BLOG

ハイデガーと予測AI

「誰にもわかるハイデガー」(筒井康隆)

「存在と時間」、もっとも恐ろしげな哲学書にして、人の良心・倫理の極北を示す書。

「あらゆる存在者のうちひとり人間だけが、存在の声によって呼びかけられ、<存在者が存在する>という驚異のなかの驚異を経験するのである」(ハイデガー)

このわかりにくい哲学のもっともわかりやすい解説書に出会いました。「文学部唯野教授」が’90年に行った講演録。

文学部唯野教授=筒井康隆と、マルティン・ハイデガー

Bravo!筒井康隆氏。また今回解説をつけた大澤真幸氏もBravo!哲学にはユーモアをもって近づくべきと思わせる本です。

「死への先駆」と良心

巨大なハイデガー哲学のうち、ここで取り上げたいのは、良心への意志(倫理・気遣いの極大化)が「死への先駆」に最も純粋に現れるという点。

死は生きている間には経験することのできない特異点であり、死に先駆けてそれを自分事として了解するには、その「無限性の欠如」を理解しなくてはならない。これは数理論理の世界では、ゲーデルの不完全性定理により厳密に証明されたものに通ずるようですが、日々の暮らしにおいて自覚的にいることは不可能に思えます。

締切が迫ってやっと、ことに着手し、締切が過ぎたとき、純粋に良心の呵責に激しく苛まれる。よくあることです。人はそういうものなので、ハイデガーの言う「企投」※1、サルトルの言う「アンガージュマン」の態度をとるのは容易ではないのです。(あぁ青春の実存主義!)

時間性の3つの契機

「到来」(将来)と「既在」(過去)と「現成化」(現在)。死を含む未来を今ヴィヴィッドに捉え、既に在る過去と、今と言った瞬間の過去から今を瞬視する。このうち死を含む「到来」の優位のうちに3つの契機は統合されるといいます。

死は怖いのでできればその場にいたくない(笑)さらに暴力的な死の前に未了ゆえの悔恨は必然である。しかし逆に悔恨の中にこそ最も純粋な良心が生まれる。なのでそれを先取りするところから始めよう。先取りは不安によって誰にでも可能である…

🍃🍃🍃

AIによる予測モデル

話題を急に変えますが、機械学習による予測では、過去を今だとおいて、既知の未来を予測するモデルを作ります。未来は過去に含まれるという信念に基づくモデルと言えるでしょう。

例えばデジタル広告におけるクリック予測や在庫予測、レコメンデーションにも疑いなく適用されてきた方法論です。

しかし一人ひとりの行動予測がこの方法論で高精度化できると信じるとすれば、これはハイデガーの議論とは異なる、実に凡庸なもののとらえ方であり薄っぺらな人間理解、と言わざるを得ません。※2

「現存在」とAI

もし未来がわかったら、人はそれに従う・抗うように今の行動を変えます。
問題は未来がわからないことながら、特異点としての死だけは誰にも等しく認識されている。「死への先駆」から倫理的に良心に従う意志を持つ。

未来を定めて今を見て、過去と異なる選択をするのが現存在(”Dasein”たる人間)です。

「現存在の存在は時間性である」(ハイデガー)

そんな現存在」には、AIも歯が立たない。逆に今のAIに行動予測される人間は、現存在とは言い難いわけです。

現存在への個人化へ

実は、現状のAIによる個人化は、統計的な凡人化であって、統計的に当たればビジネスとしては充分儲かるからよいのですね。

しかし本来、個人化というならば、人の変化する能力とその方向をこそ予測すべきで、特にレコメンデーションは変化の後に必要になるモノを提示できることを目指すべきでしょう。殊にその人にとって未経験な領域は不安で一杯でしょうから。

レコメンドすべきは「到来」の1点か、受け入れるべき「現成化」か?

