有識者鼎談すべての人たちへ伝えたい、
AI人材教育がつくる日本の未来

ブームという意味で変わらない面と、当時とは技術の進歩の点で違う面と、両方ありますね。

変わらない面としては、例えばAIが多くの仕事を奪うのではないか、また人間はすることが無くなるのではないかといった話は1980年代の第2次AIブームでも、今でもあります。マスコミのAIの扱い方は今も昔も大差ないと思います。

AI（人工知能： Artificial Intelligence）という言葉を最初に提唱したのは、米国のジョン・マッカーシー博士であり、また彼がAIを構築するためのプログラミング言語「LISP（リスプ）」をオープンソース方式で開発しました。

1980年代になると、そのLISPなどの言語を用いて、人の経験則に基く専門的な知識をコンピューターに入れることで、コンピューターが専門家（エキスパート）と同じように判断することができるという「エキスパートシステム」が登場しました。これが、第2次AIブームでした。医療や金融、その他、人の経験則を全てIf Thenの組み合わせで表現可能なあらゆる分野でこのエキスパートシステムが活用され、世界的な一大ブームになりました。日本でも通産省（現経済産業省）が、570億円のお金を投入してAI開発を進めるための「第五世代コンピュータ開発プロジェクト」を立ち上げました。当時のお金で570億円はすごい金額でしたから、アメリカも驚愕していたようです。

当時も、今と同じようにマスコミは「AIは人の仕事を奪うのではないか」と囃し立てていました。また、「AIを利用したソフト」というだけで、お客様の期待値を実際の性能より高めることができるのは、当時も今も変わらない点ですね。しかし、第2次AIブームの際にマスコミが騒いだようなことにはなりませんでした。第3次ブームでも同様な側面があるのが気になります。AIより人間の方が圧倒的に強い分野は歴然としてありますので、必要以上にAIの期待を上げるのは良くないと思います。

なお、今でもエキスパートシステムは様々なところで活用されています。例えば、ワープロソフトでは「暑い日」と「厚い本」では発音がおなじ「あつい」でも、「あつい」の後に来る漢字により、「暑い」を選択するのか「厚い」を選択するかを判断出来ます。要するに、我々の経験則をコンピューターに入れることで正しい漢字の選定が可能になります。1980年代にはこのような機能を「AI辞書を利用した機能」と呼んでいました。 しかし、このような技術が当たり前に使用されるようになったらAI辞書と呼ばれなくなってしまいました。AIの世界はあるAI技術が幅広く利用されるようになるとAIとは呼ばなくなる場合が多いです。

そういうことですね。私は、今でもAIを使ったソフトウェアやサービスの50%以上はエキスパートシステムだと思います。一方、第3次AIブームの発端はマシンラーニング（機械学習）とそのうちの1分野のディープラーニング（深層学習）にあります。

このマシンラーニングの特長は、エキスパートシステムでいう専門家の知識の投入ではなく、コンピューターが自ら学習していく点にあります。例えば、どのような猫の写真でも猫と判断できるAIソフトの開発をする場合に、インターネット上にある膨大な猫に関する文章をまず検索し、その文章の近くにある写真全てを自動的に読み込むようにプログラムを組みます。このような方法で収集する猫の写真もまた膨大な枚数になります。そして、この膨大な数の猫の写真に共通な特徴を抽出することにより、新たに読み込ませた写真が猫の写真か否かを自動的に高い確率で判断できるソフトの開発が可能になります。もちろん、猫について書かれた文章の近くにある写真の全てが猫とは限りません。犬と一緒に写っている猫の写真や人に抱かれた猫の写真で、猫の顔の一部しか映っていない写真もあると思います。しかし、ネット上にある何億もの猫の写真をコンピューターで読み込みそれらの写真に共通する特徴抽出をすれば、どのような猫の写真でも猫と高い精度で判断できるAIソフトの開発が可能です。このような手法はインターネットが普及していない第2次AIブームの頃には不可能でした。

