新しい学問も今作ろうとしてるってことですか？そうですね。

AI の科学を作ろうっていうのを [音楽] 概念をN 個組み合わせなければいけないほど学が山谷になるってすごいなんかその人生君みたいなことが分かった。いや、いい言葉です。今やる意味をすごい感じるのは明日からAI をより良いものにするためにこの数学的な枠組は使えます。いや、すごいですね。この知性の物理が。ま、これを見るとじゃあ人間の知性の解明が進む。かもしれない [音楽] 。クロスリーグワンオンワ始まります。今日のテーマですね。え、知性の物理学というテーマで、ま、かなりぶっ飛んだテーマになります。ま、今トランプさんが色々と国際秩序を大きく変えてますけど、同時にAIの領域もかなり変わっていて、そこでなんとハーバードで新しい学問を作ろうとしている日本人の研究者がいて、え、彼を呼び、まあ300年後の人類みたいなですね、もうぶっ飛んな話を聞いていきたいと思います。では早速お呼びしましょう。物理学者の田中秀典さんです。よろしくお願いします。よろしくお願いします。はい。

田中さんはもうすごい人だっていうことで人から聞いてちょっと経歴をあのクロスリーグの視聴者にごご紹介すると、え、京都大学の理学部を卒業してでハーバードで、ま、理論物理学で収支博士後取ってその後スタンフォードの研究員、そして今はハーバードとあとこれ NTTさんも関わってるんですよね。あの、NTT の、沢田会長とかも交流あると聞いてるんですけど、え、 CBSNTT フクオブインジェンプログラムを立ち上げてると、まさに知性の物理学っていう、もうあらしい学も今作ろうとしてるってことですか? そうですね。はい。

これはもう実は我々はもう5 年以上前からずっと私個人として7 年前からずっとやってるんですけどもやっぱ AI ってもう生き物みたいに喋ってると人間みたいに感じると思うんですけどもそうすると車を作るとかってまで AI もコンピューターサインスなので工額と思いきや実はもう AI の複雑さっていうのはもう自分たちの脳とか生き物とか物理とか自然現象とかそういうものとしてま、 AIの科学を作ろうっていうのをなるほど。で、じゃあ今の既存の学問でも間に合わないぐらいの大革命が今起きてるから新しいフィールドが必要ってことなんですかね。そうですね。

ていうのもやっぱりこれまで学問って物理学、コンピューターサイエンス、心理学、農家科学ってこうやって色々細分化が全盛期済んだんですけれどもやっぱ AI がとっても今楽しいのは、 [音楽] ま、たさんとこうやってお話してもどなたとお話しても AIって皆さん触れていて考えていることがあって課題があってていう中でうん。ま、我々研究者科学者としてももうこれまでの分野の細分化を全部とっ払って物理学者が数学の理論物理的な資を持ってきてコンピューターサイエンスの人が大きい GPUクラスターマシンを回してあのニューヨラルネットワークを学習させてで心理学の人はその人にそれまで心理学実験って人に何かいろんな質問をしてどういう風にその人は答えるかみたいなことをAI とやったりとかで農家科学の人は人の脳みそ動物の脳みその中のニューロンを見ていたのが今度AIの中の人工論を見る。ま、これがもう本当に全部みんなでやろうっていうのが、え、自分たちが、ま、NTT っていうあの素晴らしい、え、この学のサポーターをしていただいて、もうこれまでの大学の枠組をとっ払いつつもハーバードのキャンパスで大学の環境でやろうという。いや、ちょっとこれ本当になんかこれ今見てる方多分新しい学問が誕生する瞬間をちょっとこの番組で目撃することになると思うんですけど、ちょっと今日のトークテーマを3 つに分けて、え、まずこの地性の物理学、フックスオブインテリジェンっていう、ま、多分新しい言葉と思うんですけど、何かとで、今田中さんおっしゃったようにもう文系も理系もないというか、常に吹っ飛ぶような学問だなと思います。そして 2つ目、パーソナル哲学の時代。これもちょっと面白くて、あの、田中さん自身が AIともう1 ヶ月間対話を続けてんですよね。もうずっと AI ともう多分人類で1番AI と対応してる人なんですけど、そうするとなんか新しい哲学が生まれるという話。そして 3番目は、ま、もうこれ私たち生きてないんですけど、 300 年後の人類どうなってるのかと。ま、 YouTubeのこの動画が300 年後残ってるとしたら、こ、予言をしたいなと思ってます。はい。で、まずこの知の物理学って何ですか? はい。

そうですね。そもそもこれ、ま、自分たちも、ま、 5 年以上前からずっと地点の物理学ってこと言っていて、で、そうすると当たり前ですけども、物理学、これがそもそも物理学なのかとか、そうすると、じゃ、物理学とはそもそも何なのかって議論に、ま、すぐなるので、自分自身もずっと、えっと、考え続けてきた問なんですけども、この分野が、どういう分野なのか。で、ま、こういう時大体歴史を振り返るとヒントがあって、じゃ、物理学はじゃ、一体どこから始まったんですかっていう時に、ま、 1 つのスタート地点っていうのは実はガリレオだと思うんですね。うん。いいうのが、ま、ガリレオの前の時代っていうのは、ま、長い長いそのルネサンス前の、えっと、宗教官に支配された時代があって、例えば、ま、キリスト教の中では天堂説、自動説で言うと、ま、天道説が信じられていて、我々人間、そして人間が住んでいる地球というのが世界の中心で、ま、はい。宇宙が回っているとはい。で、地球は回ってないっていう風にみんな思ってたわけですよ。いとこに思ってたところに、ま、何が起こったかって言うと、望遠鏡っていうのができたと。ま、ガラスの加工とかの技術が進んで望遠鏡が見えると、もう今皆さんビッグデータとかデータデータって言葉を使いますけども、ま、人類が最初に取ったデータの 1 つってのはそのガリレオが望遠鏡で星の運動を見ながら、えっと、取ったのが、ま、データであるとはい。で、そうするともう1 つこの、ま、理系文系って今括がありますけれども、やっぱこの時代の象徴的なのはその宇宙っていうのが、ま、何かとか天堂説か動説かって、ま、そもそもずっと哲学の問いで、ま、アリストテレス以降みんな議論してきた問でうん。ただそこにデータが入ってくるとそれまで宗教官で規定されていた人間の認知世界っていうのがデータによって、ま、その仮説が疑われ始めてうん。実は地球が回ってるっていう風なことを過程した方がデータがうまく説明できるんじゃないかってのは我僚が最後気づいてうん。はい。で、最後、ま、牢屋にまで入れられてしまうわけですよね。そのそうですよね。もう本当命をかけて訴えてたわけですもんね。はい。はい。だから元々その大き問が大きくなればなるほどそこに文系理解系の違いはなくてそのま、宇宙はどのように広がっているのかとか、我々人間はどういう存在なのかとか、生きる意味はとかっていうのは元々哲学と、ま、サイエンスには教会がなくて、ま、 1つの見方としてその問の対象が観測された時、データが入ってきた時に今、ま、物理学になるとでガリオがここですごい大事な一言を残していて、ま、その哲学という偉大な書物は、ま、数学の言葉で書かれているで、その助けなしでは迷宮、暗闇みの迷宮を彷徨うことになる。なるほど。深いことですね。ことをすごいガリレオは言っていていうのはやっぱりその数学っていうのは、ま、使い方がありますけども、 1 つは自分たちのその論理的思考っていうのを正確に表現する方法だと思っていて、ま、今の AI の時代も例えばチャットGPT にもちろん皆その優しくって人格者であってほしいと思いますよね。毎日喋っているので。はい。で、でもチャットGPT にじゃ優しくなってもらおうと思うと優しさっていうのを数学的に表現しなければアルゴリズムで実装できないわけで、ま、こそれが本当に今のこのまさにこれまで人間の認知とかっていう世界も、ま、哲学とか心理学とかっていう分野だったのが目の前にもう人みたいに喋ってる AI が存在することによって急に数学的な正確な言葉でろんな概念の表現してあげないと。いや、面白いですね。だから宇宙がその今までいろんな想像力とか文学とか哲学的に探求してたものがデータとか観察ができるようになりましたと。そうすると数式に変わってきますと。で、今度 AI とかによって知か今日すごいテーマになると思うんです。心とか人間性とかがうん。うん。せ、式化できるってことですか? ま、そうですね。化しないといけないって感じですね。で、するのは本当に難しいし、1 番その抽象的な概念と、ま、1 番具体的な数式ってのを生ききしないといけないので、ま、でも逆にそれがな、何て言うんでしょう?ま、ある意味なんかその絵を書いてるみたいな気分になることはたまにあって、ま、中画とかって、ま、結構その的的な概念を、ま、絵で表現する。目の前にこうやって世界が見えていて、それを絵っていうキャンパスの上に表現する。ま、物理も結構似ていて、ま、優しさんみたいなもう手でもなかなか触れないような中的な概念を何か表現しようと思うと、ま、1 つの表現方法が、ま、それが小説ってのが表現なのかもしれないですけど、もう 1 つの表現方法として数学的に定義をしてあげて、例えばチャットatト GPT がどれくらいの割合で、あ、なとね、ということは正しいですねって共感をするのか、逆にいやでもこういう見方もありますよねってちょっとクリティカルにフィードバックをするのか、ま、そういうことってのはどんどん具体的な効果の対象になってる。面白い。で、ちょっとここでスライドのあのこの縦軸の脳内の観測可能性と横の知的能力をちょっと説明していただきたいんですがはい。