次回は実存主義的レコメンデーションの方法論を考えていきたいと思います。

🍃 🍃 🍃

※1, 2 第2次AI ブームの時、AIに対して猛烈な批判の声を上げ、「フレーム問題」「記号接地問題」を提起したドレイファスやサールといった哲学者たちは、ハイデガー研究者だったと知りました。

彼らの主張は、「人間は世界というものの中に「投げ込まれて」、自分を「企投」しつつ生きている。機械にはそうした生活世界がない。そんな機械が、どうやってものを考えられるのか?」というものでした。

本論は行動予測という、もっと小さなことしか言っておりません…

現AIは価値を凍結する

AIが人の仕事を奪う、という話は、技術面、経済面、そして生活面でも長く議論されてきています。しかし見過ごされていることがあるように思います。それは人類の発展の側面です。

現在のAIは主に効率化・自動化で適用が進み、職人芸まで含めて人の業務を置き換えつつあります。しかし現状それはあくまで、今までの価値観のもとでの作業の置き換えに過ぎません。

人は空いた時間をより高次の意思決定や新たな領域の創造に使うのだ、とはよく言われます。歴史を振り返れば確かに、その証はいたるところに見出せます。馬車をガソリンエンジンが置き換えた結果、巨大な自動車産業が生じ、IT化・モーター化・AI化のおかげで自動運転となってやがて空を飛ぶ。また銀塩写真をピクセルが置き換えた結果、加工可能な高精細写真となり、AIによる認識が人の能力を超えて、世に存在しない人の顔が語り始める。このような想像を超えたインパクトがまた別のインパクトに繋がるという、技術的には非常に楽しい連鎖が生まれ、そこに新たな巨大な働く場を提供してきました。

しかし今回は、より広範な業務、難易度での置き換えがおこることによって、人の働く場が想像以上に早く縮小することを予想します。

まず労働移動先である高次の知恵の領域でしのぎあいが生じる、これは良いことです。その中で一部の人が新たな産業を創出し、その産業への労働移動が生じますが、その場はもとより効率性の側面でAIの場として現出するはずです。

人類にとって深刻なのは、多くの知恵の発露としての働く場が、人でなくAIの活躍の場となることです。

AIが現価値観による作業の効率化だとすれば、これは極めて憂うべき状況と言えるでしょう。その価値を超えた価値創出は細々としか進まず、そこもやがてAIによる効率化が進み、価値は都度凍結される

その帰結として、産業創出のスピードはやがて鈍るでしょう。人とAIの共創が起こらないからです(ここは議論があるところでしょう)。
働く場がAI化されること以上に、新産業が興らないために、多くの人にとっての労働移動先がなくなる、という恐れがあるわけです。

価値の固定化は種の衰退へと繋がるでしょう。

非凡な発想は数多の凡才の努力と社会の空気の上に現れる。 AI化社会において、人類は効率化に負けない新たな価値を創出し続けられるでしょうか?

現状、私には二つの解しか思いつきません。
ひとつめは「Human In The Loop」のアプローチが良いバランスで産業に根付くこと。従来社会の延長での発展が望めるかもしれません。
ふたつめは、汎用AI(AGI)の出現です。出現すれば、人同士かのように知恵の交換ができ、彼/彼女らが人の産業や文化の発展に貢献してくれるのかもしれません。しかしこちらによる発展があるとすれば「人類」の定義を変えることになりそうです。

智慧と知識とシンギュラリティ

 「智慧はコピーされることがない」という言葉に出会いました。
~「ソニーから学んだ「差別化戦略」 養うべきは知識ではなく智慧」茶谷公之氏

 智慧とは「真理を見極める認識力」であり、Wikipediaによれば「一切の現象や、現象の背後にある道理を見きわめる心作用を意味する仏教用語」とあります。いやこれは確かに容易に伝達できそうにはありません。 

 一方、知識はコピーし伝達できる。法則化され原理が明確になったものが「知識」なので伝わりやすいのですね。

 単なる知識でなく智慧が生んだイノベーションの差は決定的であり、それぞれの分野で経験を積んで智慧を養おうという氏の説に大いに納得しました。

 

 少し考えてみると、AIに「知識処理」はあっても、「智慧処理」はありません。そもそも智慧処理という語感からしてなんか異な感じがします。処理対象として、知識はあっても智慧は無いということは万人共通の感覚ではないでしょうか。

 また逆に、「知恵の輪」はあっても、「知識の輪」はありません。知恵の輪は知識では解けません。つまり智慧には、「試行錯誤」が深く関わっているようです。

 知識は処理できる対象であることから、よりエレガントに整理され、ますます伝達されやすくなるのでしょう。数学の証明がまさにその例です。

 若い頃憧れた広中平祐氏。氏のフィールズ賞受賞業績である「特異点解消定理」※1。世紀の難問をいわば力業でねじ伏せた証明は218ページとか。当時の数学史上最長論文で「広中の電話帳」として有名なくらいです。理解できる人は世界に10人と、よく言われる表現で語られました。

