「人間の��性(Human Intelligence)を�}本とし、人間を���vる思考�ξ�を�eつ����をAI(Artificial Intelligence)と�}び、その����の開発を進めて来た」とは思えるのだが、AI開発は�Jに約70�Qもの歴史を�eつ。その間の先人研�|�v達が�R�`し�Dり組み�`指した�妓�(アプローチ)は余りにも幅広く、また深い。しかし、現代の我々が開発を行うのであれば、先ず、その�`的�颪瑠�要や性�χ`�Yを出来るだけ��確にすべきである。 そこで、筆�vは、可�Δ辺J囲で、その人工���Δ箸浪燭任△蝓�何ができる機�Δ任△襪戮�なのか、について調べることとした。 今後、数�vに分けて、その��要を報告してみようと思う。

混迷する人工���Δ猟蟇I

ニューラルネットワーク�\術の進�tには、��常に�Hくの基礎的な学問分野が絡んでいる。 筆�vが�瑤襪世韻任癲�
　・哲学、心理学、教育学
　・言語学、認��科学
　・�斃�学、神経科学、医学
　・�b理学、数学、���Q機科学、情報科学、システム科学
　・�駘�学、�擴蹴悄�
等々が関与しているのではないだろうか?　その��容は、当��ながら、筆�vにはイメージすることもできない。 そこに登場する、例えば「数学」という1学問でさえも、��にその中で、���Q複雑性理�bや、統��学、確率�b、集合�b、情報理�b、グラフ理�b、ゲーム理�b、等々と様々な分野が登場する。

恐らく、そのように�H彩な分野が関係することが、�Bを�Mしくしているのだろうと思う��「人工����(Artificial Intelligence)」という言��の�T味する所は、アカデミズムの分野間で異なるだけでなく、研�|�v�k人�k人の単位でさえも違いがあるという。

参考�@料1の情報通信白書では、「人工���Δ箸浪燭�」と��する項を設け、「その(人工���Δ�)定�Iは、研�|�vによって異なっている�X況にある。その背景として、まず『そもそも、��性や�����O��の定�Iがない』ことから、人工的な���Δ鯆蟇Iすることもまた困�Mである��情が指�~されうる」と、「人工���Δ���確に定�Iすることは困�M」としていた。(その後、この問���T識がどのように扱われたのかについては、ウェブ�屬掠@料を見つけることができなかった。)

学術分野の分類という�Cでは、余り���yに定�Iせずに、様々な見解を包含している�気�良い場合も�~り�uるのかもしれないが、工学的なR&Dとして考える場合には、ゴールの�e(その人工���Δ瑠�要)を出来るだけ���y化してコミュニケーションを開始しなくては、議�bは収�Jしづらい。「どのように実の在る�bが�擇泙譴襪�」は、最初の定�I��けに�jきく依�Tする場合も少なくない。そこで、人工����(AI)のイメージを、どのような角度から捉えて行くのが良いのかを先ず考えてみた。

アプローチ別にみるAIのイメージ

�i述の学術分野別に、「研�|�vが、人工���Δ鬚匹里茲Δ膨蟇Iしているのか」を調べることは、余りにも膨�jな作業となってしまう。 そこで、PCの�z検索ツールにて、「Definition of the Artificial Intelligence ?」で関連するコンテンツをあぶり出し、��に、以下の5つの��点に分けて調べることとした；

　(a)現��　 ：人間の行動や発�[に見る「��性の発現現��」
　(b)�j構�] ：新��の情報を�擇濬个校伝箸�(マクロなアーキテクチャ)
　(c)理�b 　 ：デジタルコンピュータの�ξ�限�c、等。
　(d)�v路接��：人間の�N内神経�v路の接��構�](メゾスコピックなアーキテクチャ)
　(e)細�霍暑]：神経�v路の細�霍暑](ミクロなアーキテクチャ)