この心とは何かとか脳はどうやってできているのかってもうこれはみんなさんやっぱりその人類の歴史が始まって以来ずっともうアリストテスから最大の謎でやっぱりそれがま、自分自身もずっと子供の頃から興味があってでもちろん皆さん興味があって学問分野としてもずっとあるんですけどもうん。じゃ、脳を科学の対象として何か脳のデータを取って、え、理解しようと思うと、そこにはすごいトレードオフがあっていうのも特にニューロンを見ようと思うと、ま、 1番もちろん私的に賢い動物は、ま、人間だと思うんですけども、そうすると医療行為のなんか合わせながら少しデータを取るってことはできますけども、あんまりもう倫理的にも技術的にも人間の脳みそを大量にデータを取得するっていうのは、ま、今のところ難しいと。うん。で、そうすると賢ければ賢いほどその脳の中を開けて、えっと、多くの割合のニュロを見るのが難しいと。で、もちろんそのニュロサインスの人たちはじゃあシンプルな動物、ま、それこそ動物っていうか、もうハエとか線とかっていうものだったらもうほとんど小さい虫ではありますけれども例えばハエの脳の地図ってのはやっとここ数年でできたっていうのがあのニュロサインスの中でそれは素晴らしいビッグニュースでうん。ハのこうやって脳みそがあってでそれをえっと丁寧にスライスをして画像を撮って 3 次元に構築し直してあげるとま、要はそのままニューラルネットワークってこういうなんかそのネットワークが張り巡らされてる、ま、地図みたいなものが、ま、ハエではできました。はい。うん。ま、ですがやっぱりそのハエだと自分たちが 1 番興味のあるその知性っていうのはなかなかその論理的思考とかっていうところは、えっと、実験できないのでうん。人間前はちょっと遠いですもんね。だこのグラフで言うと能力が高ければ高いほどこの観測可能性が下がっていくとこのこのグラフが下がってきます。でもだからどんどんどんどん知的能力が低いものでなんとか観測しようとするっていうこと。ただ単るほど遠くなっちゃうじゃないです。そうですね。うん。で、そこに、ま、やっぱ自分の中でやっぱそのチャット CPTとかAI の大事件でなんでかっていうとはい。その後の最も少しお話する。例えば概念の学習とかその、ま、人間の発達心理学の人たちが考えてるような問いっていうのを見せながらもちろん AI はパソコンの中に入っているので全てのパラメーターの数字が正確に取れるんですよ。なるほど。じゃあAI っていう実験可能な、ま、人間みたいなのが現れたってことですよね。はい。そうですね。うん。で、もちろん AI と人間ってそこにはいっぱい違いはあるので、心理学的研究の対象として人間ほど理解したいっていう人からすると、ま、 AI はちょっと違うよねっていう見方もあるんですけども、自分みたいなその仮説を数学的に式化して実験的な予測を、えっと、もうそのデータとか数値のレベルで立てて検証したいって、ま、い、ま、結構その物理学的な厳密なやりたいって人からすると、この AIってのは挙動はもう人間と同か、ま、自分はもチャットシビティの最終版とかでいっぱい喋ってて人間と同じぐらいにはやっぱもう面白い喋ってて面白い。なるほど。ま、少なくともハ、ハエよりは人間ハとかネズミとかマウスよりは人間っぽいから、しかも、ま、人間って実験はできないじゃないですか。でも AI だといろんな実験とか観察ができるっていう。そうですね。うん。あと、ま、もう1 つの考え方としてなんかその自分と似てるけど違う他者に出会うことで自分より深く理解するみたいなこともあると思っていてのは自分は例えば日本からアメリカに来て、ま、 10 年前にアメリカに渡ったんですけども、ま、そうするとやっぱりその日本にいた時には例えば少しなんかその日本の文化でなかなかすぐは馴染めないようなところがあって自分なりになんか若い頃はなんかその悩んだり苦しんだりした。でもアメリカに行ってみると自分ってやっぱ日本人なんだなとかそういうことてやっぱりすごくわかります。ま、旅行に行くだけでありますよね。うん。だから結構その他者を通して自分を知るってことはやっぱ人生でも普通にあってで人類って 1番大きいスケールでもAI っていうのと退治することによって逆にま、その鏡のように鏡なんだけれどもあこは違うよね。ここは同じだよねっていう議論がその人類全体でできるっていうのもすごい面白い。なるほど。あと田中さん物理学者なのでその観察をしなきゃいけないと思うんですけどそうするとじゃが立ち上がる瞬間っていうか生まれる瞬間も観察しなきゃないと思うんですよ。はい。まさにそうですね。それどうやるんですか? で、これが、えっと、これは自分たちの仕事ではないんですけど、これは大きいあのモデルをが実際にトレーニングした人たちの仕事で、で、もうこれはすごい、えっと、綺麗なプロットで、あの、横軸は何を変化させているかって言うと、ま、ニューラネットワークの大きさとかはい。あ、を変化させていると。うん。で、1番左が、ま、小さい、小さい人口の脳みそ、小さいニューラネットワークで、そうすると何がここで見えているかって言うと、はい。小さいモデルっていうのはこの今プロンプトは宇宙飛行士が馬に乗って、ま、森とか池の背景で、ま、いるっていうのを画像出してくださいってことなんですけども。なるほど。なるほど。1 番左はなんか宇宙飛行士がちょっと崩れているだけで馬もあんまり見えない。確かに。確かに。なんかそんなプロ、えっと、宇宙飛行士が森の中で、え、馬に乗ってますって指示してもパラメーターが少ないからちゃんとできないってことですね。でも。そうです。そうですね。で、それでじゃ、次もう少し大きくなるとどうなるかって言うとはい。今度宇宙飛行士が、ま、馬にああ、乗っても乗ってる気もするし、乗ってなくちょっと宇宙飛行と馬だけど、その乗る、乗らないはよく見えないと。で、もう少し大きくすると宇宙飛行士は今度馬に座ってるんです。確かに。あ、だからビリオンの単位になってくるといよいよ分かってきてる感じしますよね。ですがやっぱ宇宙飛行士って、あの、宇宙飛行士が映っている例えばインターネット上の写真を例えば Google で宇宙飛行士の画像って検索するとどういうのが出てくるか想像していただくと、ま、またがってはいないんですよね、宇宙飛行士は。うん。あ、なるほど。あ、確かに宇宙に浮かんでる宇宙飛行士と馬をなんか単に組み合わせてるだけですよね。そうですね。だから皆さん、ま、宇宙に浮かんでいるか、もしくはそのもう地上で記者会見とかするかそういうなんか宇宙、そういう画像しかないから。あ、なるほどなるほ。だからこれって結構あの思た以上に深いことが起きていて宇宙飛行士って概念をまず知る。うん。で、馬っていう概念を次うん。で、その次に宇宙飛行士が馬に座っているで、乗るっていうのをやるためには、あ、宇宙飛行士ってのはなんか見てくればこの宇宙飛の洋服を着てるので人間なのかどうかパッと顔も見えないですが姿形格好からするとま、人間ですよねと。うん。そうすると宇宙飛行士人間人間は馬に乗っている画像がある。だから馬にまたがる宇宙をかけると。だからこうやってその、ま、概念と概念が繋がっていくってことが、ま、この人口のこのニューラルネットワークが大きくなることで起こるっていうのが今ここで起こっている。じゃあ20 ビリオになるとようやくかけるようになるってこと。ま、あの人間だとこれ小学生でもかけると思うんですよ。宇宙飛行士がうまい乗ってるよう書いてくださいてたら多分かけると思うんですよね。で、ようやく20 ビリオンのパラメーターがあるとAI も性が喪発されるとそうですね。