 その後、証明は洗練されて、今では「大学院初年級の学生でも“ごまかしなし”に全体が読める証明がある程に理解が進んでいる.」(松木謙二, 数学69巻1号2017年1月)といいます。さらに、智慧の結晶である数学理論が、知識化のおかげで、今では機械学習モデルを支える定理として、実世界の課題に対して具体的な解決をもたらしているそうです。

 智慧は各所に大なり小なり必要であり、知識の体系化も様々な応用も智慧があればこそといえるでしょう。しかしなんといっても最初の着想と筋道の発見こそが、人類の智慧の集積点であり、そう、まさに特異点に違いありません。※2

 智慧はコピーもできないし、微分もできない、ということが導かれました(笑)

 

※1 任意の代数的集合(「多項式=0」で定義された集合)は,ブローアップと言われる操作を繰り返すことで 必ず特異点を解消することができる(広中の定理)。

特異点とは、微分不可能な点。ジェットコースターの影(2次元への射影)が交わっているところ、これが特異点で、実際の3次元空間で交わっていたとしたら大事故になります。

つまり次元をあげる・見方を変える、ことで特異点が解消される、という、ある意味、仏教の悟り的であり、まさに本来の意味での「智慧」がもたらしたもの、日本人が解くべきして解いた定理だったように思えます。(広中平祐, 「生きること学ぶこと」にも確かそんなようなことが書かれていて心が震えたものでした。)
最初の論文が出てから50余年の時を経て、機械学習の統計モデルにおいてこの定理が極めて重要な役割を果たしているというのは何ともロマンチックな話です。

※2 それとは別にこの「特異点」という語は、近年、特にAI文脈で特別な意味をもって取り上げられますね。いわく、2045年にシンギュラリティが訪れる!と。(技術的特異点:AI自ら人間より賢い知能を生み出す事が可能になる時点

「MLモデルはデータのViewでしかない」或いは深層学習の限界の証明

DeepMind社のリサーチャーJacob Menick 氏は「MLモデルはデータのViewでしかない」とつぶやかれています。

https://twitter.com/jacobmenick/status/1260658763687538688

これは実に真理をついていると思います。

MLモデルが y=f(x)のf と言えるならば、このf がデータのViewだと言ってるわけですね。例えば、このf (x)を

としたらいかがでしょうか? そう相加平均。こんな単純な、と思ってもこれもデータ全体を表現したひとつのViewです。つまり入出力データをモデル化するということは、「入力データの、ある目的に沿った抽象化」ととらえられます。

予測モデルでは、ある未来予測という目的に沿ってログデータを活用した抽象化だといえます。ここで目的は暗に、x に対するy という形で与えられます。

元データにすべて入っている情報を料理するのが機械学習であり、それ以外に素材としては何も使っていないわけです。

となると、元データに目的を解くカギが過不足なく入っているのか? が問題となるわけです。そしてその意味では、画像認識はまさにこの条件を満たす理想のデータ(全ピクセルのRGB値)が対象であり、このことこそが深層学習が極限までワークする理由でもあります。音声認識も然り。

一方で、人の行動予測や株価の予測はどうでしょうか?

ここでは要素還元の限界を容易にみることができます。元データ特徴量にどこまで追加しても、ことの原因をすべて入れることはできません。複雑系に対して要素還元主義は無力です。

このように、深層学習が万能でないことが証明されました。

ヨワイとテンポ

2020年現在、日本人のうち65歳以上は何%くらいでしょうか?

答えはなんと29%!1985年に10%を突破したということからみると本当に急速に高齢化が進んだわけです。人口推計によれば今後もその割合は増え続け、20年後には3人寄ればひとりが高齢となるらしい。そうなると、65歳で高齢とは呼べず、壮年かシニア、下手すればミドル後期くらいが適切じゃないでしょうか。

