シャム・サンカー：人間とコンピューターの協力関係のはじまり

コンピューターによる力任せの計算だけでは世界を悩ます問題を解決する事はできません。例えばテロリストを捕まえたり、目には見えない兆候を見つけたりといった難しい問題の解決は、正しいアルゴリズムの発見によってではなく、コンピューターの計算能力と人間の創造力を正しい共益関係にすることによってもたらされるとシャム・サンカーは語ります。

2つのチェスの試合をご紹介します

１つ目は1997年
ガルリ・カスパロフ（世界王者）が

ディープブルーという
コンピューターに敗れました

多くの人にとってこれは
新たな時代の幕開けでした

機械が人間を支配するような時代です

それから20年が経った現在
コンピューターとの付き合い方は

かなり改善され
iPad に象徴される時代になりました

HALではありませんでした

2つ目の試合は2005年の
「フリースタイル」のトーナメント

人間とコンピューターが
対戦するだけでなく

人間とコンピューターが
組んで参加しても良いものです

出だしの結果は予想通りで

スーパーコンピューターでさえ
人間のチャンピオンと

性能の劣るラップトップが組んだ
ペアに敗れました

大番狂わせは最終戦でした

優勝者はチャンピオンと
スーパーコンピューターのペアではなく

実は２人のアメリカの―

アマチュアと３台の平凡な
ラップトップのチームでした

２人はコンピュータを駆使して
臨機応変に様々な手を

探し出すように
手法を採ることができたので

人間のチャンピオンの知識や

対戦相手のコンピュータの
優れた計算能力をも―

凌駕したのです

平凡な人間と平凡なマシンが
組んだチームが

最強の人も最高のマシンも
打ち負かしたことは実に驚くべき結果です

さて 人間にとって
機械は競争相手なんでしょうか？

いいえ 競争相手ではなく協力者―
正しい形での協力が大切です

これまでの50年間 人工知能については

マーヴィン・ミンスキーが描いた見方が重視されてきました

これは多くの人が受け容れてきた魅力的な説で

コンピューター・サイエンスにおいては主流の見方です

しかしビッグ・データや
オープン・プラットフォームや

ネットや組込み技術が
使われるような時代においては

別の見方をもう一度評価すべきと主張したいのです

それはミンスキーの見方と
同じ頃に生まれていた―

J.C.R.リックライダーが提唱し
今では―

「知能増幅」（IA）と呼ばれる
人間とコンピューターの共益関係です

リックライダーはコンピューター・サイエンスの巨人で

計算技術とインターネットの発展に大いに貢献しました

彼の見方は意思決定や
複雑な事象に対応する制御を

融通のきかない事前に定義された
プログラムだけに頼るのではなく

人間と機械が協力して

行うというものです

キーワードは「協力」です

リックライダーはトースターから

頭脳明晰なアンドロイドを作るのではなく

人間の能力をより広げることを唱えました

人間が持つ思考方式や
非線形アプローチや

創造力や反復仮説は
非常に驚くべき能力です

コンピューターで
仮に万一実現できるとしても

非常に難しい分野です

人間は 目標を設定し 仮説を作り

評価方法を設定し
評価できるという違いを

リックライダーは直感的に認識していました

もちろん 一方で人間は多くの

限界があり
拡張性 計算能力 処理量では弱いものです

ロック・バンドが
協力し演奏活動を

続けるには 高度な
タレントマネジメントが必要です

リックライダーは 洞察と意思決定に必要な―

定型化できる準備は コンピュータが
全て行うようになると見通していました

静かに目立たないところで

このアプローチがチェスに留まらず
勝利を積み上げていきました

タンパク質の折り畳み構造は
チェスと同様非常に奥深いものです

宇宙の原子の数より
多くの折り畳み組み合わせがあります

立体構造は病気を理解し治療する上で

世界が変わる程の大きな意味を持つ研究分野です

この問題を解くにはスーパーコンピューターの
力任せの計算だけでは足りません

コンピュータ科学者が作った
Folditというゲームが

この協力アプローチの価値を表す
好例でしょう

このゲームでは
技術者でも生物学者でもない素人が

立体表示されたタンパク質の構造を
組み替える作業をすることで

コンピューターに原子間力や

相互作用や構造上の問題解明を任せました

このアプローチは
スーパーコンピューターの能力を

50％のケースで上回り
30％で同等だとわかりました

Folditは最近注目すべき大発見をしました

メイソン・ファイザー・サルウイルスの
分解酵素を解読したのです

10年間も わからなかった構造を

3人のゲーマーがほんの数日で解決してしまったのです

ゲームをすることから生まれてくる

大きな科学技術を発展させる
おそらく最初の例です