(a)は、人間のスケール(主に、コミュニケーション)にて、人間の��性にアプローチする。そのようなアプローチは、2000�Q以�屬���常に長い歴史を�eち、哲学、言語学、社会科学からの�bも�Hい。但し、工学的なR&Dに�Zい立場からは、�{�`感があるアプローチである。

(b)は、��性を�擇濬个后嵋N」の��動を、�N����のスケールで捉えようとする。

(d)や(e)は、�Nをミクロな��点から調べ、人間の��性にアプローチする。元集積�v路設��に関与した筆�vには、なじみやすいスケールではある。 但し、同じ細�霍暑]といっても、�C伝子による組�Eの発現が関与する�擴蹴愿�現��については、深入りし�Mい。

恐らく、�T�bを導いてくれるのは、(c)の「理�b」ではないかとの予�[を�eちつつ、まずは、(a)の調�hを始めることとした。

��性の発現を現���Cからみるアプローチ

「Definition of the Artificial Intelligence?」を検索すると、すぐさま、画�Cには、「0.07秒間に約1,760,000�P」という小さな文�Cと共に、そのうちの�岼�10�Pと思われるコンテンツが表��された。 その「検索�]度の�]さ」と「ヒットした�P数の膨�jさ」に驚いたが、�Hくの「AIのDefinitionに関するコンテンツ」が並んだ��　
そこから、幾つかの�b文をピックアップして調�hを始めた。

(1)Shane Legg, et al.著の「A Collection of Definitions on Intelligence」(参考�@料2)

Shane Legg��は、機械学�{の専門家で、2014�QにGoogleに�A収されたDeepMind Technologies社の主要なメンバーであった。 2007�Qに発表した同�b文の中で、「Despite a long history of research and debate, there is still no standard definition of intelligence」と切り出し、定�I問��を�Dり�屬欧���　

約70ものソースを参考として、「環境と格�hしながらもゴールに到達する�ξ�(Intelligence measures an agent’s ability to achieve goals in a wide range of environments)が、Intelligence(��性)である」と、それらの見解をまとめ�屬欧討い�(�R1)。 そのソースに使われている単語は�Hくのソース間で共通している。 そこで、この�b文があぶり出した「��性の表現」において使われている単語を、�@刺と動詞に分けて�Rい挙げてみた(表1)。

表1　「��性（Intelligence）の表現」において使われている単語　出�Z： 参考�@料2を元に筆�vが作成

�@詞表現は、「��性(Intelligence)」の��的な構成要素であり、動詞表現は、動的な要素と見て差し�Г┐覆い世蹐�。 Shane Legg,のアプローチは、「AIに、これら単語に�官�するサブ機��(もしくは、アルゴリズム)の搭載を求めている」と、筆�vは見なした。 �@詞表現も、�官�する動詞に読み��えて、動詞表現に含めた�気�良いのかもしれない。

�k般的には、このように人間が�eつような�@��的な��的�ξ�を�eつAIは、Artificial General Intelligence(AGI)と�}ばれ、時に、�咾�AIと�}ばれる。�瓦垢觚俊XのAIは、��化型AI、もしくは弱いAI、Narrow AIと�}ばれる。
AGIは、��化型AIを�H数ハイブリッドに�T合して構成する、とイメージを�Qく研�|�vがいるようだが、筆�vには、�@��性を�uるには「�@��なサブ�v路が並ぶ」とのイメージを�eつ。 筆�vが探すのは、実は、その�@��なサブ�v路とそれをまとめ�屬欧諞���アーキテクチャであり、��ってAGIであるが、��直な所、感情を発現させる�桔，砲聾什澆篭縮�を�eっていない。

Shane Leggのアプローチにおいて、要求機�Δ詫�解できる可��性があるが、「��性を、どのように発現させるのか」や「機械の動作の中から、なぜ��性が発現するのか」、という構�]に�瓦垢覽震笋砲蓮�答えてくれそうもない。このように考え、次を「�b」の調�hへと進んだ。

