※英語資料からの引用は、PIMOAが日本語に訳しています。
1954年1月7日、ニューヨーク。IBMのコンピューターが、ロシア語の文を次々と英語に訳してみせました。
60を超える文を、1秒に2行半の速さで印字していく。研究を率いたジョージタウン大学の教授は、まだロシア語の本を丸ごと英語にできる段階ではない、と断ったうえで、報道発表の中でこう予測しています。「5年後、あるいは3年後には、いくつかの言語の重要な分野で、電子的な翻訳が実現しているかもしれない」(筆者訳)。
ただ、このコンピューターが知っていた単語は250語、文法の規則は6つだけでした。訳した文は、化学や政治などの分野から選ばれたものです。
12年後の1966年、アメリカ政府の委員会(ALPAC)が報告書をまとめます。政府はこの10年で、機械翻訳とその関連研究に約2000万ドルを使っていました。それでも報告書は、実用的な機械翻訳が近い将来に実現する見込みはないと結論づけました。研究への支援は、大きく削られていきました。
AIの歴史には、こうした失速が2度あります。研究費も注目も離れていく時期で、「AIの冬」と呼ばれています。
1度目は、期待された技術が、実用に届かなかった冬です。
2度目は違いました。AIは実際に企業の仕事を助け、欠かせない道具になっていました。それでも、冬は来たのです。
1度目の冬:できると期待されたことが、まだできなかった
翻訳以外でも、限られた条件で見せた成果を、より複雑な現実の問題へ広げる難しさが、次第に明らかになっていきました。
イギリスでは、数学者のライトヒルが政府の依頼でAI研究を評価し、1973年に報告書が公表されます。そこには、こう書かれていました。
この分野のどこにおいても、これまでの発見は、当時約束された大きな成果を生んでいない。(筆者訳)
この報告をきっかけに、イギリスではAI研究への公的な支援が大きく絞られていきます。
1954年の教授は、予測に条件を付けていました。それでも、250語と6つの規則でうまくいった実演から、実際の仕事で使える翻訳までの距離は、期待よりはるかに遠いものでした。限られた条件で見せた成果と、現実の仕事で使える力の差。 それが、研究への期待と支援を失わせる大きな要因になりました。
2度目の冬:できたけれど、それだけでは続かなかった
1980年代、AIは「エキスパートシステム」で復活します。専門家の知識を「もし〇〇なら△△」というルールに書き起こし、コンピューターに判断させる仕組みです。
今度は、デモだけではありませんでした。
コンピューター会社のDECは1980年から、「R1」(社内では「XCON」)というエキスパートシステムを使い始めます。客の注文に合わせて、どの部品をどう組み合わせればコンピューターが正しく動くかを決めるシステムです。部品の組み合わせを間違えれば、客先で動かない、足りない部品を送り直す、といった損失になります。1983年には、DECの主要な販売機種の構成を、R1が扱えるようになっていました。AIは本当に、会社の仕事を支えていました。
ところが、開発者自身が1984年に書いた論文を読むと、別の姿も見えてきます。
R1のルールは、1979年には750ほどでした。それが1982年には約2000、1983年には約3300に増えています。新しい機種への対応に加え、既存の判断を直し、扱える仕事を広げるために、知識の追加が続いたからです。その作業には、年間で約4人年(4人が1年間働く量)がかかっていました。
専門家は1979年の時点で、R1には必要な知識がほぼ入ったと考えていました。実際にはその後4年間、大量の知識が足され続けました。論文はこう指摘しています。扱う分野が変わり続ける以上、「このシステムの開発は、決して終わらない」(筆者訳)。
DECは、その仕事を引き受けながらR1を使い続けました。それでも、エキスパートシステムのブームそのものは、1990年代にかけて失速していきます。総務省の情報通信白書は、その理由として、必要な情報をすべてコンピューターが扱える形で書き起こすことの難しさを挙げています。R1が知識を足し続けたのも、まさにその難しさと向き合う仕事でした。
日本でも1982年から、国の大型プロジェクト「第五世代コンピュータ」が進められ、1992年度に終了しています(詳しくは「日本にもAI国家プロジェクトがあった。『第五世代コンピュータ』の教訓」で紹介しています)。
1度目は、「できると期待されたことが、まだできなかった」。
2度目は、「できたけれど、それだけでは続かなかった」。
今のAIは、何が変わって、何が変わっていないのか
今のAIは、エキスパートシステムのように、あらゆる判断を「もし〇〇なら△△」と人が書く必要はありません。大量のデータからパターンを学び、文章や画像など幅広い情報を扱い、初めて見る内容にも対応できるようになりました。過去のAIと比べて、使える仕事の範囲は大きく広がっています。
ただし、維持が不要になったわけではありません。今は、別の場所に運用の負担が移っています。
- AIに渡す社内の資料やデータを、整えて最新に保つ
- AIへの指示や、業務の決まりごとを、変わるたびに直す
- ほかのシステムとのつなぎ込みを保つ
- 出てきた答えが正しいかを確かめ、間違いに気づく仕組みを持つ
- AIの提供元がモデルを変えたときに、動きが変わっていないか確かめる
R1の開発者が書いた「開発は決して終わらない」という言葉は、形を変えて今も当てはまります。
AIのデモを見るときの5つの質問
AIの導入を検討していると、見事なデモを見る機会があります。1954年の翻訳デモを思い出しながら、次の5つを確かめてみてください。
- うまくいった例だけを見せていないか
- 自社の実際の資料で、通常のケースだけでなく、例外や不完全な資料まで試したか
- 例外が起きたとき、誰が対応するのか
- 業務のやり方が変わったとき、誰が、どうやって直すのか
- 半年後も、その手間と費用をかけて使い続けられるか
最初の2つは、1度目の冬の教訓です。限られた条件でうまくいったものが、現実の仕事でも同じように動くとは限りません。
残りの3つは、2度目の冬の教訓です。R1がそうだったように、役に立つことと、使い続けられることは別の問題です。
AIは、役に立つだけでは定着しません。使い続けられて初めて、会社の仕組みになります。
参考文献・資料
IBM 報道発表(1954年1月8日、Machine Translation Archive 所蔵)
ALPAC "Language and Machines: Computers in Translation and Linguistics"(全米科学アカデミー、1966年)
James Lighthill "Artificial Intelligence: A General Survey"(1973年、Chilton Computing 所蔵)
Judith Bachant, John McDermott "R1 Revisited: Four Years in the Trenches"(AI Magazine、1984年)
総務省「平成28年版 情報通信白書」人工知能(AI)の研究の歴史
情報処理学会 コンピュータ博物館「第五世代コンピュータ」