ツインタワーのあった場所に昨年

9.11の記念碑ができました

この記念碑は「意味ある隣接関係」という

美しいコンセプトに基づいて
何千もの犠牲者の名前を表示しています

そこでは犠牲者の名が友人 家族 同僚など

人間関係に基づいて配置されています

3,500もの名前と1,800もの関係の要請を考慮して

関係を表現するのは
計算処理として大きな挑戦です

全員の物理的な位置の制約と最終的な見た目の美しさを

両立する必要があります

メディアに報道された当初

その功績はニューヨークのデザイン会社

Local Projectsによる
アルゴリズムのものとされましたが

アルゴリズムを使って
デザインを可能にする枠組みを提供し

人間がこの枠組みの上で
最終的なデザインを描いたのです

この場合コンピューターは何百万もの

可能なレイアウトを評価し
複雑な関係性をやりくりし

膨大な形状や多様性のデータを管理して

逐一提示し
人間が構成を選択しながら

人間はデザインや構成にだけ
集中できるようにしたのです

周りを見れば見るほど

リックライダーの予見した世界になっています

それがiPhoneの拡張現実であれ
カーナビであれ

人間とコンピューターの共益関係は
我々の能力を拡張しています

その協力関係を更に発展させるために

何ができるでしょうか？

人間の関与をプロセスに組み込んでデザインしましょう

コンピュータを前提とした解決方法ではなく

人間の役割を考慮に入れて解決策をデザインするのです

実際に やってみると
作業時間のほとんどが

人間と機械間のインターフェイスの開発に
費やされたとわかります

特に両者間の摩擦が減るように
デザインするのに時間がかかります

人間や機械のそれぞれの能力が
どの程度優れているがではなく

この摩擦の大小こそが
最終的な能力を

より大きく左右します

数台のPCと素人が
スーパーコンピューターとチャンピオンを

たやすく打ち負かした理由もここにあります

カスパロフが呼ぶように
プロセスには摩擦がつきものです

プロセスがよければ
摩擦は減ります

そして摩擦をいかに軽減できるかが
結果を握ります

他の例で言えば
例えばビッグデータ

世界中の我々の行動は
電話端末や

クレジットカードやコンピュータなどの
増え続けるセンサー網で

集め記録されます
その結果がビッグデータです

それは人間の実態を

より深く理解できるような機会を
我々に与えてくれます

ビッグデータへのほとんどのアプローチは

「どうデータを保管し 検索し 処理するか？」に

焦点がおかれています

この観点は必要ですが
これでは不十分です

必要なのは「どう」処理するかではなく

「何を」処理し
この大規模なデータに対して

「人間の直観をどう生かすか」です

ここでも 人間をプロセスに組み込みます

PayPalがビジネスを始めた当時
彼らの最大の課題は

「ネット上で どうお金をやり取りするか？」ではなく

「組織的な詐欺行為をどう回避するか？」でした

なぜそれほど難しいか？
コンピューターは

過去のパターンに基づいて
詐欺を検知できるようになりますが

未知のパターンから

詐欺を検知できるようにはなりません

犯罪組織と皆さんは似ています

優秀で 機知に富んでいて
やってやろうという気概に満ちている（笑）

ただ １つ大きな違いがあって
それは「目的」です

コンピューターだけでも
詐欺のほとんどが見抜けられますが

最もずる賢い詐欺師を
捕まえられるかどうかが

成功と失敗を分けるのです

このような問題はたくさんあります

常に新たな手を使う敵は
コンピューターが認識できるような

手口の知られたパターンで
現れることはめったになく

敵は常に革新・刷新を行っており
ビッグデータに埋もれてしまって

そうした問題が
どんどん増えていっています

例えばテロです
テロリストは大小様々な方法で

環境に適応し身を隠します

テレビで見るのと違って
テロリストが潜伏するのも

それを発見するのも
根本的に人間です

コンピューターは新手のパターンや
未知の行動を探知できません

人間ならできます
人間が技術を使い
仮説を用いて

機械の助けを借りながら
真相を洞察するのです

ビン・ラディンを捕えたのは

人工知能ではなく

様々な技術に助けられた
優秀で 機略に富む 懸命な人々でした

実現できればいいのですが
データから自動的に答えを

導きだすことはできません

「テロリストを見つける」なんてボタンはありませんし

多種多様な情報源から
幅広い形式のデータを

集めれば集めるほどに

そこから意味のある知識や情報を
引き出すことは難しくなります

そうならないように
人間がまずデータを見て

洞察を行うのです
リックライダーがずいぶん前に予見していたように

大きな結果は正しい協力から生まれます

またカスパロフの認識どおり