(2)Dagmar Monett , et al著の「Definitional Foundations for Intelligent Systems」(参考�@料5)

ドイツのComputer Scienceの教�bであるDagmar Monett��らは、同�b文において、Intelligence(��性)のQuality(��)のCriteria(基��)となりうる表現を5分野に分けて抽出した(表2)。同��の��点は、Intelligenceを��の�Cから捉えるため、「高度なIntelligenceが�△┐襪戮���徴」を述べている感がある。

表2　Intelligence（��性）の��を表現する単語　出�Z： 参考�@料5を元に筆�vが作成

このようなアプローチも、��的機�Δ諒�類�桔，箸靴討詫�解できるが、やはり��性の発現�桔，離劵鵐箸砲呂覆蠅砲�い。 ��って、また、次の調�hへと進んだ。

(3)Dimiter Dobrev 著の「A Definition of Artificial Intelligence」(参考�@料6)

Dimiter Dobrev��は、ブルガリアのソフィア�j学の数学�v(��にインフォマティクス)である。2005�Qのこの�b文は、Knowledge(��識)の搭載を�i提とするTuring Machine(参考�@料7-9)と�竿罎気擦�、「Knowledgeを含まないMachine」を定�Iしようとした。Turing��のMachineは、予め、予定する動作が書き込まれたプログラム(テープ)が容易されることを�i提とするが、Dimiter Dobrev��のMachineは、初期�X��では「白�Lのテープ」であるため、定�I�屬�Turing Machineではないこととなる。

その�屬�、そのMachineには、プログラムや��識を�擇爐海箸鰺��个垢襦�つまり、Dimiter Dobrev��は、��識を�eたない�靴麕靴�、��識を�耀uするプロセスを�擇�����を発��しようとした。そして、そのMachineの構�]は次の機�Δ鵄[定した；

　1)　��数のプログラムを内�鼎垢�
　2)　情報と情報を�Tぶ連�[機�Δ魴eつ
　3)　外�陲�らの入��に加え、�O分の出��を�O分�O身に再入��するループ構�](入れ子構�])を�eつ
　　 (��って、外�cからの情報を�Dり込み、内�陲砲發��kつの世�cを形成しようとする)
　4)　内�鼎垢襯廛蹈哀薀爐鮓〆�し、�X況に最も適したプログラムを探し出す機�Δ魴eつ
　5)　それら複数のプログラムを組み合わせて実行する機�Δ魴eつ

内�鼎垢詈�数のプログラムの中から、�X況に最も適したプログラムを探し出し、それら��数のプログラムを組み合わせて、新プログラムの�t��を作成し、��にその�t��に�瓦靴謄灰鵐謄好箸鮃圓ぁ∈任睛ソ┐甫t��を判定することをイメージしている。 ��って、検索が、内�霪虻遒砲�いて�_要な位����けを�eつ。

Dimiter Dobrev��は、外�陲�ら�pける情報を����の中にデータとして�Dり込んだあと、そのデータを連�[機�Δ砲茲辰童〆�し、再合成し、再合成した中から適切な合成を�D捨���Iする����を設��しようとしたのだが、「Really, this algorithm is useless due to the combinatory explosion.」と、現実的なアルゴリズムを発見するには至らなかった。

(4)Marvin Minsky 著の「Steps toward Artificial Intelligence」(参考�@料10)

より時代を遡った、コンピュータやAIの議�bの草創期の中に、筆�vは、より����的な構成の��察を見��けた。Marvin Minsky��は、数学�vであり、John McCarthy�� と共に、20世紀中頃の�盜颪鯊緝修垢襯灰鵐團紂璽寝奮悗簀���科学の専門家であり、�~�@な1956�Qのダートマス会議(The Dartmouth Summer Research Project on Artificial Intelligence、参考�@料11)の発��人の1人である。