でもこれ自体も結構やっぱりその当時は発見で、ま、一言で言うと人工知能をどうやったら賢くできるかってもいろんな人が何十年も考えてきた課題ででもちろん普通のコンピューターサインス的なアプローチだと、ま、知性っていうのは、まあ、何かアルゴリズムみたいなものなんだから、ま、人間が例えばプログラムを書いて人工知能を作ろうっていうやり方。ま、すごい美しいプログラムを書いてはい。はい。だから人間の脳のこの自分がどのように考えてるかっていうのをアルゴリズムに思えれば例えばもうフ竹内さんがこうしちゃったら僕がこうそうやって全部アルゴリズムで考えてくみたいなことをすれば賢いものができるんじゃないかって 1つの考え方だったんですけどもこの世界観っていうのはめちゃくちゃシンプルでいっぱいそのニューラルネットワークもうパラメーターがいっぱい入ったそのなんて言うんでしょう?もう調節できるノブがいっぱいついた大きいなんかモンスターみたいなのをもっと大きくしてもっといっぱいデータを上げれば賢くなうん。逆にそんなに中で細かい人間が何かその馬っていう概念はこうだとか何も教えてないんですね。そのうん。大きいニュラネットワークにいっぱい経験をさせればできるようになっちゃうよねっていうのがこれはすごいことでなんか身も負蓋もないてか知とは量であるってことじゃないですか。その物量でま、知的になれると。 [音楽] で、で、ちなみにこれ人間ってこのぐらいのパラメーターを普段処理してるってことなんですか?それともまたそれ違う話なんですかね。で、人間も例えばその言語ルのパラメーターの数だけで言うと結構人間に近づいてきていて多分今 1兆とかそれくらいのオーダーで、ま、人間がその、ま、 50倍とか100 倍とかなので、ま、結構近づいていて、ま、ただ 1 つよく言われるのはその例えば言語だけとっても、ま、人間では到底一生かかっても読める、読めないような膨大な言語データがまだ必要なので、例えばその学習の効率は言語だけで見ると遅いですよとか、ま、そういう風な。なるほど。で、これがじゃあ知性の物理学というか、ま、まさに物理学として知をはい。考える、観察するとそうですね。ま、物理学っていうのもありますし、やっぱ何より一言で言うと、ま、人っていうのは現象なんだなっていうのが 1 つ大きい。ま、これはちょっとその哲学っぽい話にもなりますけども。はい。ま、現象ってじゃあ何ですか?定義してくださいっていうと、これもちょっと簡単にはできないのですが、例えば、ま、台風が来ますとか自信が起こります。これは現象ですよね。はい。うん。で、ま、1 つのなんか、ま、見方としてその、ま、現象っていうのはなんで例えばこのニューラルネットワークがこうい概念を学んだんですかって言った時に 1つの原因にはすぐ至ない。例えばその目の前に精密に作られたエンジンとか腕時計があったとすると、あ、この部品が壊れちゃったんだからこの動きは変だったんだ。ま、でも逆にこれはニューラネットワークが我々に示してることっていうのはもう知性っていうのは膨大な経験を大きいニューラルネットワークがひたすらしたことによって発する、ま、現象である。ま、そういうような世界観ですね。うん。そうするとですね、このどんどんどんどんこう 20 ビリオンを今後ひたすら増やすことできるじゃないですか。はい。そうするとその横に学習時間を取るとして上に能力を取るとしたらどういう風に AI の制て伸びていくんですか?もう想像したこともないような概念が生まれてくんですかね。そう。そこがまさにあの先ほどAI の科学って言いましたけども科学がいるところではい。で、そこをじゃ少しだけ自分たちの研究もえっと絡めてお伝えさせていただきたいんですけどもはい。うん。ま、そもそもそのAI が何かできるできないって言った時にそのはい、どうぞ書いてください。決定義しないといけないことが結構ありましてはい。例えばその言語、言語モデルがどうやってできてるかって言うとはい。言語モデルっていうのはえっと今日の天気はって言った時にはい。ま、これどうなんか何に1 番近いかと言うと、あの、スマートフォンとかであの予変、予測変換があるじゃないですか。その途中前例えばありがまで打つとありがこうて出てくるとか。ま、それを永遠にやってるのが例えばニューラルネットワークでうん。で、今日の天気はって言うと、ま、ここ例えば晴ですとかはい。雨ですとか。で、こうなった時にニュラネットワークのは常に次の単合を予測して、ま、今日の天気はだけだと晴れが晴れと雨がまあ同じぐらいの確率かなとか、例えばここは日本ですって言うと、ま、晴れと雨でどっちが多いかなと確率予測をしていくとはい。で、学習の仕方としては、えっと、学習データにこういう霊文がいっぱい入っていて、ここを隠してここを当てるとうん。当たったらあのオッケー。もっとそういう風な学習をして外れていたらちょっと違うことを学ぶというのを永にやっていて、で、先ほどあの解いでいいたそのニューラルネットワークが大きくしてくとどういう風に賢くなるかって言った時にそもそも賢さっていうのを定義するのがすごい難しくて、なんでかって言うとこれをやると例えばそのうん、今日の天気は晴れっていう文章が入っていれば絶対ただ晴れっていう。それ当たり前ですよね。これ覚えればいいので。そのそうですね。ニュラルネットワークが最初時にニューラルネットワークっていうのはただのなんかオムなんじゃないかっていうことを結構言ってる人たちがいて、ま、それは未だにちょっと一理あるというか、先ほどもあの会話であったようにニューラネットワークってもう要は世界で 1 番ほぼ世界の全ての本読んだ人なんです。はい。だからそれが本当に性なのかっていうありますよね。ありう議論がありまして多分これはそれこそあの本っていうのが最初に出てきた時も多分その哲学者の人とかが結構その本っていうのが出てくると人が思考を堕落するんじゃないかって多分そん昔の本読んでるとありますよね。そうですよね。そのなんでかいうと記憶力が低下するとかなんか想像力が失れるっていう人の例えばアリストテレスとか言ったことを家で読んでで議論の場に来てただそれをオムのように繰り返す。それは知性ではない。だから今現代では結構いっぱい本を読んでるって言うと、あ、すごいいっぱいいろんな知識を得て賢い人なんだなってなるんですけど、例えばその時代はむしろ何もこういうのがなるべくないところから頭からひねり出すってのがとても能力だとされていて、まさにそこがその能力の定義で、で、我々は今度これは今もお話は画像なんですけども、例えば、あ、言語なんですけども、画像で、えっと、その同じような問をやっていて、これっていうのは今画像整成も言語の場合はこの今日の天気を貼れっていうを覚えると。で、画像の場合も例えば最近もその著作権の問題ってすごい話題だと思うんですけども、ま、データセットを見ると、ま、そのマリオのデータが画像が入ってしまっていたりとか、ま、あとはその他にもいろんなキャラクターの画像っていうのはすでにデータセットの中に入ってしまっていて、問いとしては、ま、AIに想像、想想性があるのかと能力がどうやって上がっていくかって言った時にただ覚えていくだけだともちろんデータを増やせば増やすほどもう、えっと、こうやって先形にこうやって、ま、はい。データがどんどん新しい、ま、綺麗に先形になりますよね。あの、増えればその分だけ比例してそうですね。データにあまりダブリさえなければそのニュラネットワークは全部どんどん覚えていくとするとでニューラネットワークは本当にその大きければもう一度言われたことを全てどんどん覚えられるのでどこうやってどんどんま先形になっていきますとっていうのがま、 1 つあり得る話でで我々がそのまま言語ルでも今ここのスライドにあるのは画像の例なんですけどもっと一生懸命の心理学者の人とかと考えたのはクリエイティビティっていうのはだもちろんこの文章を覚えて見たものをもう 1 回出すとか画像を見て見たことを持すのではなくて経験からもうちょっと抽象的な概念っていうのを抜き出してうん。それを組み合わせることができる。うん。これっていうのはなんかその例えばお料理とか得意な人だったら、ま、いろんなレシピを見て最初はレシピをただ全部なぞっていくんですけども途中からあ、このこのレシピでステーキ焼く時になんかこうやったらカリカリになるっていう。すごいわ。なんか1 回料理の方に聞いたらクリエイティブジャンプっていうらしいんですけどなんかあすごいレシピを覚えまくったら一気にポーンって自分が飛躍する瞬間あらしいんですよ。で、なんか突然面白いレシピができる。はい。あ、あるんですね。 [音楽] それたがつけたまにそうな話でやっぱそのクリエイティジャンプみたいなのが AI にもあるってのが研究で知られていて、ま、そのメカニズムを、ま、あの、 1つ解明したってのが、それは結構すごい仕事なんですけども、その1 つの、ま、例として例えばこの画像ですと、えっと、人の顔は例えばその髪の毛の色とか、あの、性別とか笑っているか笑ってないかとかで、その概念によって今3 つの概念があの髪の色性別笑っているか笑ってないかでそれぞれの 8 つの概念がイノーの2 通りあるので、ま、えっと、2の3で、ま、 8つの組み合わせがあります。あ、XYZ みたいな感じの軸があるわけですね。はい。はい。で、これこういう状況の時にすごい、ま、重要なのが AI はある特定の概念の組み合わせを、ま、例えば今の場合はこの 4つですね。えっと、この8 つの頂点のうちの4 つを見てで逆に残りの4、あの逆側の4 つは全く見たことがないとしますという時に A はこれをかけるんですかってのが問いですね。で、これっていうのは実はすごいシンプルなんですけども、この実験をしようと思うと自分たちでこの科学的な問いの仮説検証のためのデータセットを手作りで作らなくてはいけなくて、ま、なんでかっていうと 1 枚でもその、えっと、この見たことがないとされてる画像が混ざってしまっていたら覚えちゃえばよくて検証できないと。はい。うん。で、AIの科学って言った時にすごい大事なのが、今ニューラルネットワークをもちろんその大企業とかいっぱい学習させているんですけれども、それはあくまで工学的な、え、目標でというのはデータをどう作るかとか、入らネットワークをどういう大きさにするかと、いろんな変数がある中でとにかくその性能が高いやつを作りましょうっていうのが、ま、1つのあの、ま、実験というか、あの計算機の実験で、でも我々がやりたいのはその科学的仮説、この場合だったら画像整成AIに概念を組み合わせて全く新しい組み合わせを出せますかっていうその科学の仮説を検証するための実験を我々のグループでは実際に GPUを使ってうん。はい。やっていく。うん。いうことですと。うん。で、これはま、あの、同じようにその色、形、サイズとかの軸でもできますと。で、そうすると例えばどういう発見があるかって言うと、まず自分たちが見つけたのは、えっと、ま、例えばこういう風になんかそのもう1番シンプルにもう2×2の時でやると、ま、まず見つけたのはそのすいません。やっぱね、あの、ちょっとだけあの、変更してこうこういう風にしますね。やっぱりもう3×3の方がいいなと思ってちょっと変更させていただいてはい。で、こうこうしますと。それで今データセットにはこの 4 つが入っていますと。この4 つが入っていて、ま、ここは全部見たことがありませんと。よるネットワークは。で、1 つ目でまず見つけたのが、えっと、自分たちの仮説はこの見たことがあるやつから見たことがないやつまでの距離っていうのをこの概念の空間で定義できて面白いですね。なるほど。で、概念の空間っていうのはこれはだからそのこっちが形の軸ですよね。で、こっちが色ですよね。で、こっちはあの奥はちょっと分かりにくいんですけど、これは実はサイズで見たことあるやつから何個概念を例えばこの丸を三角にして三角を小さくするとかホップしないといけないか。その概念空間でのホップの数ってのを想像性クリエイティビティのま、度合という風に定義してそうすると何が起こったかっていうとまず見たことあるやつってのはもちろんですけどこのあのこれが学習量ですね。学習学習時間でこれがえっと制度はいとした時に見たことあるやつはま、もちろんすぐこうやって学習できるとはい。このこの4つですね。で、距離が1 のやつっていうのは、ま、少し遅れてこうやって学習できるような。そうですね。最初わかんないですもんね。うん。で、この距離が2 のやつがずっと学習できなくて急に立ち上がるってのは見つけたんですね。ああ、すごい。だから遠いから最初はどんだけ学習してもわかんないんですけど、ポンと分かっちゃう瞬間があるってことですか? はい。そうですね。うん。で、さらにこのすごい当たり前なことを言うんですけど、 2 個の概念を組み合わせるためには概念を2 個とも分かってなければいけないと。そうですね。うん。だからどういう例がいいのかなってちょっと。ま、さっきの宇宙飛行士と馬もそうですよね。うん。はあったりできる馬はま、動物で上に人間がまたがることできるっていうのをちょっとわかっにそうですね。だから先ほどの例えば料理人の方の例とかでもそうかもしれないですけどもやっぱりそのはい。やろうとしていることが知的に複雑になればなるほど 1 個のことだけを理解して1 個のなんて言うでしょ?コツを理解してできるのではなくて複数のコツを全部理解してさらにそれをうまく組み合わせることができて初めてできるみたいなことっていうのがだんだん知的に行動のタスクになればなるほど起こってま例えば算数とか数学の問題でも微身分積分だけを知ってればいい問題とかま、もうちょっとシンプルにそのなんだろうな平方関性だけを知ってればいい問題とか色々あると思うんですけども難しくなればなるほど複数の知識を組み合わせて、しかも全部正しく組み合わせて初めて、えっと、できるようになる。ま、それがまさにそのこの急な立ち上がりの原因になっていると。はい。うん。で、さらに最後もう1 つするとその後にえっと、ま、物理学なので実験をやったら最後理論まで行きたい。そうですね。ちゃんと数で書かないといけないですね。はい。で、やっぱりその自然科学で実験から始めて、ま、アインシュタインがそのなるべく簡単だけれども簡単すぎないところを限界を見極めろってことを言っていてっていうのはその簡単にすぎるとこういう見たい性質も消えてし、現象も消えてしまうのでそれでたどり着いたのがこのまガシアンってそのえっとこれはもう理論モデルなのでご覧の通りもうめちゃくちゃだ点がいっぱい打ってるだけなんですけどもこうやってその点がこうやって四角形すいません。えっと、立法体の頂点にこうやって集まっていて、で、そうそうするとでも何がいいかっていうと、もう紙とペンで、えっと、溶けてしまう学習の家庭が。で、そうすると理論は実験をまず説明してさらに新しい予測を生むってのは理論の目標で実は予測が生まれてどういう予測が経ったかって言うとえっと概念をN 個多く組み合わせなければいけないけなければいけないほどその学習にまが山谷になすごいなんかその人生君みたいなことがわかいやいま、そう言ってしまうとあれですけど、でもすごい深い話ですね。なんか学習時間がまた横で、ええ、なんでこれがでY 軸がまたえっと何でしょうね。あの、ま、パフォーマンスとかとか能力とかそうですね。能力にしときましょう。能力にしましょうと。で、ま、なんでかって、これもなんか直感的に伝わるかわかんないですけど、例えば、ま、能力って干渉するんですよっていうのは、例えばテニスを、ま、テニスを最終的にうまくなりたいとして、ま、でもなぜか最初は、ま、雨かなんかで、冬かなんかで、じゃ、卓球をやりましょうと。うん。で、卓球をすごいやって多分最初はラケットを持ったことない人が卓球ってものを持ったら、あ、ラケットを持つってこういうことなんだとか、ま、ボールを見るってこういうこと。ま、休儀とかやったことない方だったらボールを見るってこういうことなんだ。で、最初はこうやってやってると滝がうまくなってきて、で、テニスラケットを持つと滝をやってなかった時よりもラケットがうまくれたりすると。ああ、なるほど。でもあんまりそのそっからさらに滝を極めすぎちゃうともうラケットこてほとんど平行にこうやってなんかそのスンとかって横にやったりしてる。ボールの大きさも違うしでテニスラキアと思った時にこうやってふンってやるとなんかあれボールが真下に行くなとか回転そんなかかんないなとか多分そういうことになる気がしていてだからそのまま似たようなことが能力の干渉っていうのが起こってまこれは例えばそのうんこれはまだ仮説の段階なんですけどもし GoogleとかOPA とかでその大きいモデルをトレーニングしてる方がいたらこれは何を売ってるかって言うと例えば数学の問題ももう本当の何問になればなるほど Nの能力を組み合わせないといけなくてはいはいでその難問っていうのは学習のさっきのデータセットに入ってないから面白いわけじゃないですか。うん。てなった時にあれなんか最初できるようになったのがちょっとできないぞと思っても難しければなそのはい。 N 個概念が必要だったら、ま、N-1 回の、ま、山、谷ありはありますよっていうのが、ま、これが 1つメッセージですね。はい。いや、これ面白いですね。あの、なんか直感的にも分かる気がします。多分これ見てる人も、ま、スポーツとか勉強とかやったことある人なんとなく数式わかんなくてもそういうもんだなってなんか分かります。