【感想】いまなら間に合う デジタルの常識

タイトルに惹かれて、デジタル勉強しようと手にしたが、専門的すぎ｡常識も身につけられないのかと、自分にガッカリ｡落ちこぼれに常識身につけさせようというなら横文字でなく、もう少し噛み砕いて説明してくれても…いいような気がするが…｡続きを読む

web3.0とは何か、AIの有用性や欠点、クラウドサービスについてなど、今、生活でも仕事でもよく聞く単語たちが何なのかを、成り立ちなどから含めて簡潔にまとめられている本。
それでもIT系用語が多くてな…かなか理解と読み進めるのに苦労しました。あとこれ一冊を1回読んでも、知識として身になってないのだろうな…
これからどんどん幅を利かしていく技術に放されすぎないように関連する本を読もうと思いました。続きを読む

いまなら間に合う デジタルの常識 (日経文庫)

第1章 言語を軸に次の段階をうかがうAI

画像生成器の作り方もいろいろありますが、現在最も成功しているのは拡散モデルと呼ばれるものです。ペットボトル…の画像を用意してそれにノイズを足していき、もとの絵に比べると雑音の多い、なんだかえらく劣化した画像を作ります。このノイズ画像からもとのクリーンな画像を取り出せるように、AIに学習を行わせます。もちろん、ペットボトルだけじゃなくて、色々な画像について繰り返し学ばせていくわけです。

学習が完了すると、「ノイズ画像」と「そこから取り出したい絵の指示」を与えることで、画像を生成できるようになります。もちろん、とんでもないノイズ画像から一発で綺麗なマンゴーの絵が出てくるわけはないので、「ちよつとだけノイズを除去してぼんやりした絵が出てきたぞ」「そこにまたノイズをまぶして、またノイズを除去しよう」といったことを何回も何回も繰り返して、最終成果物を作っていくのです。ですから、この方法は時間がかかるのですが、従前の手法と比べると一つのキーワードから多様なイメージを生み出せるので利用者に愛されています。

もともと、ディープラ— ニング( 深層学習) などを駆使して組み上げられたモデルは、人間にとっては可視化できないほどに複雑な作りになっています。中身は(それがたとえ公開されていたとしても) ブラックボックスのようなもので、ゆえに「どんなキーワード(プロンプトといいます) を入力すれば、素晴らしい絵が出力されるのか」を利用者が競う状況になりました。

今後も大規模なAIの中身を完全につまびらかにすることは難しいでしょう。説明可能なAIはうまくいかないのではないかと考えています。機械学習で、人間の手を離れたところで育てていけば構造的にそうなります。出来上がったものを遡及的に説明しようとしても、大きすぎて手に負えません。

チェスのAIが詩を解釈したり、料理のレシピを創造できるわけではない。特定分野に強いだけである。そこで、これを弱いAIと呼んだのです。
そして、SFに登場するような、分野をまたがって成果を出せる能力、考えを抽象化する能力、コミュニケーション能力などを持ち、もしかしたら自我や感情まで操れるようなものを強いAIとしました。

AIはどんな技術も避けられないハイプ・サイクル(ガートナーが提唱している、技術とその受容度合いの概念) の洗礼を受けました。技術側の期待値と、利用側の期待値の急速な高まりに実装がついていけず、深刻な幻滅期へと突入していきました。

変化は1980 年代に起こります。ここで、エキスパートシステムのブームが生じました。特定の分野で専門家のように振る舞える仕組みのことです。このときの技術的なキーワードは知識ベースです。
この試みは部分的には成功しました。知識ベースの構築と、それと照合する形での判断・意思決定は人間の専門家もやっていることですから、記憶間違いや忘却のないコンピュータは人間を上回れそうでしたが、肝心の知識ベースの構築が極めて面倒であることが露呈したのです。

