「知能」とは何か?答えを見つける能力か、問いを立てる能力か

知能には、決まったルールの中で正解を出す力と、枠組みを疑って新しい問いを立てる力があります。AIが正解のある課題で人間の成績を上回る例が出ているため、後者に注目が集まっています。ただし、問いを立てる力が人間だけのものかは、確かめられていません。

しかし、問いを立てることもAIにはできないのでしょうか。AIが出した研究アイデアのほうが、専門家のアイデアより新規性が高いと評価された実験があります。

目次

閉じた系で求められるのは、正解を速く正確に出す力

ルールとゴールが決まった課題(この記事では「閉じた系」と呼びます)で求められるのは、速く正確に正解を出す力です。学校の試験、資格の取得、定型的な業務は、この種の課題の例です。

AIは正解のある課題で人間を上回る例がある一方、研究アイデアの新規性でも高く評価された

正解が決まっているベンチマークでは、AIが人間の成績を上回った例があります。スタンフォード大学の人間中心AI研究所(HAI)がまとめた『AI Index』の2024年版は、画像分類、視覚的推論、英語の理解などでAIが人間を上回ったと報告しています。一方で、競技レベルの数学、視覚的な常識推論、計画のような複雑な課題では、AIは人間に及んでいません。

作業の多くをAIに委ねれば、人間はより本質的な活動に集中できると思います。

AIは枠組みそのものを問い直すことが原理的に難しい、という見方があります。答えを出す力の価値は相対的に下がる、という見方もあります。この2つの見方は、確かめられていません。2024年にarXivで公開された研究(Si、Yang、Hashimoto)では、100人以上の自然言語処理の研究者が参加し、専門家が書いた研究アイデアとAIが出した研究アイデアを、書き手を伏せて評価しました。新規性はAIのほうが高く、実現可能性はやや低い評価でした。この実験が測ったのは、研究アイデアの新規性の評価です。

問いを立てる力とは、ルールもゴールも不明確な状況で新しい視点を見つける力

問いを立てる力とは、ルールもゴールも不明確な「開かれた系」で、新しい視点や関係を見つけ、新しい意味をつくる力のことです。この記事ではこの力を、「なぜこうなっているのか」と根源を問う力、「もしこうだったらどうなるか」と未来を構想する力、「それは本当に正しいのか」と常識を検証する力の3つとして扱います。

観点閉じた系開かれた系
ルールとゴール決まっている不明確
求められる力正解を速く正確に出す力問いを立てる力
例学校の試験、資格の取得、定型的な業務「なぜ」「もし」「それは本当に正しいのか」と問う場面

メタ認知は、自分の思考の過程に気づく力

メタ認知とは、自分の思考の過程に気づき、その型を理解することです。心理学者のジョン・フラベルは1979年に、これを認知についての知識と認知の制御と定義しました。

自分がどんな前提や固定観念の影響下にあるかに気づければ、問いの出発点を変えられると思います。

探究への意欲とドーパミン系の関係を調べた研究があります。Gruber、Gelman、Ranganath(2014年、Neuron)は、トリビアの質問の答えを知りたい気持ちが強いとき、中脳と側坐核(ドーパミン系の回路)の活動が強まることを、fMRIで示しました。参加者は、知りたかった答えも、そのとき見た無関係な情報も、よく記憶していました。

Schultz、Dayan、Montague(1997年)は、霊長類のドーパミン神経の活動が将来の報酬の予測の誤差を伝えているように見えるとして、その活動を計算モデルで説明しました。この2つの研究が扱ったのは、与えられた質問への好奇心と、報酬の予測です。自分で新しい問いを立てるときにドーパミン系が働くかは、人では確かめられていません。

地動説と万有引力は、それまでの説明を変えた理論の例

地動説と万有引力の法則は、天体についてのそれまでの説明を変えた理論の例です。コペルニクスは『天球の回転について』(1543年)で、太陽を宇宙の中心に置くモデルを示しました。

当時の多くの人は、太陽が中心だという考えを疑いました。ニュートンが『プリンキピア』(1687年)で運動の法則と万有引力を定式化し、地動説への最後の疑いを取り除きました。どちらも、当時の説明への疑いから出発したと思います。

科学の外については、2009年のハーバード・ビジネス・レビューの論文(Dyer、Gregersen、Christensen)が、革新的な起業家と一般の経営幹部を比べ、創造的な経営者を分けるスキルを5つ挙げています。関連づける、問う(現状に疑問を投げかける)、観察する、実験する、人脈をつくる、の5つです。

問いを立てる練習は、日常・異分野・AIとの対話で試せる

問いを立てる練習は、日常の「なぜ」、異分野の接続、AIとの対話の3つで試せます。特別な訓練は必要なく、日々の習慣で磨かれるという説明があります。この点は、確かめられていません。

  1. 日常の当たり前に「なぜ」と自問する。例:なぜ信号は赤・黄・青なのか、なぜ一週間は七日なのか。答えを出すより、背景にある構造や歴史に関心を向けることを目的にする。
  2. 異なる分野の知識を意図的に結びつける。例:生物学の知識と経済学の理論を結びつけたら何が見えるか。哲学の概念を使って、自分の仕事の意味を問い直してみる。
  3. AIを答えの検索先にせず、対話相手にする。自分の仮説を示し、AIの応答から新しい論点や矛盾を探し、問いを深めていく。

ハーバード・ビジネス・レビューが挙げた5つのスキルのうち、「問う」は1つ目の練習に、「関連づける」は2つ目の練習に近い内容です。

学校の学びの目標にも入っている、課題を発見する力

高等学校の「総合的な探究の時間」は、課題を発見し解決していくための資質・能力の育成を目標にしています。2018年(平成30年)に告示された学習指導要領に書かれた目標です。

まずは、今日見かけた当たり前の物事を1つ選び、「なぜそうなっているのか」と問うてみてはいかがでしょうか。

  • URLをコピーしました!
  • URLをコピーしました!
目次