2. 現在のAIについて ### AIの範囲 AIの範囲をどこまでと考えるべきかは重要な論点です。これまでにAIの盛り上がりと低迷を繰り返してきましたが、現在は第五期目のブームにあたると考えられています（参考: 近年のAI研究動向レポートなど）。現在主流となっているのは、ニューラルネットワークです。これは人間の脳を模したネットワークとされ、学習データを与え、パラメータを調整することで機能します。代表的なモデルとしては、Transformerがあり、特にBERTやGPTシリーズが有名です。しかし、このニューラルネットワークは内部がブラックボックスであり、意味を理解していないという特徴があります。 ### LLM（大規模言語モデル） LLMは「次の言葉を予測する」ことで機能しており、本当に意味を理解しているわけではないと考えられています。しかし、この点については研究者の間でも議論があり、AIがどの程度意味を捉えているのかについては最新の研究を参照する必要があります。それでも、それによって多くのことが可能になり、研究者たちも想定外の結果を生み出しています。ポイントとなるのは、その周辺のテクニックや技術です。「学習」という言葉の定義を考察することが、AIの理解において重要な要素の一つとなります。 --- ## 3. AIの学習とエコシステム ### AIは本当に学習しているのか？機械学習の分野では、「学習」とはモデルに学習データを与え、パラメータを調整することを指します。しかし、現在のAIの挙動を見ると、ChatGPTがユーザーの言葉を「学習」しているように見えるかもしれません。しかし、これは厳密には「学習」ではなく、一時的なメモリや外部のデータベースを参照し回答を出しているに過ぎません。 ### LLMとエコシステムここで考えるべきは、LLM単体ではなく、それを取り巻くエコシステム全体がAIであるという視点です。例えば、GPT-4oはAPIを通じてアクセス可能であり、ファンクションコーリング機能を搭載しています。この機能によって、AIが直接プログラムを実行しているように見えますが、実際にはAIが指示を出し、外部のシステムが実行しているに過ぎません。 --- ## 4. 現在のAIの利用状況と課題 ### AI活用の格差最近では、生成AIを使っているかどうかで生産性に大きな差が生まれていると言われています。特に、ChatGPTのようなAI製品を使いこなせるかどうかが鍵となります。生成AIを活用することで、顧客対応の効率化やソフトウェア開発のスピード向上が実現され、実際に企業の競争力向上に寄与している事例も増えています。 ### チャットUIの功罪現在の生成AIの普及は、チャットUIの存在によるところが大きいです。例えば、MidjourneyはDiscordを利用することで普及しました。しかし、チャットUIに依存することで、一問一答型の使用に固定され、新たな発想が生まれにくいという課題もあります。 --- ## 5. HACK Network 私は、「HACK Network」という概念を提唱しています。これは以下の要素の頭文字を取ったものです。 - **H**: Human（人間） - **A**: AI（人工的な知性） - **C**: Code（コード） - **K**: Knowledge（ナレッジ）このネットワークでは、各要素が相互作用することで、より高度なAI活用が可能になります。 ![[hack_network.png]] [[HACK Network]] --- ## 6. AGI（汎用人工知能）について ### AGIの姿 AGIとは、単一のモデルが何かを実行するのではなく、複数のモデルが相互に作用し、知識やコードを利用しながらタスクをこなすものだと考えています。現在のAIは主にニューラルネットワークに依存していますが、シンボリックAI（意味を理解するAI）との統合も進んでいます。この「ニューロシンボリックAI」の発展により、より汎用的な知性を持つAIが登場する可能性があります。しかし、多くの人が思い描くAGIが誕生するかどうかに関わらず、このような仕組みであれば現在のAIの進化だけでもAGIに近い体験を提供できる段階にあると考えています。 ![[agi_image.png]] --- ## 7. まとめ現在のAIは、単なるニューラルネットワークではなく、それを取り巻くエコシステム全体を含めて考えるべきです。 - LLM単体ではなく、APIやファンクションコーリングなどの周辺技術が重要。 - AI利用の格差が生まれており、より高度な使い方を模索する必要がある。 - HACK Networkを活用することで、AIと人間の相互作用を最大化できる。 - AGIは単一のモデルではなく、ネットワークとして機能する可能性が高い。今後もAIの進化を見据えつつ、どのように活用するかを考え続けることが重要です。 --- ## Appendix: AIブームの周期 AIの発展は、ブームと冬の時代を繰り返してきました。例えば、Rodney BrooksやNick Bostromの研究では、AIの進化がどのように周期的な変遷をたどってきたかが議論されています。このように、AIは進化し続ける技術であり、今後も新たなブームが訪れる可能性があります。 AIの発展は、ブームと冬の時代を繰り返してきました。例えば、Rodney BrooksやNick Bostromの研究では、AIの進化がどのように周期的な変遷をたどってきたかが議論されています。 1. **第一次ブーム（1950-1960年代）**: ルールベースのAI研究が進むが、計算資源の限界で停滞。 2. **第二次ブーム（1980年代）**: エキスパートシステムが登場するも、実用化が進まず停滞。 3. **第三次ブーム（2000年代）**: 機械学習が発展し、ビッグデータの活用が進む。 4. **第四次ブーム（2010年代）**: ディープラーニングの台頭。 5. **第五次ブーム（現在）**: LLMの発展とAGIに向けた取り組み。このように、AIは進化し続ける技術であり、今後も新たなブームが訪れる可能性があります。