高い画像認識能力を要求される分野は無限にありますので、その能力を高い精度でAI化できるようになったのは革新的なことだと思います。

それはAI向けのハードウェアだと思います。第2次AIブームの際、LISPを高速で動かすためのハードウェアとしてLISPマシンが作られました。それと同様に、ディープラーニング技術を利用して高速に動画も含めて画像認識ができるハードウェアがAIの進歩を急速に加速すると思います。

例えば自動車の自動運転の場合、危険な物体が自動車の前に見えた際に、急ブレーキを掛けるべきか、徐行してハンドル操作で回避すべきかの判断を人間と同様に自動運転装置がする必要があります。ただここで問題になるのは危険な物体を画像認識した結果、何をすべきかの判断を1/100秒以内に正確に下せる高速なハードウェアが必要です。しかも、自動車に搭載できる大きさで、低温から高温でも正確に動作し、そして振動、電磁ノイズに強い特別なハードウェアが求められます。このようなAIに特化した色々な分野のハードウェアが開発されることによりAIの更なる進歩が可能になると思います。そして、そのようなソフト開発にもPythonは利用されると思います。

最先端AIテクノロジーの開発の原動力になりうるのは、軍事の分野、医療系、そしてビジネス系での必要性ではないでしょうか？これらの分野で「人工意識」を開発する必要性が出てくることが重要だと思います。需要があれば、国や民間の研究機関が開発投資をすると思います。

まず、AIの分野で日本の能力が比較されることが多い国はアメリカと中国ですね。そして、これらの国と日本を比較した際の圧倒的な違いは、国防に対する考え方にあります。アメリカのテクノロジーの原動力は今も昔も「国防」にあり、インターネットも米国の国防省が開発したARPAネットが基になってできました。

中国においても、早く国防力を高めて世界の覇権を握ろうとする点に技術革新の原動力があると思います。この国防に直結するAIでは、個人情報の扱いも含めて、日本は米国や中国に勝てないと思います。Wikileaks経由で米国の国家機密を漏洩させたエドワード・スノーデンの著書を読むと米国政府は世界中の人々のインターネット使用履歴を捕捉しているとのことですから究極の個人情報を持っていると言えます。

もし、日本がAIの分野で他国に勝てる分野があるとしたら、自動運転のような自動車関連ではないでしょうか。ただ、自動車の運転手の個人情報の扱いに関しては「技術的な可能性」は色々あるとしても、何処まで個人の運転履歴を捕捉するのかなどに関して日本のハードルは高いと思います。

AIに関わらず、マクロの視点で見た時に日本は技術革新のアグレッシブさを失い、大きなチャレンジをしなくなってしまったように感じます。

日本の大学のIT教育に関しては、大きな課題があると思います。4年制の情報系の大学を出ても、オープンソースのことを体系的に学んできた学生は限られています。その最大の理由は、ITの最先端で活躍された経験がある教師が大学に少ないと思います。そのような状況の中で、インターネット・アカデミーさんが日本のIT教育の文化を変えるような活動をして下されば、日本のIT人材の未来も明るくなりますね。

学校教育の観点で押さえておく必要があるのは、アメリカの教育がすべて一枚岩で優れた教育をしているというわけではありません。今黒人と白人との間で人種差別にかかわるトラブルが多数起きていますが、あの問題の根底にあるのは米国の黒人が平均的に貧しいことだと思います。黒人よりさらに貧しい白人が多く住む地域は、昔鉄鋼産業が栄えていたラストベルトと呼ばれる地域と言われています。この地域は、前回大統領選挙でトランプ氏を支持した白人が多く住んでいる地域のようです。このような地域の教育機関は、はるかに日本よりレベルが低いと思います。

ある意味で米国の教育機関は二極化しており、下位の教育機関は日本のレベルより低いと思いますが、上位の教育機関は日本より優れていると思います。

アメリカと日本の教育の違いはまだあって、たとえば最近宇宙飛行士を打ち上げたSpaceX社や電気自動車のTesla社の創業者イーロン・マスク氏は、自分の子供や、テスラの幹部の子供たちのために学校を作っています。イーロン・マスク氏のように、今のアメリカの小学校はレベルが低くて満足できないという人達は、自分の子供の教育を自宅で行うホームスクーリングをしている人が多いです。そして、アメリカの偉人の中には、学校に一切いかずにホームスクーリングを受けてきたような人がいます。そういう人たちが全員優秀でハッピーになるとは言えませんが、逸材が育つ確率は高いと言えます。このような、日本とは違う教育の姿がアメリカにはあります。