協力するにはインターフェイスの摩擦を
最小化する必要があります

これが実行できれば

様々な出所からのデータを
あますところなく集めて解析して

重要な関連性を特定し
そのデータだけを抽出できます

以前なら不可能だったことです

これがプライバシーや自由への脅威となるか

反対に それらがより強固に
保護される時代をもたらすか

などと捉え方はそれぞれですが

プライバシーや自由は基本的で重要なものです

それは強く意識されなければなりませんし

どんな理由があっても切り捨てることはできません

それでは
人間とコンピューターの共益関係を

最大限に活かすように
作られた技術の影響を示す

最近のいくつかの事例を見てみましょう

2007年10月
米軍と同盟国の連合軍が
シリアとの国境に位置し

イラクの町 シンジャールにある

アル・カーイダのアジトを急襲しました

そこで貴重な書類の山を掘り当てました

それは700人分もの
外国人兵士の略歴でした

湾岸や地中海東側沿岸 そして

アフリカの国々に家族を残し
アル・カーイダ兵に志願した人々です

略歴書類は
まるで職歴質問集で

兵達は入隊時に質問事項に回答していました

アル・カーイダでさえも

お役所みたいな形があるわけですね
（笑）

質問は
「誰に誘われたのか？」

「出身はどこか？」
「希望の職種は何か？」といったものでした

そして最後の質問から驚くべき真相が現れました

それら外国人兵のほとんどが

自爆テロによる殉死を望んでいたのです

2003年から2007年にかけて
イラクでは1,382件の自爆テロ行為があり

情勢を不安定にしている大きな要因でした
殉死願望は 非常に重要な真相です

データの分析は困難でした
まず

原本はアラビア語で
用紙のスキャンと翻訳が必要でした

このプロセスでは
摩擦が大きかったので

人間が根気づよくPDFを
読み続ける程度では
作戦に間に合う時間内に

有意義な結果を
出せそうにありませんでした

調査員達は
明らかになっていない―

仮説を探るべく
技術でテコ入れして

深く思考する必要がありました
そして ある真相を明らかにしました

外国人兵の20%はリビア出身でした

その内半分はとあるひとつの町出身でした
重大な発見です

これはそれまでの統計では3%という数字でした

またこのデータは
リビアの武装グループの

アル・カーイダ内で地位が高まる
指導者アブ・ヤハ・アルリビに

狙いを絞ることに
ひと役買いました

2007年に彼が演説を行ったのち

リビア出身の兵士が急増していたのです

さらに 最もずる賢く
全く目立たないものでしたが

調査員達は分析方法を
がらりと変えることで

シリアの紹介グループを深く探ることができました

そのグループこそが外国人兵士の

受け入れと国境への移動を担っていました

グループは宗教的イデオロギーの元に集まったのでなく

お金のための傭兵紹介サービスでした

例えば リビア兵に比べて
お金の取れる

サウジ兵から高額な紹介料を
巻き上げていました

取られなければ アル・カーイダが
手にしたであろうお金でした

聖戦の兵士が詐取されていることを

アル・カーイダが知ったら
自軍側のグループを解消したことでしょう

2010年1月マグニチュード7.0の
壊滅的な地震がハイチを襲いました

死者の数は観測史上 3番目で
人口の10%にあたる

100万人が家を失いました

支援活動全体から見れば
小さなことに見える１要素が

食料や水の配給が始まると

次第に重要な要素となりました

１月と２月はハイチの乾期ですが

多くの避難所では
水が溜まっていきました

ハイチの氾濫原を詳細に把握している

唯一の機関は

指揮系統もろとも
地震で倒壊していました

ここで知りたいのは
どの避難所の危険度が高く

それぞれ何人が避難生活をしており

洪水はいつ起こるのか
ということです

非常に限られた資源とインフラの下で
避難所移転の順序をどう決めるのか？

データは信じられないほど
バラバラでした

米軍が詳細な情報を持っていたのは
限られた地域のみでした

2006年環境リスク会議のデータも
他の地理データも

ネット上で
バラバラに存在していました

ここでの目標は危険度に基づいて移転する

避難所の優先順位をつけることでした

そのためにコンピューターは膨大な

地理情報やソーシャル・メディアの情報
支援機関からの情報を

まとめなければなりませんでした

この解決に
より優れたプロセスを
創造したことで

40人がかりで３ヶ月はかかったであろう作業を

たった３人が40時間で終えてしまいました

人間とコンピューターとの共益関係の成果です

リックライダーの予見から50年以上経った今

これまでのデータからすれば

人間とコンピュータが協力して
今世紀の最も難しい問題の数々に

取り組めば 大きな成果を期待できるのです

ありがとうございました

（拍手）