2度目の幻滅期の谷を越えて、現代に至る第3 次ブームを勃興させる原動力になったのが機械学習です。人間が最初に学習の枠組みを作っておけば、その枠内において自動的にデータを読み込み、モデルを最適化していきます。
システム自身がモデルを調整していってくれますので圧倒的に楽で、容易に試行回数を増やせます。極端な話をすればシステムを作っているチームに将棋に詳しい人がいなくても、将棋エキスパートシステムを作ることが可能です。

こうしたムーブメントは単一の技術遷移で生じるものではありません。機械学習は強力なツールですが、学習するデータがなければ動かせません。
発想や試行、技術が組み合わさってはじめて実現するものです。2000年代は機械学習がブレイクするための機が熟していたといえます。

シンギュラリティは「人間的な振る舞い」以上に極めてふわっとした言葉です。「AIの出力が人間の知性を凌駕する」時点などと説明されますが、「人間の知性」そのものが未定義なのにそんなこと言われてもなあ、と煙に巻かれた感が否めません。

現在の生成系がそんなに素晴らしいものなのかどうかは、議論が続いています。すでに知性と呼べる一線を越えたとする人もいますし、いや所詮は膨大な過去の言葉の組み合わせから「この文脈ではこの語の次にはこの語がくるのがもっともらしい」と確率計算をしているにすぎないと考える人もいます。

生成系AIが弱いAIでしかないとしても、「人間の「知性」も結局は同じことをしているにすぎない。『考える』とは過去の組み合わせのことなのだ。だから生成系はもう知性を得ている」と再反論する人もいます。

AIの研究は遺伝子分野などと違い、コンピュータ資源さえあれば誰でも行うことができます。マスクもそんなことは百も承知で、どちらかといえば、先行しすぎたGPTリーズに待ったをかけて、その間に追いついてしまいたい意図が垣間見えます。

日本はいつも通り単に技術動向に鈍感なのか、それともアニメやコミックの影響でAI的なものに対する忌避感が薄いのか、各国がその状況を見定めようとしているところです。どちらにせよ、特異なポジションにいることは確かなので、出遅れたと萎縮せずAI利活用の分野で存在感を発揮する施策を打ち出したいところです。

現在のLLMの根底にあるのは尤度です。
この語の隣にはこの語があると尤もらしい。
この文の近くにはこの文があると、人が書いた文章として尤もな感じがする。といった確率モデルが使われています。

特にロジックを必要としない分野であれば、AIをすぐに、蹌踏なく使えます。詐欺メールの生成やクレームで怒り狂った人の相手などです。人を騙すことや人をなだめることをゴールに学習させたAIは、この任務をよく果たすでしょう。
ひょっとしたら、今後最も人間に求められるのは、AIが生み出した成果物の検証能力かもしれません。

第2章　Web３の正体

Web３の根底にあるのは、インターネットの低い安全性や不透明な情報流通への批判です。だから、それらの対策を講じた新しい世界規模のネットワークを立ち上げてもいい。
しかし、そのようなネットワークをーから再構築するのは現実的ではありません。
インターネットに今から公平性や透明性を織り込むのは無理。だからクローズドネットワ—クとしてのWeb３を作り、「Web３の中では」公平で透明な社会を実現しようとしているのです。

Webはインターネット上に展開されるアプリケーション層のサービスですが、Web３はそれとは別ものの、インターネット上に展開されるオ—バーレイネットワークです。だからWeb３を置き換えるものではないし、ましてインターネットを置き換えるものでもありません。この点は注意が必要です。

Web1.0は個人が放送局並みの発信力を獲得すると期待されたサービスでした。
Web2.0ではWeb1.0のネックだった技術の習得やサ—バの準備をパスすることが可能になりました。

総じて、Web1.0で与えられたツールはまだ使いこなすのが難しく、面倒な上に怖いものでもあったということです。
私たちは情報発信のツールを手にしました。でも、それを使いこなすためにはかなりの勉強と忍耐、資金が必要で、対価としてそれらを差し出すことはいやでした。だから、情報発信しないことを選んだのです。