これがなんかその心理学とかの面白いところでっていうのがこれまでその物理学とニューラルネットワークっていうのは案外密接につが歴史上繋がっていて、ま、ニューロンっていうのはその脳の神経発ので数字じゃないですか?で、フジクスオブインテリジェンスってわざわざなんかちょっとどでかい名前をつけているのは知性って言った時に最後その脳の脳細胞の発で止まるのではなくてそれがどう行動に出るかってとこにやっぱ自分たちは興味があってまなのでま、一言言ってしまうとこれまで心理学者が考えていったような哲学者が考えって言ったようなことってのを、ま、数学的に表現してあげる。で、 AI がこんなに社会を接していなければただ自分たちが数式を書いてもあ、まあ、なんかその数式かけて良かったですね。終わっちゃうんですけど、やっぱ本当だのて終わっちゃうんですけど、やっぱ今やる意味をすごい感じるのははい。えっと、これが高額的に例えばインサイトがあれば明日からそのAIをより良いものにするために、AIをより例えば安全で信頼できるものにするためにこのえっと数学的な枠組が使えますしと同時にもちろん自分は1番は知的に興奮しているというのが今のそうですね、このやることのままこれが 1つの一例なんですけどもこういうことのいろんな論理的思考とか数学を問題解く時の論理的思考はなんかその木の探索なんじゃないかといろんな例えば 3 モデルをこうやって心理学現象につけているってのが活動いや面白い。いやすごいですね。この知性の物理が。ま、これを見るとじゃあ人間の知性のま明が進むかもしれないしあとは AI を今後、ま、ガバナンスというかコントロールする時にどこでどう学んでいくかとか、あい間違ったことをどこで覚えるかっていうことも分かるじゃないですか。だ、ある程度その倫理を導入することにも可能になりますよね。そうですね。実はこれはすごい我々が嬉しかったのは、えっとこの研究っていうのが今アメリカのニストっていうその政策の国際標準を議論する研究機関がありまして、そこはその AI の安全性に対するもう本当政府の政策を策定してるとこなんですけども、ま、そういうところの政策定の文書にもこのこの仕事は例えば、えっと、ちゃんと、え、引用していただいてどういう文脈かって言うと例えばAIが2 つの組み合わせてはいけない概念を組み合わせて画像をとても有害な画像を出してしまうってことがやっぱりあありまして、で、そうした時に、ま、政策の策定者としては、その特定の組み合わせだけをデータから除去すれば安心安全なのかうん。もしくはそのAI が組み合わせる能力があるとすれば全然その政策とか規制のあり方が変わってきてしまうっていう中で、ま、そういうところでこうやって自分たちのその、えっと、研究結果とか、あとはもう何よりその考え方の枠組みたいなのを引用してその実際にその社会の制度っていうのを議論していただいてるってのすごい。なるほど。嬉しいです。な、テニスのコーチとかもこういう練習して変な癖がついちゃいけないからってことで避けながら、ま、名選手を育てるていうのいると思うんですけど、それと同じで AI をどうやって育てればいいかがわかりますよね。そうなんですよね。なんからそのAI は育てるものってのはやっぱ面白くてうん。やっぱこれまでのプログラムが走ってるだけだったら行動を書くだけですけど、やっぱエア育てないといけなくて、そうすると最後結構その直感的な感覚にいや、面白い。はい。ここでちょっとの物理がわかったとテーマの 2 にきたいんですが、ここでパーソナル哲学の時代が来るとここがすごく面白いんですけど、これをちょっと田中さん解説してもらってもいいですか? そうですね。これが実は今もう本業の物理から結構遠くはなってくるんですけど、一番自分が番、これ話本当そうですね。ほはこれを話、今はちょっと前提です。はい。いうところで来ていて、で、やっぱりそのはい、AI って実はその結構今はもちろんそのAI 使えますっていうコンテストで語られるんですけど、元々研究の歴史を見ても結構これは哲学的な論争みたいなところがありましてってのも先ほどから何度もえっと多分出てきているその知性っていうのは論理的で性的でアルゴリズムのようなものなのか、もしくは AIのパラダイムっはやっぱりその、ま、ジェフリーヒントンさんノベル書った人が AIの本当にパイオニアも AI今のニューラルネットワークっていう AIの1 番のその哲学的なインサイトは知は、ま、アナロジーである。うん。アナロジーであるっていうのはその先ほども今日の天気を晴れもその自分が今日こうやってお話ししている時にどういうことどうやって言葉をこうやって今生成してるかっていうのを考えてもやっぱりその頭の中でただアルゴリズムが走ってるってよりはもういろんな人ともう本当に毎日いろんな方々と研究のディスカッションをしてで多分そのディスカッションの経験の中でまデータが頭の中になんかの形で入っていて多分それをちょっと変形してくあの出してるというのは多分知性のあり方で、で、そうするとやっぱりその人間の人間が人間を見る見方が変わるんじゃないかっていうのを思っはい。ていて、ま、あとはもうこれ、ま、言い切っちゃうとやっぱ自分の 1 番最新の自分、自分自身に対する人間感は、ま、私はニュラネットワークであると、そのなんて言うんでしょう?あの、チャット GPTとかも1 番最初の頃て、いや、私は言語モデルです。ずっと言ってたじゃないですか。言ってましたけどはい。あ、僕も言語ルなんじゃないかなって最近思っていきて、それはあの語弊が平踏んでしまうといけないのでいいやすごいそうですね。そのそんななんか人間性を否定してるんじゃないかとそういうなんかその誤解を産んでしまうとむしろその人間性を肯定したいって意味。 [笑い] 性を肯定したいんですね。ちょっとどういうことかっていうとやっぱりニューラルネットワークって何でできてるかって言うとまずデータですね。ま、これはだから経験、ま、経験データと、ま、データがありますと。で、ここに、ま、ニュラル、ま、神経ネットワークですか、神経ネットワークがありますと。で、で、さらに例えば、ま、今の状況ですね。えっと、今の、ま、コンテクスト、状況っていうのがあって、これは例えばその何でしょう? えっと、AI に入力したユーザーの言葉とうん。えっとね、何が言いたいかって言うと、やっぱその地性っていうのはマイクが落っこっちはい。興奮すぎてマイクが怒っこっちゃったんですけど、ま、地性にはそのちって合ってますか? あ、地性あってます。アメリカ年であの言い訳なんですけど。いえ、いえ。はい。だからその知性っていうのは、えっと、知性のコンテクスト性ですね。知性のコンテクスト性っていうのが多分すごいキーワードではい。これま、知性っていうとなんか目の前に綺麗な原理、原則とかアルゴリズムとかがあって、それが論理展開してくれるて結構なんかその、ま、論理的なもので、逆に AI ってのは何でできてるかって言うと、ま、 AI が読んだ世界中の、ま、本とかみんながインターネットで喋っているその言語ですね、例えば。で、これがあ、それがそれを使ってこの膨大な南兆っていう量のパラメーターを GPUでこうやって調節をしてで、まずニューラネットワークができますと。で、さらにニューラネットワークが今この瞬間何を言うかっていうのはもちろんユーザーがAIに何を問いかけるかで決まるのでそれで初めてニューラルネットワークの応答っていうのが決まりますと。で、これていうの多分も多分すごいめちゃくちゃ当たり前のことを言っているんですけども、これを人間に書き換えても、ま、そうだなと思うことがありまして、で、例えば今竹下さんも、竹下さん、認知は何で作られてるかってのやっぱ目つぶって想像すると多分まずうん、やっぱ自分には分からないだろうなってことが分かるんですね。分かります。このすごい当たり前ですけど。いや、わからないんですよ。やっぱその経験っていうのはもう何十年にも呼ぶもうたおぎゃってお家でお前になってから食べたとか学校でどういうようなうん楽しいこともあっただろうし学校で孤独を感じたこともあっただろうしそういうことが全部この真剣ネットワークに刻まれているわけじゃないそうですよね。はい。歴史が刻れて歴史が刻まれていると。で、現在の竹下さんがどのようにお話しするかも例えば自分が何を言うかにも変わるし、今は撮影スタジオにいるので、ま、要は撮影スタジオの竹下さんであり、これがもしかしたらまた別のところに行けば飲み会に行った飲み会の竹下さんに変わると。うん。すごい。だからある意味ではすごい当たりなってるんですけども、自分たでこの AI の科学って言いながらニューラルネットワークを学習させればさせるほど、あ、こんなシンプルな先ほどの例えば丸三角四角みたいな、あの、あんなシンプルなところでもミステリーがいっぱい詰まっていて、要はそのさっきの話もどのような経験がどのような知性を作るかってのがあれが問いで問いでだからすっごいシンプルなんですけど、あ、全然理解できないんだなってのがそんななんだろう。