しかし動物なので歳を取るにしたがって肉体は衰えます。動き方や話し方が遅くなる。からだの動きも脳の回転もギクシャクする。

プロが創り出す音楽だって、みなテンポが遅くなります。クラシックの指揮者で私のかつてのヒーローだったレナード・バーンスタインのチャイコフスキー交響曲6番悲愴を聴いてみればわかります。最後、音が消えて終わったと10回ほど勘違いするほど遅い。十八番(おはこ)のマーラーだってどんどん遅くなり、まあ情念が籠ってそれはそれで感激でしたが、演奏する側はたまったもんじゃなかったのではないでしょうか。(印象に残っているのは、大学生だった80年代終わり頃、最後のマーラーチクルスでCD化が進むごとに絶賛だったとき、6番の演奏について、誰だったか評論家が、「バーンスタインにも破綻が見えてきた」と語ったのに対して、そんなことあるもんかい、と思っていたらほどなくして亡くなってしまった、評論家はスゴイと思ったものです。)

脳のクロックレートが遅れていき、よって体も刺激に対して緩慢な反射となり、それに筋肉・関節の衰えも掛け合わされて、指数関数的な劣化を迎えることになります。こう考えると、人間って他の動物より脳が優れた分、それを起点としたすべてが相乗効果で急速に高まって、相乗効果で 急速に衰える動物なのかもしれません。

みんな等しく歳を取ります。今の修士出の新人だって、シンギュラリティの年と言われる2045年には50歳です。

ここにAIのお助けを期待したくなります。AIでシニアも進化させてほしい。

AIによる人の増強・拡張の方向性は筋がよさそうですが、少なくとも当面は、歳を取った脳を入れ替えるわけにはいかず、とするとどうも相性が気になります。AIのやってくれることに対して、理解や反応が追い付かないのではないか…

シニアと対峙するAIは間合いを変える必要がありそうに思う今日この頃です。

そこそこ神秘性があったほうがいい

AIの説明性(XAI: Explainable AI)の研究開発が花盛りとなっています。ディープラーニングにおいても説明を付けられるようにしようとする。それはもちろんたいへん結構なことで、今後ますます研究が進むでしょう。

※欧州のGDPRやG20 でのAI原則、日本では総務省のAI利活用ガイドラインなどの影響もあり、ブラックボックスの典型であるディープラーニングにおいても透明性を高める技術が一大トピックになりました。

しかしそれはあくまでAIによる意思決定、あるいはAIの行為に説明をつけてもらわなくては困ります、ということであり、”統計情報としては” 関係性、できれば因果を客観的に解き明かして示してほしいということです。

好みのタイプ

一方で、AIが個人の趣味嗜好を解き明かしたとして、その説明を聞きたくなるでしょうか?何となく聞いてみたいような聞いてみたくないような、そんな感じではないでしょうか?

例えば「あなたの好きな女性は、笑ったとき目が三日月になる、髪が短い、性格はさっぱりしたボーイッシュなタイプ」「あなたの好きな音楽は、シンコペーションの多い、自然な転調の入った曲」などと説明されつくされたら少し興ざめしそうです。

たぶん、人は自分の行為や嗜好に、多少の「神秘性」を残したいものなのでしょう。神秘性、とまで言わなくても、決定論的な世界は虚しく感じるでしょう。

いずれにせよ近い将来、技術は進み、AIへの入力情報が増えれば因果関係まで説明は可能になるはずです。

マッチング

合理的には、好みのタイプをわかった上で、多くのマッチングをしてもらったほうが幸せの獲得確率が高まり、間違いも少なくなるでしょう(ここでは最適マッチなら幸せと単純化します)。例えば、スキー場での出会いが輝かしく見えて、、なんて高揚感に惑わされて判断を間違うこともなくなるでしょう。
そんな世界は虚しいといっても、人生のためには背に腹は代えられない。

さて、個の幸せが叶えば、全体の幸せが満たされるものでしょうか?

ここで、「希少性」が問題になります。結論としては、希少なものを奪い合う構図の時は、個の幸せ自体が、満たされることがまれ、となるでしょう。前提が成り立たないわけです。

ランキングの真実

「蓼食う虫も好き好き」ではあるものの、全体平均から見れば、人気ランキングの通り、ランキングトップ数%の人やモノが大半の人気を占めるでしょう。
つまり多くの人は、共通のものを好み、選びたいと思うわけです。
簡単に描けば、上位20%の獲得に80%がひしめき合う構図(実際はもっと極端かも)。必ずそのようなアンバランスになります。

