「AI（人工知能）を導入したのに、成果が出なかった」。そんなボヤキが聞かれるようになった。失敗の原因はなにか。BCGのパートナー・高部陽平氏は「『工場を効率化したい』といった漠然な問題は、AIでは解決できない。現状のAIの特性と限界を知ったうえで、目的を明確化させる必要がある」という――。（後編、全2回）

現時点のAIはそれほど賢くはない

AIを正しく活用するには、その特性と限界を知る必要がある。現在普及しているAIのベースは、実は20年以上前に開発されたものだ。では、当時の技術と最新AIは何が違うのだろうか。

写真＝iStock.com／chombosan
全ての画像を見る（1枚）

最新AIの特徴は「自分で学習できる」と「自分で進化できる」の2つだ。専門用語で前者を「機械学習」、後者を「ディープラーニング（深層学習）」と呼び、機械学習の一部をディープラーニングが構成するという関係にある。

AIは豊富なデータを分析して有用なパターンを発見し、そこからさらに学習を重ね、あたかも知能を持つかのごとく「自分で進化」し、未知のパターンを発見する。「機械学習」と「ディープラーニング」によってデジタルが人間の知能に近づいたことが、昨今のAIブームを巻き起こしている。

一般に、AIができると思われていることは大きく3つだ。

（1）「人間のできることを拡張・支援する」
（2）「人間の作業を代替する」
（3）「人間には不可能なことをする」

このうちマスコミではとかく（2）ばかりが注目されがちだが、現時点のAIは人間がやっていることを即座に代替できるほど賢くはない。

「安全運転」に必要な多数のアルゴリズム

AIの実力を理解してもらうには、現在急ピッチで開発が進む「自動運転技術」を例にとるとわかりやすいだろう。無人で車を動かすには、最低7つの「アルゴリズム」が必要だ。アルゴリズムとは課題に対して必要な解を導くための具体的な手順、つまりロジックのことを指す。

まず、車外の状況を把握するだけでも、3つのアルゴリズムが必要になる。1つ目は、カメラを通じて得られた画像情報を解釈するアルゴリズム、2つ目は、「ミリ波」などを通じて得られた距離情報を解釈するアルゴリズム、3つ目は、外の情報を統合して状況を見極めるアルゴリズムだ。

次に、これらの情報を基に、運転動作に関するアルゴリズムが4つ必要になる。1.早く目的地に着くためのアルゴリズム、2.安全に走行するためのアルゴリズム、3.快適に運転するためのアルゴリズム、そして4.これらを総合的に判断し、動作を決めるアルゴリズムである。車の動作を考える場合、1.の早く目的地に着くロジックだけだと、車は確実に暴走する。しかし、2.の安全ロジックだけだと車は止まったままで動かない。基本的に動かなければ事故には遭わないからだ。そして3.の快適さロジックがないと、いわゆる安全運転には到達しない。そのうえで、3つのアルゴリズムの優先順位を決めるアルゴリズムが必要になる。

ここまでの過程で、既に7つのアルゴリズムが登場している。実際に決めた動作を車が行うには、ハンドルやアクセルなどの動作をつかさどるアルゴリズムも必要になる。

人間ならば無意識下で、しかも一瞬のうちに、「どんな場面においてどのロジックを優先すべきか」を判断しながら運転できる。しかしAIが同じように安全運転をするには、アルゴリズムを設定するだけでなく、それ相応の「学習」が必要だ。

具体的にどうするかと言えば、実際に公道を走り、遭遇するさまざまなケースをインプットする。そして蓄積した無数のデータと各種センサーから送られてくるリアルタイムの情報を統合し、分析しながら有用なパターンを見つけ出す。それを元に学習を重ねることで、もし未知の場面に遭遇しても、「どう動けば安全なのか」を瞬時に判断できるようになっていく。