ウィキペディア(参考�@料12)によると、1940�Q代に、Marvin Minsky��は、Warren McCulloch��、Walter Pitts��らの人工ニューロンのネットワーク(参考�@料13、14)の研�|に感銘を�pけ、ニューラルネット研�|の開���vのひとりであるFrank Rosenblatt��(参考�@料15)とも親交もちつつ、1951�Qには、世�c初のランダム�T線型ニューラルネットワーク学�{マシン SNARC(Stochastic Neural Analog Reinforcement Calculator)を��作している(�R2)。

Marvin Minsky��は、同�b文(参考�@料10)の中で、人工���Δ髻嶷Mしい数学問��を経�x的に解くコンピュータ(Heuristic Programming)」と表現し、その仕組みは、
・検索(Search)
・パターン認識(Pattern-Recognition)
・学�{(Learning,)
・��画(Planning)
・帰納(Induction)
の5�j機�Δ�ら考えるべきだと記している。筆�vは、この5�j機�Δ�、プログラミングで使われる高度な命令(Instruction)に�瑤擦謄ぅ瓠璽犬靴�。

同�b文は、余りに�Hくの引��を含むため�科�に読み解くことはできなかったが、筆�vなりにまとめると、以下に��徴があると思われる。

1)　Intelligence(��性)が発現する機構を理解するには、創�]性や心(もしくは�T識)、��に、�T思がどのように発現するのかについて理解する��要があると考えていた。(この点は、�i述のShane Legg��やDagmar Monett��らのアプローチや��点とは違う。Dimiter Dobrev��の発�[には�Zい。)
2)　経�xの中から、���Ю�を発見する機構の解��が�_要であると見ていた��　
3)　Intelligence(��性)は、外�霈霾鵑箸隆愀犬��咾にN内の世�cモデルと、外�霈霾鵑箸隆愀犬�弱いマインドの間のIntrospection(内省)によって発現するとした(図1)。

図1　Marvin Minsky��のIntelligence（��性）発現のイメージ　Intelligence（��性）は、身��からの情報との関係が深く�H数のサブマシンによって�U御されて��れ動く“Model（世�cモデル)”と、心理に�官�する“Mind”の間のIntrospection（内省）によって発現するという仮説を立てた　出�Z：参考�@料10の文章内容を元に、筆�vが作成

恐らく、Marvin Minsky��は、図1のように、�N内には、身��からの情報との関係が深く�H数のサブマシンによって�U御されて��れ動く「Model(世�cモデル)」と、心理に�官�する「Mind」が�T在し、両�vの間のIntrospection(内省)によってIntelligence(��性)発現するという構�]を�[定したのではないだろうか。その�屬�、検索、パターン認識、学�{、��画、帰納の動作の位����けを探ろうとしたのではないかと、筆�vは考える。(モデルとマインドが、それぞれ何を�T味するかが�_要となるが、筆�vは未だその点へのMarvin Minsky��の考えは読み解けていない。)

Intelligence(��性)は、直接調�hや解析を行える����ではない。仮説立てと検証を繰り返すことによって進める構�]探求は、�W才の直感が成せる�\であったのかもしれないが、むしろ最も現実的な�}法と筆�vには思われた。

情報を�擇濬个校伝箸�(基本構�])

Marvin Minsky��が�[定する構�]は、本ブログの冒頭で�[定した「5�|類のアプローチ」の2番�`の「情報を�擇濬个校伝箸�(�j構�])」の解��に相当すると思われる。この構�]は、�Nの中の��動が�jきく二つに分裂しているとしている点でも、また、Model(世�cモデル)内が�H数のサブマシンによって構成されると見る点でも、マルチエージェント・モデル(�R3)である��「��性の発現のためには、マルチエージェントが��要」との考え�気�、��常に��唆的であると筆�vには思われた。

��性発現条�Pに関する、そのような考え�気���常に古くからあり、例えば、古代ギリシャの哲学�vであるソクラテス(BC470-399�Q)の「���B(Dialogue)」も、その�k�|であるとみなせる。 Marvin Minsky��の「モデルとマインドの間のIntrospection(内省)」は、まさにエージェント間の���Bである(�R4)。