複製可能なデジタルコンテンツはいくらでも満たされます。しかしリアルな、例えば男女のマッチングはそうはいきません。

ほんの一部が完全に満たされて、多くはそこそこを目指すことになります。

全体最適化のためには、そこそこ幸せ、な人を増やすことがカギに見えます。しかし個人から見ると、それで満足できるのか、という問題。

全体の幸せが最大になるためには、個の幸せは多くの場合最大ではない、は真。一方、上記の問いについては、原理的にそもそも、個の幸せが叶うことがマレ、ゆえ、不良設定な問いとなります。

そこそこ神秘性があったほうがいい

AIでのベストな選択にいちいち説明がつくと、結果的に「なんで私は一番好きなタイプからずれた人を紹介されたのでしょう?」なんてことになる。

ここは「神秘性」を残して、身近な出会いを「理由なしに」受け入れる、令和のはじまりくらいの状態が、個も全体も一番幸せなのでは、と考える今日この頃です。

AIと一輪のバラ(2020/1/3)

2020年を迎えました。
明けましておめでとうございます。

昨年はAIによる画像・音声認識や生成まで、そして行動予測技術が花開き、一方でAIブームは少し沈静化し、怪しいポッと出AIベンチャーが淘汰された年、と何かで読みました。

かように今後も多少の浮き沈みはあれど、AIの事業適用が加速することは間違いありません。
ハードウェアの進化も華々しく、去る2019年10月にGoogleが世界最速のスパコンで1万年かかる計算を量子コンピューター「たった53個の素子」で200秒で実行した、と発表しました。量子素子の脆弱性ゆえ実用までには20年かかると言われますが、その過程で、機械学習への応用が期待されているようです。

そうなると膨大な特徴量と目的変数の関係性を瞬時に見出すことを繰り返すことで、すぐれた「直近未来予測」が可能になるでしょう。人がそれに畏怖を感じるのも無理はありませんし、人知を超えたAIに人は屈服するのか?などという話に展開してしまいそうです。

AIと人は別物だから比較は愚かなこと、共存により人をアップデートしよう、という考えも浸透してきました。それでも、どう別物なの?AIは脳の模倣を目指してきたんじゃないの?今どのくらい味方になるの?と問われたとき、どう答えればよいでしょう?

ひょんなことから、ひとつの典型と思える物語を思い出しました。

「星の王子さま」は世界中の子供たちに愛され続けていますが、大人にとっても深いテーマをいくつも含んでいます。「大切なものは目には見えないんだ」

そして、私にはあのバラの話こそが、人の本質、感情の根源を見事に射抜いて、AIとの差異を明確にしているように思われるのです。

自分の星で見つけた珍しい芽はやがて美しいバラの花を咲かせる。水遣りをして世話をする王子さまにきまぐれなバラ。やがて傷ついて星の旅に出る。でもなぜだかますますその一輪のバラが気になってしかたない。遠くにいても残してきたバラを守らなきゃと思い続ける。最終的に自分の星に戻るため命を捨てるまでに。

偶然関わった一輪のバラが、特別な存在になってしまう、それが人だと思うのです。

一方、現在のAIは一派ひとからげです。パーソナライゼーションといえどもモデルは万人共通。入力が個々に違うので答えが個々に変わるに過ぎません。統計モデル、協調フィルター的手法の限界です。

人はといえば、認知レベル、いえ知覚レベルで既に対象ごとにモデルが違っているように思えます。あるいは特徴量の特定の組み合わせにより、極端に発火する複雑系のモデルなのか。

データサイエンティストのように論理的で客観視が得意な人でさえ、わが子だけは心底可愛く感じて、他人の子と同じように見ることはできないでしょう。

ひょっとして感情の源泉は依怙贔屓?奇妙なバイアス?なのかもしれません。理由はわからないけれど贔屓してしまう、特別視してしまう。そこからさまざまな感情が生まれる。

AIは感情を持つか?という問いに対して、感情を持った人と似たふるまいをすることはできても、感情を持ったとは言えない、といまは答えるべきでしょう。
「感情チューリングテスト」なるものがあったとして、テストをパスしたからといって感情を持ったとは言えないわけです。ちょうどチューリングテストにオウム返し戦略でパスするのと同様な感じ。

まずはAIが、恋のような人それぞれの「奇妙なバイアス」の生起自体を予測することは可能でしょうか?

おそらく、どこまでいっても入力特徴量が足りない、そもそも要素還元手法の限界と言えるのかもしれません。いえ、やはり現状の統計的AIモデルの限界と言うべきでしょう。あの人が近くにいると感じるだけで世界ががらりと変わってしまうのですから。

そして将来、AGI(汎用AI)は意図せず個体固有のバイアス(入力データにない)を持ち、増大させるでしょうか?