そしてWeb2.0の時代になりました。Web1.0が難しく、面倒なのであれば、簡単にしてしまえばいい。そうすれば利用者が現れる。Web2.0を生むに至った発想は、至極まっとうなものでした。
Web2.0で使われている基盤技術はWeb1.0と変わりません。でも、幾重にマスクされて、微塵も難しさを感じさせないのです。

自由な情報発信権を勝ち取り、ボーダーレス化した社会の中で世界に対して輝くはずだった個人は、望まない文章を書かされ、広告に見えないように慎重にステルスされた他人の文章を読む羽目になったのです。これが輝かしいWeb2.0の実像です。

Web3は「ビッグテックの支配から個人が解放されたインフラ」で、「要素技術として、フロックチェーンを重視する」ものです。ここまでに述べてきたように、ビッグテックの支配は事実として観測できますし、近代民主主義の価値観からいえば個人が知化・解放されていくのは良いことでしょう。
だから、Web3 は正しいシステムだし、大衆も受け入れてくれる。Web3 推進者はそう考えています。これは典型的なエリートの誤謬です。繰り返しになりますが、一般利用者はその集合体としての大衆になったとき、極めてレイジーな属性を獲得します。

正しいからといって、善なるものを100% 実行できる人はいないし、それを強制すればむしろディストピアになるでしょう。レイジーさは罪ではありません。でも、システムを設計するときに、絶対に考慮すべきことです。人の善や勤勉さに期待するシステムは長統きしません。持続可能性に乏しいからです。

私自身はメタバースを「現実とは少し異なる理で作られ、自分にとって都合がいい快適な世界」と考えています。仮想世界であることは前提として、その世界が現実と同じなら利用者にとってはあまりメリットがありません。

いまメタバースを楽しんでいる利用者の多くは、「現実よりもこちらのほうがいい」という発想で使っています。ある意味でとても先進的です。しかし、人間が生身の肉体を持つ生きものである以上、現実が好きな人のほうが多数派でしょう。そのため、現実に立脚しつつも、現実をより快適にする方向性のサービスであるミラーワールドのほうが長期的かつ最終的な利用者は多くなると予測します。

第３章　データは死蔵から共有へ

どんなに理念や効果が素暗らしくても、その対価として小国一国分の電力を求めるシステムに持続性はないかもしれません。ブロツクチェーンは管理費用がかからないとする意見も目にしますが、マイニングに使われる電力という形で多くの人が広く薄く負担していますので、世の中のシステムがどんどんブロツクチェーンへ移行していけば、電力消費の問題は必ず大きくのしかってくることになるでしょう。

ブロックチェーンはその透明性と公平性に期待がかかっています。確かに、システムに参加している人の間に信頼関係がなくても、導かれる結果が信用でき、透明性と公平性が確保できるのであれば画期的な仕組みです。社会をより良いものにする可能性もあるでしょう。しかし、いまの段階ではどの分野に使うべきか、どんな仕組みで導入するべきか、模索している状況です。

第４章　広がり続けるネットワ―ク

たとえば、音階を伝えたいとき、アナログ通信ではそのまま波形を送ります。デジタル通信ではその波形から標本化、量子化、符号化を行って、符号を送ります。

どちらのデータを伝送するにしても通信経路上でノイズが混じるのは防げないのですが、アナログデータのノイズを除去するのが難しい一方で、 デジタルデータなら少し滲んだり欠けたりしても、判別できます

低遅延はどうでしょうか。高速と低遅延は混同されがちですが、実際には違いがあります。たとえば、飛行機と新幹線だったら飛行機のほうが圧倒的に高速ですが、出発間隔が大きく空港でけっこう待たされます。新幹線は速度は遅いものの、頻繁に発車していますからあまり駅で待たされません。低遅延なわけです

あらゆるもの、あらゆる場所にセンサーを設置し、世界をもっとよく知ろう、そしてそれでもっと儲けようといった発想は昔からありました( トリリオンセンサー) 。センサーを使って、世界の輪郭や社会の構造を知れば知るほどビジネスの種は出てきます。