そこで、早�]ではあるが、5�|類のアプローチの3番�`(理�b)に関する「�b」の調�hに進むこととした。 次�vは、筆�vの調べた�J囲で、その「理�b」を紹介したい。

�R
1. Leggらは、2005�Qに「Universal なArtificial Intelligence」(参考�@料3)、2007�Qに「Universal な Machine Intelligence」(参考�@料4)と、人間の��性を直接表現するのではなく、�k定の�v路構�]、もしくはアーキテクチャを�[定して、��性の定�Iを�bじている。筆�vは未だ�@読できていないので、ここでは、それらの内容には触れていない。
2. Marvin Minsky��は、Seymour Aubrey Papert��(数学�v、コンピュータ科学の専門家)との共同研�|で、パーセプトロン(3層のニューラルネットワーク)には関数表現の�ξ�に限�cがある(線形分�`可�Δ粉愎瑤靴�表現できない)ことを��したことで、��1次ニューラルネットワークブームを終了させたことでも�瑤蕕譴討い�。
3. 「マルチ・エージェント・モデル」とは、��数の人格からなる人間社会の中の相互作��によって、����の動向を理解しようとするモデル。 ヘーゲル等の弁証法や、3権分立のような構�]を�[定するには、エージェントは3個��要になる。
4. 「マルチエージェントと���Bの�T在がIntelligence発現の��須要�Pなのか?」が気になる所であるが、その点についてMarvin Minsky��がどのように考えていたのかは、この�b文からは読み�Dれなかった。

参考�@料
1. 「人工����(AI)とは」、��1����2�Iの1の(1)、平成28�Q版　情報通信白書
2. Legg, S. and Hutter, M. “A Collection of Definitions on Intelligence”, Frontiers in Artificial Intelligence and Applications, Vol.157、pp. 17-24, 2007.
3. Hutter, M., Universal Artificial Intelligence: Sequential Decisions based on Algorithmic Probability, Springer, Berlin, 2005.
4. Legg, S. and Hutter, M., “Universal Intelligence: A Definition of Machine Intelligence”, Minds & Machines, 17:4, pp. 391-444, 2007.
5. Monett, D. and Lewis, C., “Definitional Foundations for Intelligent Systems”, The 10th Anniversary Conference of the Academic Conference Association, AC 2020, 2020.
6. Dobrev, D., “A Definition of Artificial Intelligence”, Mathematica Balkanica, New Series, Vol. 19, Fasc. 1-2, pp.67-74, 2005
7. Turing, A.M., “Intelligent machinery (1948), A Heretical Theory”, Philosophia Mathematica, Vol. 4, Issue: 3, 1996.
8. Turing, A.M., “Computing machinery and Intelligence”, Mind 59: pp 433-460, 1950
9. Turing, A.M., “Can a Machine Think”, The World of Mathematics, edited by James R. Newman, vol. 4, pp. 2099-2123, Simon & Schuster, 1956.
10. Marvin Minsky, M., “Steps toward Artificial Intelligence”, Proceedings of the IRE Contents, Vol. 49, 1961.
11. ダートマス会議　https://www.ai-gakkai.or.jp/whatsai/AItopics5.html
12. ウィキペディアの「マービン・ミンスキー」の項(2021�Q4月25日��新版)。
https://ja.wikipedia.org/wiki/マービン・ミンスキー
13. McCulloch, W. and Pitts, W., “A logical calculus of the ideas immanent in nervous activity”, The bulletin of Mathematical Biophysics, Vol. 5, pp.115-133, 1943.
14. McCulloch, W., Embodiments of Mind, MIT Press, 1965.
15. Rosenblatt, F., “The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain”, Psychological Review, 65 (6), pp.386-408, 1958.
同�b文では、�Nの中での神経�v路の動作を記述する�}法として、Probabilistic Modelを提案している。