いや、いや、面白いですね。うん。シンプルですけど、それを改めてゼロから説明してるのがすごいと思います。あの、直感的にはすごいみんなとなく分かってた方だと思うんですけどうん。 [音楽] で、やっぱりこれっていうのが多分今現代のあっちこっちの社会であのスポットライト浴びてる気がして、例えば最近その精神会のえっと増田先生って方ともよくお話 YouTube見ました。6 時間ぐらいやってましたよ。て例え障害とかの例えば精神医学だとこま年にあの世間に広まった概念でま発達障害ても結局は何かってうとまずなわけです。れっていうのは、ま、例えば予定が守れないとか、あなたはこういうことが普通はアルゴリズム的にはゴリズム的には何時に来なさって言ってるんだからここに何時に来ないといけませんよねっていうところからはみ出してまう、ま、みたいなのが、ま、人間がアルゴリズムだと過定すると何でも、なんで言ってもできないんだろうとか逆に、ま、自分は結構その当事者である場合も多いので、なんで自分はこうやって理性的に自分をこうしようって決めてもそこから逸出ししてしまうんだろうみたいなことが多分悩みそれはその自分の知性っていうのを論理的なアルゴリズム的なモデルで仮定するとそこのずれが気になるんですが、ま、逆にこう思ってしまうと、ま、そっか、いや、それわかんないよなと思わ、分かんないよなと思、その人それぞれが本当に絶対に分かり合えないぐらいの何十年分のデータ、今チャット GBT と喋っていて、ま、皆さんもどれくらい喋ってるかにもあると思うんですけど、ま、自分とかもその会話のログが無限にあるわけじゃないですか。あれっていうのは自分の人生まだ本当に 1% にも満たないぐらいの会話のログでそれの何十倍っていうものがもうもしたら何百倍ってものが自分の脳みそを作った経験として刻まれていてでそこにそれを刻んでる神経ネットワークがあってここにはだからこれを理解するために例えば生物学とか遺伝子学も含まれるわけですよ。ま、農科学センターにいで、農科学も、えっと、一部やっているのでやっぱその人によってどういう風にドーパミンが反応するかが違ったりとか、ま、これは、ま、遺伝子で決まってるとま、なので、ま、こんなん体操そうなこと散々言っていく結論はすごいシンプルでいやわかんないんだなってのは分かる。そうですよ。で、わかんないのに不思議なのはで、これをみんなが持ってるわけじゃないですか。あ、もう1 人、えっと、これ人間AだとしたらBもはい。この経験があってはい。で、えっと、神経ネットワークがあってはい。で、ま、コンテクトがありますよね。はい。はい。で、そうなってくるともうこの辺まではもうわかんないですよ、絶対。でもでもここで触れる時、このお互いここで交流するじゃない。社会なのでこのインターフェスがすごいんじゃないですか?このわけわかんないもの同士がぶつかり合って言葉をわしてもなんとか理解し合って社会を作ってるっていうのはなんでなんだろうと思いますよね。そうですね。だからこのユーザーインターフェスめちゃくちゃ優秀な気がします。そうですね。確かにそこにはもう多分言語を超えたなんかその非言語的な多分動きとかから多分人間って多分すごい感じとる力が確かにおっしゃ。例えばここで私が急に殴りかかったりとかしないじゃないですか。だからなんかここあるんですよ。このインター確かに何かその信頼あとは逆に信頼できるかどうかを察チするなんかその身体的なんかはい。例えば人間だったら全くこういう姿形がなんか自分と同じだなとかですよね。確かに。で、ま、結構その経験が同じだなとかって共明したりもするじゃないですか。で、これを今度もう 1 歩しめるとどういう話になるかっていうと、今 AI のオープンソースかって話があるじゃないですか。はい。で、これも人間で最近ずっと考えていて、ええ、人間が人間の理解をしきれないのは実は人間がオープンソース化されてないからなんじゃないか、ま、人間っていうのは今ここだけじゃないですか? ほ、ま、表面しか分かってないですよね。これっていうのが今あのテクニカルに API って呼ばれるもので、あのチャットGPT とえ、確かにそうです。めちゃくちゃ面白い例ですね。なるほど。あの、人間ってこれまで歴史上 APほぼAPIだけなんだから私と田中さんもすごい表面的な接触しかしないですよね、今。もした下さんがあの言語モデルだったら僕は竹下さんの中脳の中のニューロンとかシナプスも見たいし、なんならその学習で使われたデータも全部見ないとでこのあの今 AI の業界でオープンソースって言われるのはむしろここでここは絶対隠すんですよ。だからこれがだからそのあの、あの、なんだろうとかって、あの、あの、もっと Facebook、Facebook やってメタとかがオープンソースって言ってるのは、えっと、ま、モデルと喋れてラマとかっていうのがで、かつニラネットワークのパラメーターは、ま、上げますよ。あげますよ。はい。でもなんで上げられるかって言うと、結局例えばここは隠れているし、ま、どういう学習ルールで学習させたかも隠れているとはい。うん。で、本当のオープンソースってのは多分ここまで全部含めてます。そう。もう、もう本当のドロドロしたローデータみたいなことですよね、これは。はい。はい。だからなんだろうな。うん。 AIを理解しようっていうのを5 年やってきて、AI の理解に何が必要かっていうのを、だからAI がなんでこういう風に行動するんだろうっていうのを理解したい時にどれだけこのデータ経験が必要かってのさっきの研究もただ一例ですけども痛いほど痛感してきていてこれからよくも悪くも例えばここっていうのがすごいデータ自体が取れるようになってくるんですね。例えば今の小学生のお子さんとかが毎日チャット GPTに学校でこういうことがあったんだよとか学校であとま、スマートウォッチとかつけてればいいんなデータも記憶できますよね。え、そうですね。だからこれまでその例えば大人になってちょっとトラウマがあるって自分に気づいた時にうん。ここは記録されてなかったわけじゃないですかね。そのはい。どこのトラウマなんだろうとなんか昔嫌なことあったかな。ま、それを引き出すのがすごい心理学とかカウンセリング抑圧で忘れてることもあるかもしれないし、ちょっと覚えてることもあるかもしれないし、でもこれが例えばこれが全部溜まっていくわけじゃないですか。だからやっぱ一言で言うとそのAIの理解に必要なのはこのデータ神経ネットワークとコンテクトであるっての散々この全てが必要で散々AI の研究で通感してきていてそれを人間に立ち帰人間もまあ人が人を理解するにはこれくらい必要も最低限必要だろうといやすごい分かります。そうすると例えばなんで今目の前の人は私にこういうことするんだろうとかはい。ひどいんじゃないかとか思った時もなんで争いが起きるんだとかそう分かりますよね。うん。そうですね。戦争がなんで繰り返されるのかとかあとはなんでそういうなんだろうな偏見があるのかとかってのを考えた時にはい。これが全部あれば、あの、皆さんAI サイエンティスト、AIのニューラルネットワークのサイエンティストになって、目の前の人のこれが全部あれば、あ、目の前の人もこういう辛い経験が昔あったからこういう風にちょっとひどいように一瞬見えるけど、これは目の前の人のトラウマ、トラウマのはもうもはや過去の経験からのアナロジーで現在のえっと行動が感情とかそういうものに支配されてしまうのは多分トラウマなので、ま、そういうことがあるんじゃないかとか。だからその人間が人間をまず理解できないっていうことを心から納得するってこととその上でこういうなるべくあのこういうものがあるっていうのを想像しながら理解しようとする多分この 2 つってのがこれから社会をよりなんていうか、ま、優しいものっていうか、よりなんだろうな。うん。にするために必要でうん。多分ですけど、今の小さいお子さんとかはこれをこの世界観で育っていくんじゃないかなっていう風に思うんですよね。やっぱチャット GPT がなんか変なこと言ってもみんな怒んないじゃないですか。なんででしょうと。チャットGPT が急に僕に悪口を言いましたと。うん。怒んないじゃないですか。チャットGPT なんでかっていうと皆さん直感的にあ、なんかデータが変だったのかなとか。あ、ああ、なるほどね。うん。そっか。だから人間に怒られたらよくわかんないですけど、もしかしたらその経験でそうなってるかもしれないです。だからその人が悪いってよりはうん。