ヒューマニティとAI

今後、思索を深め一部を技術でシミュレートすることで「ヒューマニティ」の理解を進めたい、そして人の潜在欲求を満たす技術の具現化に方法論をもって迫りたい、と大きな妄想をした2020の年明けでした。

2020/1/3

ヒューマニティ志向AI

唐突ですが、 ヒューマニティとは何か?を考えたいと思います。

「人間らしさとは何か」

なぜ脳には、空想上の経験を楽しめるような報酬システムがあるのか?あるいはなぜ雨の降る午後に、自動車の修理マニュアルよりミステリー小説を読みたいと思うのか?

人間らしさとはなにか?―人間のユニークさを明かす科学の最前線』マイケル・S・ガザニガ *1

脳の進化の特徴や必然を最新科学で語る素晴らしい書物の中で一見、進化に意味の無さそうな芸術本能について語るくだりです。

人の脳は世界の異なる側面を探し求め、感知し、経験すると、喜びの感覚という報酬を受ける。つまり外界適応でなく、内部適応、脳の自己充足による選好だとガザニガは言います。

美しいものへの継続的注意は本質的な報いあるものであり、異性や獲物、風景や、そして高度な技術研究開発にまでつながる根本だと。

トランスヒューマニズム

一方、言わずと知れたカーツワイル 「シンギュラリティ」*2 と古くからある超人思想が合体した「トランスヒューマニズム」という潮流がシリコンバレーで盛り上がっているそうです。
テクノロジーの使用を通じた人間の進化を目指す文化的・知的運動で、サイボーグ化、脳とAIの融合 、不老不死。。
「トランスヒューマニズム党」が2016年の米大統領選にも名乗りを上げたのにはたまげました。

若干、カルト的香りがしますが、技術の指数関数的な進歩を思えば、あるレベルまでトランスヒューマン化が進むのは不可避なのかもしれません。 歓迎すべきかどうかはともかく。

能力拡張された時、人の本質として何が残るでしょうか?

それは人の脳のしくみ(あるいは癖)からくる、継続的な美への希求ではないでしょうか?

ならば、美に報酬を与えるよう「深層学習」×「強化学習」で果たせるのでは、とAI屋はおっしゃるかもしれない。

では「美」とは何でしょうか?

それをカクカクシカジカと定義して、それに当てはまる時、人は美しいと感じるのか、といえば、極めて違和感が残ります。

「美」や「美しさ」と静的に扱った途端に、「美しい」という感覚から遠ざかります。上の議論でいう脳が感じる「美」は、「美しい」であって、橋本治言うところの動的な心の動きとしての「わかるわー」という「美しい」はどんなものなのか?と問いを変える必要がありそうです。


象徴的に橋本は言います。

子供は「子供」になり「人間」になる。。しかし人間の前から夕焼けが遠ざかって、「人間の一日は感動で終わる」という事実も子供から遠ざかっていったとき、「美しいをわかる」が曖昧になっていく。

人はなぜ「美しい」がわかるのか』 橋本治 *3

美しいをわかるには「憧れ」や「欠落」つまり「外への方向性」が必要なのだと続きます。

最近また、人の本質を捉える視点に出会いました。

人は希少な資源をめぐって競争する動物である。
愛、注目、権力、地位、、次の希少を求めて競争し、決して終わらない。

予測マシンの世紀: AIが駆動する新たな経済』アジェイ・ア グラワル *4

近い将来、ロボットやAIに囲まれて衣食満ち足りても、人は何か気になる希少なものを求め続け、旅にも出たりするのでしょう。

ここにも共通しているのは、現状への欠落感と「まだ見ぬ外への方向性」

トランス前のヒューマニズムへ

脳にこのような機構が組み込まれているならば、そうした脳を持つ、人という種が生み出す社会や文化も、内在的に「まだ見ぬ外への方向性」を尊ぶようにできていると考えられないでしょうか?

