ロナルド・T・クヌーゼル、著者「How AI Works: From Sorcery to Science」- インタビュー・シリーズ

私たちは最近、ロナルド・T・クヌーゼル著「How AI Work: From Sorcery to Science」の先行コピーを受け取りました。私はこれまでに60冊以上のAIに関する本を読みましたが、その中には退屈なものもありますが、この本は新鮮な視点を提供することができました。この本は、私の「すべての時間のベスト・マシン・ラーニング＆AI本」のリストに追加する価値があると感じました。

「How AI Works: From Sorcery to Science」は、マシン・ラーニングの核となる基礎を明確かつ簡潔に説明した本です。以下は、著者ロナルド・T・クヌーゼルに質問した内容です。

これはあなたの3冊目のAI本です。最初の2冊は「Practical Deep Learning: A Python-Base Introduction」と「Math for Deep Learning: What You Need to Know to Understand Neural Networks」でした。この本を書く際のあなたの初期的な意図は何でしたか。

異なる対象読者。私の前の本は、AIの実践者になることに興味がある人向けの入門書です。この本は、一般の読者、つまりAIについて聞いたことがあるが背景がない人向けです。私は読者に、AIがどこから来たのか、魔法ではないこと、誰でも理解できることを示したいと思います。

多くのAI本は一般化する傾向がありますが、あなたはさまざまな用語の意味を具体的に教え、AI、機械学習、ディープ・ラーニングの関係を説明するという異なるアプローチを取りました。なぜこれらの用語の間で社会的な混乱があると思いますか。

AIの歴史と、現代のAIシステムがなぜ世界を変えているのかを理解するには、用語の区別を理解する必要があります。しかし、一般的な使用では、「AI」という用語を使うことは、主に世界を変えているAIシステムを指すものとして使うことは妥当です。現代のAIシステムは、ディープ・ラーニングから生まれ、ディープ・ラーニングは機械学習と接続主義的なAIアプローチから生まれました。

2章目は、タロスという巨大ロボットの神話から始まり、1950年代のアラン・チューリングの論文「Computing Machinery and Intelligence」まで、2012年のディープ・ラーニング革命まで、AIの歴史に深く掘り下げています。AIと機械学習の歴史を理解することは、AIがどれだけ進化したかを理解する上で重要な理由は何ですか。

私の意図は、AIが突然現れたわけではないことを示すことです。AIには歴史があり、起源があり、進化があります。大量の言語モデルが持つ新しい能力は驚きですが、それに至るまでの道のりはそうではありません。数十年の思考、研究、実験の結果です。

あなたはサポート・ベクター・マシン、決定木、ランダム・フォレストなどのレガシー・AI・システムを理解するための章を割きました。なぜこれらの古典的なAIモデルを完全に理解することが重要であると思いますか。

AIとしてのニューラル・ネットワークは、最適化ベースのモデリングを多くの以前の機械学習モデルで見られるものと同じアプローチです。入力から出力への関数をモデル化することの意味について、異なる視点を提供しています。以前のモデルについて知ることは、現在のモデルがどこから来たかを理解する上で役立ちます。

あなたは、OpenAIのChatGPTのLLMモデルが真のAIの夜明けであると信じています。以前のAIアプローチと比べて、どれが最も大きなゲーム・チェンジャーだったと思いますか。

最近、1980年代後半のリチャード・ファインマンのビデオを見ました。彼は、知的マシンについての質問に答えようとしていました。彼は、どのようなプログラムが知的行動を示すかを知らないと言いました。ある意味で、シンボリック・AIについて話していたのです。知的行動を可能にする魔法の論理操作のシーケンスを見つけることの謎についてです。

私は以前、多くの人と同様に、知性をプログラムする方法について疑問に思っていました。私の信念は、実際にはそうできないということです。知性は、知性と呼ばれるものを実現できる複雑なシステムから生じます。私たちの脳は、基本的な単位の複雑なネットワークです。ニューラル・ネットワークも同様です。トランスフォーマー・アーキテクチャ、特にLLMで実装されているものは、知的行動を可能にする基本的な単位の配置を偶然にも発見したようです。

一方では、これは究極のボブ・ロス的な「幸せな事故」です。他方では、基本的な単位の配置と相互作用が知的行動を可能にする複雑なシステムができたときには、驚くことではありません。トランスフォーマー・モデルは、そのような配置の1つであるようです。もちろん、これは別の質問を提起します。どのような他の配置が可能でしょうか。

あなたの本では、現代のAI（LLM）は、バック・プロパゲーションとグラディエント・デセントでトレーニングされたニューラル・ネットワークであると述べています。LLMの有効性に驚かされますか。

はいと言いません。私はLLMの応答と能力に常に驚かされていますが、前の質問に戻ると、知的行動は現実です。なぜ十分に大きなモデルと適切なアーキテクチャでは知的行動が生じないでしょうか。フランク・ローゼンブラットのような研究者は、確かに同様のことを考えていたでしょう。

OpenAIの使命声明は「人工一般知能—人間よりも優れたAIシステム—が人間全体に利益をもたらすことを保証する」です。AGIは達成可能であると思いますか。

私はAGIが何を意味するのかわかりません。同様に、意識が何を意味するのかもわかりません。したがって、答えることが難しいです。この本の中で述べているように、すぐに、そんな区別を気にする意味がない時期が来るかもしれません。アヒルが歩き、アヒルが鳴くなら、アヒルと呼んで終わりです。

冗談を置いておきますが、AIシステムがいつか多くの意識理論を満たす可能性はあります。完全に意識したAIシステムが欲しいのでしょうか。もし意識したなら、それは私たちと同じで、権利を持つ人です。私たちは、同じ種の他の存在の権利を尊重するのに十分な苦労をしています。人工的な存在の権利については、もっと苦労するでしょう。

この本を書く途中で、驚いたことがありましたか。

LLMの出現能力に同じレベルの驚きを感じている他の人と同じですが、特にありません。私は1980年代の学生としてAIを学び、2000年代初頭から機械学習を始め、2010年代初頭からディープ・ラーニングを始めました。私もこの分野の他の多くの人と同様に、カンファレンスごとに急速に成長するこの分野の発展を目撃しました。

素晴らしいインタビュー、ありがとうございます。読者は私のこの本のレビューも見てみてください。この本は、Amazonを含むすべての主要な小売店で利用可能です。