は、入力したデータが悪いからせっかく悪くなったりしてるかもしれないです。うん。ですよね。皆さん多分思考としてはチャット GP がすごい怖いこと言ってる。なんでだろう?多分あ、インターネットの変なところにそういうなんかホラー小説とかそうそうそこからも文章を取ってきてんじゃないかなと。なんかチャットGP で悪くないよって思いますね。ですよね。だからそこに何かチャットATトGPT っていうなんかそのチャットGPT が悪いってそこになんか個人個人、個人個人みたいなもの責任を追求する個人すごいことですね。そうするとなんか法律とか個人とか社会の考え方すごい変わると思うんですよですよね。でもだからそうだからと言って責任を取らないとかそういう話ではなくて逆に言うとこういうのが分かれば分かるほどま全部その現象として受け入れた上で自分がこういう風にどうしても振るまってしまう皆さん例えばもう本当遺伝的にはい脳が何かその普通とは違ユニークな風に動作してしまうことでずっと自分を攻めてる方とかま自分も結構そういうとこあるんですけどいらっしゃると思うんですけどもはいそういう時にもうちょっとなんかその淡々と対処できるうそうてすごいあんまり感情的にならずにはい。分かります。はい。考えられるじゃないですか。時計が壊れたらとか。だから似たように、ま、人間も自分がとか他人がうん。何か理解できないっていうのを思ったらちょっと 1 回冷静になってこれは経験なのかな?もしかしたらその神経的な何かがあるかもしれない。じゃあ問題解決をどうやってやろうってその淡々とした世界観っていうか確かに。いや、すごく面白いなと思った。ま、最近あの文芸評論家の三宅かほさんっていう人番組やってて、もう文学読むようになったんですけど、おそらく今まで文学がこれをカバーしてたと思うんです。人間の経験とかどろどろしたものをもうとにかく遡って抽出してその、ま、偉大な作家の想像力でキャッチしてたと思うんですよね。そうですね。で、それをもっと新しい文芸評論が生まれてくるというか、でまさにそういうことに最近これちょっとすごいもうなんちゃってで AIに入れたらこれは何ですか? えっと、すいません。またマイクが取、マイク。もう興奮しすぎて興奮しすぎて。そう。ずこうやってそう興奮しすぎてることで悩んでいるんですけど最近はい。すいません。こういうのも進歩してほしいですよね。すいません。はい。じゃない。すいません。ありがとうござい。なんか未だにこういう紐マイクはい。ま、いいや。はい。 [笑い] J日だからこれがなんかこれはもう本当に皆さんプロンプト入れたら O3 とか誰でもすぐ出てくるものなんですけども何をやったかって言うとはい。うん。おっしゃったように元々やっぱ結構小説っていうのは 1つ人のモデルはい。人がどういう人かを表す表現思考とか遡って人間の根本まで到達するのが小説だと思います。ですね。で、まさに例えばフロイトとかって歴史的に無意識っていうのを発見したって言われてるんですけども、それもまさにその今の話の土台を作っていて、それまでは、ま、意識があって、ま、我を我を思うに我ありじゃないですけども、人間ってのは結構理性的にはい。な存在であるっていうところから実はフロイトっていうのは人間にはその意識に登っていない意識の表層意識ってのはまだまだ山の一角であってその下には無意識ってのは眠っていると。ま、多分現代的に解釈すると無意識ってのはこういうなんていうこのこのねはい。なんかその自分ではえっとメタ認知できないんだけれども自分の何か脳みそを作っている何かの要素とか多分そういう風な説明ができると思うんですけどもまでフロイトも例えばそのえっとシェイクスピアのハムレット書説を使ってエディプスコンプレックスっての定義したりままだからその元々精神分析とかその精神医学哲学のコンテストでもその小説の人のモデルとして解説とかギリシャ哲学とかはいう行われていてでまそれにインスパイアされてすごいええ、なんちゃって手ではあるのですが、ま、今何をやったかって言うと、ギャッツビーって、ま、映画化されて、あの、フィッツジェラルドの偉大なるギャッツビーと小説をやってるわけですね。はい。そうですね。それは今小説自体がまずオープンソースになってるとだから経験がオープンソースになってわけですね。それ小説オープンソースなので。ま、あれも20 世紀初島のアメリカの経験がぶち込まれた小説。そうですね。だからそれをデータに入れて、で、今度とこれ今朝やったんですけど、チャット GPTのO3って最新のモデルですね。はい。そのモデルに、ま、ギャ日のこの小説を読んで、ま、その最新の精神医学とか心理医学などの知見から、えっと、ギャビっていう人を分析してください。面白くってますね、田中さん。はい。これが何を表現したいかって言うと、皆さん映画とかを見ると例えばギャッツ日を見た後に、あ、自分はギャッツ日嫌いだなとかって結構簡単に言う。あ、確かにちょっと鼻につくキャラクターですよね。ですね。ま、嘘をつくから悪いやつなんじゃないかとか。そ、僕は好きですよね。ですよね。だからそれがでもそ、なんていうか、その映画を見た後にその例えば主人公を表現するうん。情報量がどれだけあるかって多分これからどんどん増えていくと思っていてっていうのがそのこれまでは人間をルールベースだと思うと、あ、ま、ルールに従っていたから正義感のある人なんじゃないかとか、誠実な人なんじゃ、ルールに従っていなかったから悪い人なんじゃないかとか結構簡単に結論けていたところが例えばこうやって、ま、これも本当にんでしょう。 O3 がただ出しただけなので正しい正しくないって自分は別に専門家ではないので検証はしていないのですがま、1つの想像としてこうやってギャッツB 自身がまノスダコの小さな少電だった頃のことを覚えていますと我シストでとそのああそっかやつ日にもいろんな事情がある事情がそう面白いですねとは事情があると思うとまだから怒りっていうのは結構そこでも止まっちゃうんですよね。その怒りとか恐怖っていうのは理解を止めてしまうもので、ま、科学者としても常にその自分の仮説が間違っているんじゃないかっていう恐怖があって、そこの恐怖にして支配されてしまうとそれ以上理解することができないわけですよね。で、人間も多分同じで、えっとやびって人を例えば 1人の人を理解するっていう時にその背景にこれくらい大きいものがあるんじゃないかっていうことだけでもイメージしておくと、こうやって読んだ時に、あ、これ多分全部仮説だと思うんですよ。仮説ですね。なんでしょうね。こうやってあ、そうか。ま、ギャッツビーってあの小説読んだ人分かる。色々とま、パーティーっやってるじゃないですか。ま、豪華なパーティーでもその裏にはこの貧しいアメリカの地方で住んでいたことの少年時代の、ま、闇みたいのがあるとですね。そうするとちょっと、ま、あんな派手に遊んでる人も、ま、ちょっとろんな事情があるんだなってことはしい。多分これもなんかただ別に専門家ではない直感なんですけどなんか結構なんか世の中ってその愛情が必要な人であればあるほどもらえないみたいなアイロニーがすごいある気がしていてこういうのとか見るとまギャビーも一見愛されキャラではないですよね。そのでういうところのそのいつも自慢ばっかりして経歴差し嘘までついて毎日パーティーやって華やかにやってでもこうやって見るとギャッツ日はもしかしたらこうやって小さい頃のトラウマがあってその他者からの証人っていうのをすごい活動していたのかもしれないとまそう思うとなるほどむしろギャッつ日ビっていうのはそのお金もチームも愛も全部持ってこ自慢したい悪いやつっていうそういうま見方からあもしかしたらむしろ 1 番そこに植えてる人なんじゃないかっていう風に味方が一気に確かに自分はこうこういうのを読んで変わるわけですよね。で、ま、あの、もう多分すごい大事なで何度でも繰り返すとこれは 1 つの見方であってま、人格ってのはこのニュラネットワークで触れれば触れるほど 1 つの説明で全部が説明できるほど簡単なものではないないのですがはい。あ、こういう見方があるんだなっていうのを何通りも知ることでよくも悪くもそのあんまりその人に対して強い感情を向けなくなるというか。確かいや面白い。ちょっとうん。あ、どうそうそう。そうですね。ま、これもなんか無限にこういうタブがあるんですよ。ま、カップルセラピーとかってそのデイジーとのギャつ日ビはそのデイジーっていう人を理想化して [音楽] 理想化してはなんかすごいま残念に思ったりとかそういうなんかすごい不安定なダイナミスがあるんですが、ま、そ、そういうのもこうやってなんかそのなんでしょう。とかでエクササイズとかをしてもらったりとか。