今の日本の学校教育は、全国どこでも均質な教育を受けることができて、良い面もあるのですが、秀でた人材を育成する観点では大いなる改善が必要だと思います。

AIというのは、スタート時からオープンソースの考え方で始まっています。前述したようにLISPの開発はオープンソース方式で行われていたのです。ただ、当時インターネットがまだありませんでしたから、LISPのソースコードは、プリンタで印刷して配るか、お客様の要望に応じてデータ記憶媒体である磁気テープに記録して配布していました。

現代でも、AI関連のソフトを開発する場合に利用するソフトの大半はオープンソースだと思います。AIに限らず、今はITの最先端分野はほとんどオープンソースが主流です。もう、技術の進歩の仕組みが、インターネットを通じて様々な人が知恵を寄せ合い、より良いものを作ろうとする「貢献の競争」で成り立っています。

たとえば、Linuxであれば、今のLinuxの一部の機能を向上させるプログラムを、仮に有滝さんが作り、Linuxのコミュニティに送ったとします。そのプログラムをコミュニティの人たちが審査をして、他から提供されたプログラムと比較して有滝さんのプログラムが一番良いと決まれば、次のLinuxのリリースには有滝さんのプログラムが採用されます。要するに貢献の競争に有滝さんが勝った場合は、次のLinuxに有滝さんのプログラムが採用されます。それと同時に、ソースコードには有滝さんの名前が入ります。そうなると、有滝さんは世界中に名前が知れ渡たります。その結果として、有滝さんにはいろんなビジネスの話が舞い込んでくるわけです。要するに、「貢献の競争」に勝った人、勝った会社にのみ与えられる特権です。別の言い方をすれば、Linuxは「貢献の競争」に勝った人達や会社が提供したプログラムの集大成と言えます。多くのオープンソースソフトはこのような仕組みでどんどん良くなってゆきます。

今まで、我々はライセンス料金を企業に払ってソフトウェアを利用して来ました。しかし、既にソフトウェアのライセンス料金だけで会社を大きくするのは難しい時代に突入しています。それ故にAIの分野でもAIソフトの使用料金を顧客から得ることで会社を大きくすることは不可能だと思います。むしろ、自社が開発したソフトを無料でオープンソース化し、ユーザー数を増やすことで、そのソフトに関連するサービスで売上・利益を上げる方法の方が良い時代です。

最先端分野をけん引しているのはオープンソースであり、AIの分野を含めて、IT技術者として知っておくべきは、オープンソースソフトウェアを使えることが自身のキャリアアップにつながることです。

例えば、世界的に有名な3つ星レストランのシェフがいるとしましょう。そのシェフが、自身のレシピを書いた本を出版したり、テレビ出演して説明してみせます。つまり、レシピをオープンソース化したとします。しかし、それを見たからといって、素人がいきなりそのシェフと全く同じ味がする料理ができることにはなりません。レシピが判っても、料理をする過程における多くのノウハウがプロのシェフにはたくさんあるわけです。同じように、ソフトウェアもオープンソース化されているからといって、初心者がいきなり企業の基幹システムの構築をすることは不可能なのです。

人より秀でた仕事をしたいと考えるならば、やはり目的に合わせてソフトの改変が可能なオープンソースソフトの知識が求められます。OSでいうなればLinuxですね。Windowsも素晴らしいOSですが、目的に合わせてWindowsを改変することが出来ません。また、Windowsのように誰でも使用できるソフトの使用法の知識だけでは自分の差別化や優位性を築くことは難しいです。

だからこそインターネット・アカデミーに通って多くの知識を習得し、その上で我々のような認定団体の資格を取得することにより、客観的に自分の能力を証明できるようにすることが重要になります。

