現在のAI(人工知能)は基本的に1種類のタスクしか処理できない。画像認識AIには音声認識はできないし、大量の種類の昆虫を学ばせたAIは昆虫の種類を判別できるが、魚類の種類は判別できない。ところがこうした状況が近い将来、大きく変わる可能性がある。

 「1つの機械学習モデルで数百~100万種類のタスクを処理できるようにする研究が現在進んでいる。私はその研究の方向性に非常に興奮している」。そう語ったのは、米グーグルのシニアフェローとしてAI開発を統括しているジェフ・ディーン氏だ。ディーン氏は2019年7月に来日した際、記者会見でこのような見解を示した。

 しかもこの機械学習モデルは、事前に学んでいないタスクに遭遇した場合でも、100万種類ある学習済みタスクとの類似性から判断して、その新規のタスクにどう対処すればよいか判断できるのだという。

現在の機械学習の限界を突破

 現在の機械学習手法ではモデルに何かのタスクをさせようと思ったら、そのタスクに関連するデータを大量に集めてモデルを訓練する必要がある。そのモデルが処理できるのは、データを学ばせた1種類のタスクだけだ。

 特定のタスクに関するデータを大量に用意できない場合、「転移学習」と呼ばれる手法を使うことで何とかなることもある。まず目的とするタスクに似たタスクに関する大量のデータを使ってモデルを訓練する。その後に目的とするタスクに関する少量のデータを使って、そのモデルを訓練し直す。そうすると、目的とするタスクを処理できるモデルができあがるという具合だ。

 もっとも転移学習だけでは精度の高いモデルを作るのは難しい。そこでグーグルが2018年1月に発表した「Cloud AutoML」という「AIがAIを作る」サービスは、転移学習に加えて「Learning2Learn」と呼ぶ技術を使ってモデルの精度を高めている。

 Learning2Learnはより良いニューラルネットワークを設計したり最適化したりするAIを、ディープラーニングと強化学習を組み合わせた「深層強化学習」によって生み出す技術だ。従来は熟練のデータサイエンティストが担っていたニューラルネットワークの設計やチューニングなどの作業を、AIが代わりにやってくれる。

 Cloud AutoMLによってデータサイエンティストがいなくても精度の高い機械学習モデルを開発できるようになった。それでもタスクごとにモデルの開発が必要であるのに変わりはない。

 複数のタスクを処理できるモデルを開発する「マルチタスク学習」という手法もある。しかしグーグルのディーン氏によれば、ここでいう「マルチタスク」は3~4種類のタスクを指すのだという。ディーン氏が語る100万種類のマルチタスクがいかに画期的なものか分かる。

 残念ながらディーン氏は100万種類というマルチタスクの中身や、実用化する時期については語らなかった。それでも「興奮している」と述べているのだから、既にグーグル社内で何らかの成果が出ている可能性がある。

 現在の機械学習ベースのAI(機械学習モデル)は、基本的に1種類、多くても3~4種類のタスクしか処理できないという点で「専用」の知能である。夢の存在である「汎用人工知能(Artificial General Intelligence、AGI)」にはほど遠いとされている。

 しかし近い将来、機械学習ベースのAIが処理できるタスクの種類は加速度的に増えそうだ。その延長線上にAGIがあるかどうかは定かでは無いが、我々人間の度肝を抜くAIが次から次へと実現する。そんな未来は期待できそうだ。

中田 敦(なかだ・あつし)
中田 敦(なかだ・あつし) 日経xTECH/日経コンピュータ副編集長。1998年日経BP入社。2015年4月から19年3月までシリコンバレー支局長。著書に「クラウド大全」(共著)や「GE 巨人の復活」がある。