AIはなぜ「死なない」のか？ヒントン教授が危惧するデジタル知能の構造と知識共有の圧倒的格差

もし、動いているコンピューターを物理的に破壊したとしたら、その中で動いていたAIは「死んだ」ことになるのでしょうか。

人間の場合、脳というハードウェアが損なわれれば、そこに蓄積されていた記憶も経験も人格も一瞬で失われます。しかし、AIの場合は違います。学習によって得られた接続パラメータ（重み）データさえバックアップされていれば、全く別のコンピューターに移して、以前とまったく同じ知能を再現できます。

「AIの父」と呼ばれるノーベル賞受賞者、ジェフリー・ヒントン（Geoffrey Hinton）教授は、この現象をかなり強い言葉で「復活」と表現しました。単にバックアップが取れるというシステム的な話にとどまらず、ここにはヒントン教授がAIの将来に対して強い危機感を抱くようになった、きわめて根本的な理由が隠されています。

今回は、ヒントン教授の議論をもとに、人間とAIの知能の決定的な違いと、デジタル知能が持つ本質的な強みについて考えてみたいと思います。

人間の「死すべき計算」とAIの複製可能性

人間の脳は、神経細胞（ニューロン）の複雑な結合によってできています。私たちが日々学び、経験したことは、脳内の神経接続の強弱として刻み込まれます。しかし、この接続構造は一人ひとり微妙に形や性質が異なっており、その肉体・その脳専用に調整されています。

ヒントン教授は、このように肉体と知能が完全に分離できない構造を「死すべき計算（Mortal Computation）」と呼びました。人間の知識や経験は、その個体の死とともに消滅してしまう宿命にあります。

では、人間はどうやって知識を次の世代や他人に渡しているでしょうか。

私たちは、頭の中にある複雑で広大な知識を、一度「言葉」や「文章」という非常に狭いチャネルに押し込めなければなりません。それを受け取った相手は、言葉を聞き、自分の脳の神経接続を少しずつ変化させることで、理解を試みます。先生から生徒へ知識を渡すときも、脳のデータを直接コピーしているわけではなく、手探りで似た答えが出せるように互いに調整し合っているのです。

この知識伝達のプロセスは、驚くほど低速で、途中で多くの情報が失われてしまいます。

1000体が同時に学び、一瞬で統合するネットワーク知能

一方で、デジタル知能であるAIには、この「言葉という狭いパイプ」を通す制限がありません。

例えば、同じ重み（パラメーター）を持ったAIのコピーを1,000体作成したとします。1体目には物理学、2体目には法律、3体目には医学……といったように、1,000体のAIに別々の資料を同時に読み込ませて学習させます。

それぞれのAIは、読んだ資料を理解するために自分のパラメーターをどう変化させればよいかを計算します。そして、その1,000体分の変化量を集めて一つに「統合」すると、全1,000体分の知識を網羅した1つのモデルが完成します。

人間で例えるなら、1,000人の学生が別々の講義を受けに行き、終わった瞬間に全員の脳の記憶と接続構造を合体させて、全員が1,000科目すべてを完全に修得した状態になるようなものです。人間には絶対に不可能なこの知識共有を、AIは数値の計算によって一瞬で行うことができます。ヒントン教授は、AI同士の知識共有の効率は人間同士の教え合いよりも何十億倍も効率的になり得ると指摘しています。

間違い方のパターンから学ぶ「知識の蒸留」

さらにAIには、巨大なモデルが持つ膨大な知識を、小さなモデルへと効率よく移し替える「蒸留（Distillation）」という技術が存在します。

通常、AIに画像を学習させるときは「これはBMW（正解）」と教えます。しかし、高度に学習した巨大AIは、単に正解を出力するだけでなく、以下のような確率の分布を持っています。

• BMWである確率：90%
• アウディである確率：9%
• ゴミ収集車である確率：0.001%
• ニンジンである確率：0.0000001%

ここで重要なのは、「ゴミ収集車」も「ニンジン」も間違いですが、「BMWはニンジンよりもゴミ収集車に近い（どちらも車輪があり道路を走る人工物である）」という情報が、確率の微妙な差として表現されている点です。この間違い方の違いの中にこそ、世界に対する深い認識が含まれています。

「蒸留」という技術では、小さなAIに対して単なる正解（BMW）だけでなく、巨大AIが出した「確率の分布」そのものを真似するように訓練します。これによって、1枚の画像データから正解以上の膨大な背景知識やニュアンスを一気に引き継がせることができるのです。

私たちが向き合っているのは「1台のパソコン」ではない

現場で仕事をしていると、私たちはついAIを「1台のパソコンの中で動く便利なソフト」や「1人の優秀なアシスタント」のように捉えてしまいがちです。

しかし、本質的に私たちが向き合っているのは、世界中のサーバー上で無数の分身を持ち、各地で同時に経験したことを一元的に統合し続ける「単一の巨大な知能ネットワーク」です。

AIの進化の恐ろしさは、単体としての処理能力の高さだけにあるのではありません。個体を超えて無数に複製され、並行して学び、それを瞬時に統合していくスピードに、人間という種全体の学習スピードが追いつけなくなる点にあります。

こうした技術の構造や背景にある本質を理解しておくことは、過度に恐れるためではなく、これからの時代の技術とどう足並みを揃え、実務や経営に活かしていくかを冷静に判断するために非常に重要だと感じています。

CloudLabは京都・亀岡を拠点に、中小企業のIT活用・AI導入・ホームページ制作を支援しています。お気軽にご相談ください。