Pythonicの世界にも、コミュニティや開発者の方々が期待する技術者の行動形態や価値観があると思いますが、オープンソースの世界にもそれはあります。究極としては、「貢献の競争」に勝ち残っていけるよう、自分自身のスキルを向上させることができるか、会社であれば技術者を育てていくことができるかにあると考えています。

この話は、なにも技術的なことだけを言っているわけではありません。日本は「能動的に貢献すること」が難しい文化があります。「出る杭は打たれる」とか「能ある鷹は爪を隠す」のを貴ぶなどです。しかし、これからのIT技術者は自分が得意とする分野においてオープンソースソフトの普及やソフトの改善に能動的に貢献して行くことが重要だと思います。

誰でも平等に知識や情報を得て学ぶことができるオープンソースの世界で、自分が得意とする分野で良いので、オープンソースのコミュニティを通じて技術進歩に貢献する。それがオープンソースの世界での自分の成功の方程式でもあります。従来のクローズドソースのビジネスモデルのように、1人の天才エンジニアや1社の大企業が頑張っても、オープンソースの世界で、世界中の企業や人材が参加する貢献の競争により作られるソフトには勝てない時代になりました。そのような世界があることを知り、そこに飛び込んでいくことがAI分野においても技術者にとっても非常に重要です。

分野としてはコンピューターサイエンスの領域ですね。

私がアメリカの大学院で自動制御の勉強をしていた頃、受講生の半分近くがボーイングやセスナといった航空関係企業の技術者だったことがあります。彼らは、資格を取れば給料が上がるので夜間まで必死に勉強していました。日本の企業もインターネット・アカデミーでAI関連の授業を受けることに対する企業の助成制度ができると良いですね。

ただ、これからのAI技術者への教育は、繰り返しになりますが、「能動的な貢献」が色々な観点で重要であることを教えることも重要だと思います。また、教え方にも受講者の能動的な貢献が生かされる教育方法が重要になると思います。

最近、田坂広志氏の著書『「21世紀の資本主義」を語る』を読みました。その中で田坂氏は、これからは“ボランタリー経済”が広がっていくと書かれています。ボランタリー経済とは「“自発性の経済”人々が、善意や好意など、自らの自発的意志によって行う経済活動である」とされています。そして、Linuxはその典型的な例だとも書かれています。この視点は非常に重要だと思います。

メーカーが考えた同じ製品を大量生産することで日本が成長していた時代は、会社の指示に従う均一なスキルを持った技術者が大量に必要でした。日本はそのような技術者を大量に育成することに成功したが故に、工業化を果たし、世界のトップに物作りの分野でなることができました。このような時代では技術者個人の差別化や優位性は必ずしも高く評価されませんでした。

しかし、現在は顧客一人ひとりが有するニーズにどれだけ寄り添えるかが重要なビジネスモデルの時代です。また、クローズドソースソフトの利用では不可能なことをオープンソースソフトの利用で実現することがIT技術者に求められる時代です。例えば、Amazonからある商品を購入すると、その個人が好みそうな他の商品を提案してくるリコメンデーションエンジンなどは典型的なAIの利用で顧客一人ひとりの好みに合わせた商品を提供するシステムです。そして、Amazonの商品を購入した顧客が商品を評価するシステムは、Amazonが顧客に金を払って評価を書いてもらっているわけではありません。顧客が「能動的な貢献」をしてくれるようにAmazonが仕組んだビジネスモデルです。これは田坂氏が著書「21世紀の資本主義」で説明する“ボランタリー経済”の一つの例でもあります。この様に、使用者の“能動的な貢献”を如何に自社のビジネスモデルに組み込むかを考える上でもオープンソースの世界でのビジネスモデルは非常に役立ちます。

技術的な観点で言えば、Amazonのシステムは全てLinuxで稼働しているのみならず、多くのオープンソースソフトを利用しています。高度なAI技術を色々な分野で利用しているGoogleも基幹系のサーバ群は全てLinuxです。そして、Googleが顧客に提供するAIツール群のTensorFlowはオープンソース方式で開発されたPythonで作成されたオープンソースソフトです。これらのことからも、AI技術者にとって、Linux、Python、オープンソース、能動的な貢献を理解することが非常に重要であることをご理解頂けると思います。