専門家によると、アルファ碁の珍しい動きはAIの能力を証明しているという。

グーグル・ディープマインドの人工知能プログラム「アルファ碁」は、トップクラスの囲碁棋士と対戦し、しばしば「美しい」と評されるが、通常の人間のプレースタイルには当てはまらない手で解説者を困惑させた。

人工知能（AI）の専門家たちは、これらの手はAlphaGoのAIにおける重要な強み、つまり経験から学習する能力を反映していると考えている。ケベック州マギル大学コンピュータサイエンス学部の准教授、ドイナ・プレカップ氏は電子メールでのインタビューで、このような手は人間の知識を組み込むだけでは生み出せないと述べた。

「アルファ碁は考える機械であるだけでなく、学習し戦略を立てることができる機械でもある」とIMDビジネススクールの戦略管理とイノベーションの教授、ハワード・ユー氏は同意した。

AlphaGoは先週ソウルで李世ドル氏に3連勝し、トーナメント優勝と、Googleが慈善団体に寄付する予定の100万ドルの賞金を獲得した。しかし、日曜日の第4局でミスを犯し、敗北を喫した。李氏は、このゲームにはいくつかの弱点があると警告している。

このプログラムは、ディープラーニングを用いたニューラルネットワークが囲碁を理解し、打ち込むことができるかどうかを検証する研究プロジェクトとして約2年前に始まったと、AlphaGoプロジェクトの主要研究者の一人であるデビッド・シルバー氏は述べた。グーグルは2014年に英国のAI企業ディープマインドを買収した。

AI プログラムは、さまざまな状況での人間の専門家によるプレイのモデルで構成される「ポリシーネットワーク」から得られる人間の可能性のある動きをガイドとして使用しますが、「価値」ニューラルネットワークがより深く可能性のある動きを評価すると、独自の動きを行うこともあります。

ディープマインドCEOのデミス・ハサビス氏は、人間とは異なり、アルファ碁のプログラムはマージンを最適化するのではなく、勝利の確率を最大化することを目指しており、それがアルファ碁のいくつかの動きを説明するのに役立つと述べた。

囲碁のプレイヤーは、19×19のマス目に「石」と呼ばれる白または黒の駒を順番に配置し、相手の石を囲んで取り、さらに空きスペースを領土として囲むことを目指します。

囲碁はチェスなど他の人気戦略ゲームよりも複雑で、「分岐」や1ターンあたりの平均可能手数がはるかに多いとされ、AIシステムが囲碁に勝つには何年もかかるとプレカップ氏は語った。

「AI分野では通常、複雑なゲームや問題、今回の場合は囲碁の攻略がベンチマークとして用いられます」と、AI企業センティエント・テクノロジーズの共同創業者兼チーフサイエンティスト、ババク・ホジャット氏は述べています。ホジャット氏はメールで、AlphaGoの勝利は、機械学習を用いて取り組めるようになった問題の複雑さにおいて「重要な頂点」を示すものだと述べました。

プレカップ氏によると、囲碁には「どの戦をするか」や「盤上のどのエリアを支配するか」といった高度な戦略的選択が求められ、複数の戦が並行して進行することもあるという。「この種の推論は人間の思考の特徴と考えられている」とプレカップ氏は記している。以前にも囲碁プログラムの試みはあったが、人間のプレイヤーに比べて能力が低すぎたと彼女は付け加えた。

AlphaGoは、1997年にガルリ・カスポロフを破ったチェスのコンピューターDeep Blueの足跡をたどっています。別のIBMコンピューターであるWatsonは、2011年にクイズ番組Jeopardyで優勝しました。

プレカップ氏によると、DeepMindのプログラムはDeep Blueとは大きく異なる。IBMのプログラムは主に非常に広大な局面空間の探索に依存しているが、それ以外は人間の専門家から得られたヒューリスティックスを組み込んでいるからだ。AlphaGoにも強力な探索コンポーネントがあるが、人間に「指示」されるのではなく、自らゲームの進め方を学習すると彼女は付け加えた。

IMDのユー氏は、エンジニアリングの創意工夫にもかかわらず、ディープ・ブルーはチェスのゲームに勝つという唯一の目的を達成するために設計されたと述べた。「このプログラムに費やされた時間と労力は、他の問題を解決することには全く役に立たなかった」と彼は付け加えた。

Googleは、ゲーム以外にも、ヘルスケアや科学研究など、より新しいアプリケーションでAI技術をテストする計画だ。「コアとなるディープラーニング技術は、あらゆる時系列パターン分類問題に非常に有効です」とホジャット氏は述べた。同社は同様の技術を、eコマース向けビジュアルインテリジェンス製品「Sentient Aware」にも採用している。

AlphaGoのアルゴリズムは汎用性が高く、多くの状況で活用されているとプレカップ氏は述べた。このプログラムは、強化学習とディープネットワークという2種類の学習手法を採用しており、どちらも人工装具や自動音声認識など、多くのアプリケーションで利用されている。「アルゴリズムを多少調整する必要があるかもしれませんが、問題領域に依存するものではありません」とプレカップ氏は述べた。

自己学習が可能で人間の強化学習を模倣できる汎用アルゴリズムは、「人間の心の領域を超えた新たな可能性を持つ未来」を切り開くとユー氏は語った。

しかし、AlphaGoは人間の自然言語を理解する能力が不足しており、ユー氏によると、IBMはこの分野で優位に立っているという。「ワトソンは数百万ページに及ぶ医学雑誌や患者データを処理することで、追加の血液検査から最新の臨床試験まで、医師に推奨事項を提供しています」とユー氏は述べた。

「もしいつの日か、アルファ碁の自己学習特性とワトソンの人間言語理解能力が組み合わされ、汎用アルゴリズムに変換されれば、人間の優位性は確実に最終的な限界に達するだろう」と彼は付け加えた。

李棋聖とアルファ碁の対決中、人間の優位性が失われることへの懸念が背景に存在し、インターネット上では、李棋聖が人類を代表してコンピューターとの壮大な戦いを戦っていると多くの人がコメントしている。

しかし専門家は、囲碁という決定論的で完全情報に基づくゲームで勝利したからといって、機械が人間を追い抜く時代が到来したわけではないと考えている。「AIは、かつては人間だけの領域だった多くの認知アプリケーションにおいて、今ではかなり優れた能力を発揮しています」とホジャット氏は述べた。しかし、人間の知能が持つ広範かつ一般的な抽象化能力に到達するには、まだ何年もかかると付け加えた。

「私たちがまだ実現できていないものの一つは、『汎用』AIマシンです。これは、例えば囲碁を打ったり、テキストを理解したり、バイオリンを演奏したりするなど、同じ内部脳を使って様々なタスクを実行するものです」とプレカップ氏は述べた。これは次のフロンティアではあるが、まだかなり遠いと彼女は付け加えた。

マイクロソフトは日曜日、汎用知能の分野でプロジェクトに取り組んでいると発表した。AI研究者は、例えば単語を認識するツールの開発は可能だが、人間のように容易にスキルを組み合わせることはできていないと同社は付け加えた。