二段階認証です。これは、パスワードを使うけれども、それだけで本人と認めるのは迂闊なので、登録されているメールアドレスにメールを送って、そこに記入してあるハイパーリンクをクリックしてもらうといった二回の認証を行う方式です。

エッジコンピュ— ティングとは、「いかにデータを動かさないか」を突き詰めた技術です。インターネツト時代になって距離と時間を超克したなどといわれますが、コンピュ—夕の通信自体は光の速さで動くわけではありませんし、仮に光速で伝達されたとしても、その頼みの綱の光速は一秒間で地球を7周半しかできないのです。CPUの処理速度から俯瞰すれば激遅です。

そこで、HFT と呼ばれる自動株取引の世界では、取引所の近くや同一建屋内にサーバを設値することが常態化しています。1ミリ秒、1マイクロ秒、他社に先んじることが死命を制するので、ちよっとでもケーブルの長さを短くしたいのです。

ゼロトラストは、その名前から想像できる通り、「誰も信用しない」セキュリティモデルです。発想の転換が行われた、新しいセキュリティモデルと考えられています。

5章　最近はやりのXX人材の育或

知識か、思考力かは、よく二項対立で議論されますが、少なくとも教育の現場ではどちらも必要です。
子どもたちに知識がないと、思考力を養うような授業ができないのもまた事実です。思考力を養うための教育方法として、PBL（課題解決型学習) 、PSL( 問題解決型学習) や体験型学習、反転講義、ディベート、グループワークなどのアクティブラーニング(能動的学習) が推奨されていますが、ある程度の知識がないと敎室が水を打ったように静まり返り、授業にならない手法でもあります。

成績上位層の学生に対してはアクティブラーニングは強烈に効きます。基礎知識の習得が早く、また習得が遅れた場合の保護者などのサポートが手厚く、自己肯定感も強い層だからです。アクティブラーニングの前提として、無駄に思えてもある程度の知識習得は必要です。

なぜいまプログラミング教育なのでしょうか?
プログラム自体が何かの問題を解決するための手段であり、プログラム制作は間題を解決することそのものだからです。

プログラミングを広く捉えた場合は、
問題の発見→理想と現実のギャップを抽出→その差を埋めるための解決策の思考→解決策のうち、情報システムで行うべき部分の切り出し→情報システムの設計→狭義のプログラミング→解決策の実行と評価→先頭へ戻る
と、問題の発見から解決までの長い道のりすべてを含むことになります。

この面倒なプロセスを踏んで、クリアしていくことができれば、世の巾が少しずつ良くなっていくかもしれません。プログラミング教育はそれをやろうとしています。狭義のプログラミングではなく、問題の発見から解決までをスコープに入れているのです。

多様性や論理性の話題でも言及しましたが、これらの能力が今後を生き抜いていくためにぜひ必要だからと、学校教育によっていくら身につけても、社会が実はそれを望んでいないのであれば、学生は良い職業、良い給与を得るために、容易に得たものを手放します。

STEM教育も同様で、データサイエンスの技能を身につけた学生を育てても、それを受け入れる社会の側が、「実は小理屈をこねるデータサイエンティストじやなくて、言われたことを何でもその通りに実行する人材が欲しいんだよな」と考えていれば、身につけた能力が社会や業務で発揮されることはないでしょう。続きを読む

生成AIは、大規模言語モデルを元に知識を組み合わせ解を作る技術。

ブロックチェーンは、取引をブロックに分け、ハッシュ値(あるファイルにユニークな固有の値を割り振る)と次のブロックに、前のハッシュ値と…ともにくっつける。これにより改ざんがほぼできなくなる。

Web3は、ブロックチェーンに立脚し、中央集権でなく仕組みが回る。ブロックチェーンの限界である、スケーラビリティと速度が、web3の限界でもある。


ソフトによっていて、現実とのリンクであるIoTについても理解を深めておきたいところ。続きを読む