月へ、火星へ、宇宙へ、量子へ、脳へ、心へ。科学・技術・哲学の冒険は留まるところを知らず、それを人々は掛け値なしに称賛します。

そうだとすれば、仮にトランスヒューマン化が進んでも、脳が置き換わらない限り、人は社会・文化・文明レベルで変わらない「まだ見ぬ外への方向性」をもって「美しい」を追求する。

これがヒューマニティの根本の価値感だと私は思っています。加えて同義にも思えるヒューモアと。

それらを技術とどう結びつけるか、技術でどうブーストするか、がこれからのテーマとなります。

#ご意見いただけると幸いです。

  

【 参考】
*1『 人間らしさとはなにか?―人間のユニークさを明かす科学の最前線』マイケル・S・ガザニガ
脳と心・社会・他人の情動・芸術・意識・肉体、など極めて多面的なトピックを、脳神経学者が語る、素晴らしく充実した枕本。論理とストーリー性とユーモアの調和が見事です。
人間のうわさ話は霊長類の社会的グルーミング、その集団の規模や遊びの量は相対的脳サイズと相関する、 などの面白ネタや、ひとつの意識=自己の発生について、左半球の解釈装置とエピソード記憶、左右のネットワークによる創発の仮説について、など、惹きつけられる話が満載です。
AIを開発 する人は読むべきです。

*2『ポスト・ヒューマン誕生 コンピュータが人類の知性を超えるとき 』レイ・カーツワイル
2005年にシンギュラリティの概念をこの本から知り、衝撃を受けたのでした。しかしより衝撃を受けたのは「宇宙が静かすぎる」という、唯一悲観的なフレーズでした。つまり種は一定レベル以上高度にはなれない、他の種と交信する前に種の破滅を迎える、ということです。

*3『人はなぜ「美しい」がわかるのか』 橋本治
最近亡くなった変態的哲人の独特な思考。AIを開発 する人は読むべきです。

*4『予測マシンの世紀: AIが駆動する新たな経済』アジェイ・ア グラワル
トロント大学ロットマン経営大学院教授で創造的破壊ラボ(CDL)創設者が書いたAI経済の本。かつてない「予測マシン」としてのAIが経済に及ぼす影響を論じる。自由意志の観点でシンギュラリティは哲学的には不可能。



セレンディピティをAIで創る

セレンディピティを技術で創り出し、チャンスをつかむ機会を増やすことができるでしょうか?そんな大それたことが。
それはある程度可能だと考えています。情報や芸術との出会いの領域においては。

カギは領域成熟度の把握とそれに応じた適切な振り方・振り幅の設定です。要するにコンテンツの捉え方と距離の個人化です

同じ領域にあるモノの差異が感じられたら、その領域において成熟した証拠。

違いがわかる男のゴールドブレンド」ってやつです。(そういえばいつの間にかCMから消えてなくなりましたね。)

AIにおける知識構造はセレンディピティのネタの宝庫なはずです。 極端に細やかな差異と距離まで見出せるからです。
特徴量の範囲で、という限定付きですが(これについては本質的なのでまた別の回に)。

問題はそれが意味のある差異なのか?意味判断のできないAIにはそれを感知できません。

意味を見出すのは人間です。

AIが作った意外な関係性を、意外だけれど意味あるものとして理解できるほどに成熟しているか?

その成熟度判定をパスした人に対して、セレンディピティのチャンスを増やすことは可能と思うわけです。

セレンディピティを探して

セレンディピティは「差異や違和感を感知する力、その力を準備するだけの長く深いこだわりや思考の時間、そして旺盛な好奇心・探求心。」 と書きました。

”賢さ”にも色々ありますが、セレンディピティに出会う力も、賢さのひとつの現れでしょう。
チャンスを感知しつかみ取る能力としてみれば、それは訓練で得られるかもしれないと思うわけです。

知の巨人、外山滋比古先生も、セレンディピティを、「探しているものではない、思いがけないことを発見する能力のこと」と書かれています。

つまりセレンディピティの前提は「探し求めること」 となります。

”賢さ”は英語で “Sagacity”。

この語の発音が、”探して” と聞こえるのはセレンディピティでなくただの偶然なのでしょうか?


※ なんとなく参考本

「乱読のセレンディピティー」 外山滋比古 https://amzn.to/2SQpgw1

~科学的発見で多く見られるセレンディピティが、どうしたら人文系で起こせるか、乱読によってである、と書かれています。乱読によってタコつぼから出る、という効用だけでなく、ことばより早く読むことによって、ことばの残像がオリジナリティの場となる可能性があるということでしょうか。

「風のように早く読め。」