いろんな角度からギャ日ビをもう1 つ言うとやっぱその心理学とか農科学って今結構もうここ最近急に知識が溜まっていてこれっていうのは多分誰でも知れば人生が豊かになる知識なのでま、こういう風にちょっと楽しみながらじゃないですけど映画を見た後とか小説を読んだ後にこうやってちょっとなんかその人の分析とかをしてもらうとちょっとこうやってあ、面白いです。全部なんちゃってですけど、こうやったら薬物療法とかそのギャッ日の小説の主人公に対して、ま、こうやって、ま、ギャッ尾日は脅迫的な理想化がありますよね。と、で、これは、ま、もしかしたらドーパミンが報酬系がなんかちょっとトラウマとかで愛を求める。 [音楽] うん。だからこう、こういう風にもしかしたらですけど、今の、えっと、これから育つ子供っていうのは AIと喋ることで、ま、要はAI と喋るってすごい効率よく本読むようなことでうん。うん。自分、あ、なるほどね。AI ってのは自分の中でも大きい図書館でかつ自分が何かを問いかけるとその問いかけに対して 1 番関連している本の1 番関連している一説を抜き出してアレンジして見せてくれる。ま、オンデマンドのめちゃくちゃフレクシブルな大きい図書館っていうのが AIでいや、そうやってAI を捉えてる人はま、初めて会いました。面白いですね。なるほど。なのでそうですね。ちょっとこれで最後のテーマ行っていいですか?あの、まあ、 300 年後の人の姿で、で、これ大事なのはだからてギャピの、まぱ個人がもしなんかギャ悪いことしたら面積されるっていうか、それで責任追わないわけじゃないじゃないですか。でも、ま、 [音楽] ギャビーをもっと理解できるし、もっとフラットに接することできるし、ま、場合によってはギャッツ日を助けることもできますよね。 [音楽] で、こうなった時に、ま、300 年後の人類ってどうなってると思いますか? そうですね。ま、300 年なのでちょっとずつうん。先を予測していくとはい。ま、これも全部理想論なんですけど、やっぱまず 1 つはやっぱりパーソナル哲学の時代が来ると思っていて、ていうのはこれはやっぱり一言で何を売ってるかっていうと自分たちが思っている以上に人は違うとで違うって言った時にこれまでその、人種とか性別とかいろんな切り口がありましたけども、やっぱその認知世界の多様性っていうのがやっぱりもう最近キーワードになりつつはい。あって同じ状況でもその人がどう感じてどう行動をしたいかってたら違うと。うん。だ、データがみんな違うわけですからね。同じデータで生きてる人はいないってことですもんね。で、やっぱりそうするとじゃあ何が必要になるかって言うと、そのうん、ま、哲学って言うとなんかちょっと行業しい気もするし、自分も哲学者ではないので素人なんですけどやっぱりそのはい。ま、哲学って言葉の使い方として自分の世界観とか価値判断基準してその行動の、ま、指針、意思決定の指針みたいなものだとするとやっぱその、ま、自分も今毎日 AIと喋りながら自分のことをこういうはい。うん。ま、大きいドキュメントを作ったんですけど、自分のその経験と自分のおそらく AIと喋りながら神経科学的特性と、ま、あとは今の状況とで、パーソナル哲学っていうのは自分の中で何かって言うと、これにさらに、ま、もう 1 個注意点としては事故の内性だけをしてもやっぱり非現実的ではないこともあるので、ま、これにさらにその社会との調和ですね。うん。これは結構大事で、えっと、哲学っていうとあれですけど、価値基準みたいなものはい。だとして、で、そうすると、ま、自分っていうのを深く知りながらかつじゃ、自分の認知特性とかその自分の性質っていうのがどういう風に社会と、ま、パズルみたいにはまるか。ま、資本主義って結構レ、レゴじゃないですけど、結構皆が同じ形で大きい組織を作るっていうところにこれまでの教育とか、えっと、組織のあり方も最適化されていたのが、えっと、なるべく自分のことをパーソナを、ま、探求しながら、ま、これはもう 1 つ大事なのがこれがの探求ですね。っていうのがこれは一言で言っちゃうとパソの哲学の時代ってこれまた感じがないですけど。あ、分かった。えっと、あの、10 年ぶりの感情書いてですけど、えっと、これがだから、あの、パーソナル哲学って、ある意味常に仮説だっての大事だと思っていて、ま、科学者も自然、ま、物理現象ですら全部仮説でニュートンの運動法程式が正しいと思ってたらひっくり返えると。だから自分がいかなる人間っていうのも常に仮説であって人生を生きていく上でいろんな経験をする上でどんどん更新していくものであると。だからこのパーソナルを探求しながらその中でその社会と対話しながらアップデートをして行動していくっていうのがまずこれからの1つのあり方ででそうすると自分より深く理解した次のステップとしてこの認知のマッチングっていうことがあると思っていてこれまで人と人が触れ合う時ってその触れ合うとあの繋がる時ってのはなんか例えばその表面的なラベルがま性別とかあの社会的なその何でしょうねそのあの会社とかそういうとこ表面的なところで繋がるっていうところからまもうちょと認知で繋がりたいっていうそのああはい。願望が出るんじゃないかっていう先生の話はそこのマ田先生とこないだしてたんですけど認知マッチングですね。で、これももう300年後って言っていただいたので結構もう理想論ばっかりになっちゃうんですけど、そうするとじゃ何が起こって欲しいかって言うと自分も日本とアメリカって2つの国で暮らしてやっぱりその日本の調和の良さのま、帰ってくるたびに本当に感じていて日本に帰ってくるとま、本当にその社会が本当になんかあの鈴木県さんですけど滑らかでハーモニーでま、その日本の中では少なくともそのま、いろんな問題とはいの国と比べる比べるとなんかその込めてるっていう感じです。これは日本人ではなくて外国の方とかになるとまた色々問題が課題があったりするかもしれないですけども、ま、一応日本人の見てくれとかをして日本の社会に入ってくるとすごいなんていうか、えっと、日本の様式とかカルチャが分かってればすごい溶け込める感じがしていて、で、会社とかも多分その、えっと、大企業とかで長年勤める予もある、もちろんあると思っていて、それはやっぱりその深い人間関係、長期的な人間関係を身の前の人と気づいて長い時間、そこでその調和をどんどん高めていくと。で、逆にアメリカの世界観は結構殺伐としていて、ま、 AIの業界なんか特にそうですけども、もう自分っていうのは1 人の独立した人間で能力を持っていて、で、自分がこの会社で働いていても明日の会社からオファーを取ってうん。お給料を上げてくれないなら去りますと。で、会社は会社で、ま、あなたはもうつ解雇されるかはえっと、もう即実解雇できますって、どの契約書にも書いてあるのはアメリカじゃないです。その自分の事故っていうのがしっかりあって、それを自分の能力で生きていくとで、 AIが人と人の理解っていうのをこれから深めてさらに加速させていくと思うとそのことでこの2つってのがだんだん2体率じゃなくなるんじゃないかっていうのが1 つ大きい希望でこれからもっとなんかその深く認知的にマッチングした人とマイクロクラスターの社会の中で作ってでそれでまその中で解き合っていくんだけれども誰とマッチングするか自分で選べるみたいなそういうは1つ大きい。いや、面白い理想が来るんじゃないかなと。分かりました。ありがとうございます。ま、あの、多分これは今までだったら映画好きな映画で繋がるとか、あれは認知でマッチングしてたんだと思うんですよね。趣味とか、あの、もちろん表面的な、あの、小説の面白さとかあった、その根本に感じてる、この面白いと思ってる人と仲良くなりたいっていうのは多分そこが一致してなんだ。ま、多分チャットGPT は今人繋げられちゃうんですね。はい。え、はい。もう自分のことをいっぱい知ってるので1 番僕と相性が良さそうな。絶対マッチングサーフィス出てきますよね。チャット。 GPTが分析した。そうですね。だからそういうことが起こるんじゃないかなと。ちょっとまた来てください。なんかまたどういう風にこの知勢性の物理学発展してたのかまた聞いてみたいと思いますのではい。以上となります。皆さん是ひチャンネル登録もお願いします。本当に田中さんのまた来てもらうかもしれないし、田中さんのようにもう再先端の方をどんどんお呼びする番組です。以上となります。ということで、え、本日は田中秀典さんとお届けしました。どうもありがとうございました。

Get Our Mobile App

【AIとずっと対話する研究者】ハーバード大×NTTリサーチで新たな学問「知性の物理学」を作る田中秀宣／パーソナル哲学を探究する時代に【CROSS DIG 1on1】

Transcription