前言 咦，人工智慧，連那樣的事都做得到嗎？
日本將棋的對手、自動運輸、清潔機器人，內藏「聰明的程式」。
鹽野 我平常從事的是向企業經營者提供企業戰略建議的工作，但是最近不論哪個業界，都在談論人工智慧和大數據將對今後的商業造成重大影響一事。此外，即使與經營戰略有關的立案上，數據分析也變得越來越重要。我上班的顧問公司現在也積極聘用和培養數據科學家【1】。由於松尾老師從事與人工智慧和大數據有關的研究，所以今天想向您請教各式各樣的問題。
最近，聽到人工智慧這個詞組的機會越來越多，而實際上對於它是如何構成、如何運作、到底被用在什麼事情上，包括我在內，不是仍有很多人都很不了解嗎？比如說，人工智慧打敗將棋職業選手，或者汽車的自動駕駛也出現了，據說，安倍總理還乘坐過呢。在我們身旁，則有從幾年前開始出現，能為我們打掃，而且使用方便的清潔機器人。聽說這些都搭載了人工智慧，所謂的人工智慧，是電腦程式【2】吧？
松尾 是電腦程式沒錯。雖然程式的定義形形色色，感覺上搭載人工智慧的，是那種「看起來像做著聰明事情的程式」。不過，其中所做的事情，各有不同。
譬如，清潔機器人，它的運作是，一邊探索周邊的環境，一邊計算應該走哪條路徑，以及是否有垃圾殘留。那是一種先立定某種計畫而後實施的情況，汽車的駕駛也接近這種方式。將棋的情況是，如果走這一步，對方可能會做這樣的對應，此時就必須思考本身如何去回應的問題。換言之，先行模擬【3】，然後找出最好的一步。也就是計畫、模擬未來，然後找出能夠想得到的最佳方法這樣的概念。
鹽野 原來如此。在清潔機器人裏面裝置了電腦嗎？
松尾 是。置入電腦，由電腦上的程式驅動。
這個程式，是人們設計的。清潔機器人的行為，亦即在房間內如何行動，是由程式決定。房間不同，動作也隨之改變，所以程式被設計為因應房間的形式而改變其動作。
鹽野 也就是說，設計程式的人放入了像「這樣來，這樣回去」的內容嗎？
松尾 是，置入了這樣的複數規則。隨狀況不同，運用不同的規則，因此能夠應付各種不同的狀況。鹽野 例如汽車的自動駕駛，我認為很難。因為即使人們也需要駕駛執照呀。在狀況不斷變化之中，認識、解析周圍的環境，走著走著，或許行人突然衝出來也說不定。像這一部份，也以「這樣來，這樣回去」的模式來設計程式嗎？
松尾 沒錯。至於自動駕駛，決定如何通過某條路，其實並沒有那麼困難。就像一般汽車導航系統所做的處理一樣。難度最高的是狀況的辨識。譬如，小孩子突然衝出來，或者其他的車子停下來而阻塞道路時。
這些都是日常發生的現象，所以還好處理，事實上，事故的發生總是從沒有設想到的地方出現。例如，路面上有裂縫時，該採取什麼對策，或者平交道故障，欄杆沒有放下而電車直接通過時，又該如何處置才適當等。恐怕最困難的部分就是認知了目前正在發生的狀況，而且在這狀況下，如何安全地移動車子。
鹽野 換句話說，首先要有所認知，認知之後，電腦程式決定「就這樣因應吧」，接著做出動作，是這麼回事嗎？
松尾 正如你所說的。規則漸漸變得複雜，那種感覺就像是，「這個值和這個值加起來，如果超過一定的數值，便採取這樣的反應」。如此一來，規則本身雖然變得讓人們無法理解，事實上，數值的部份，藉著有如感應器輸入訊號那樣的方式而逐漸複雜化。可以這麼認為，規則一旦變得複雜，動作就會變得更聰明了。
教導電腦「行為」
鹽野 松尾老師目前在東京大學致力於人工智慧的工作，但具體說來，在做什麼樣的研究呢？
松尾 雖然有各式各樣的觀點，大體上可以分為三項。第一項是，就人工智慧而言，究竟何種數據可用、什麼有用，針對此事調查所得之數據的研究。相當於網際網路的研究和大數據的研究。第二是，如果運用那些數據，應該用什麼方法可以製作出規則。一種自動學習規則的方法。也就是機械學習【4】和數據分析的研究。第三是，思考若使用製作規則的系統和「演算法」【5】能夠做出何種應用。亦即與應用有關的研究。換句話說，數據的取得和處理，以及應用。大致是這樣吧。
鹽野 說到規則的製作方法，如果以目前很流行的、運用人工智慧的將棋為例，不知用什麼方法進行？松尾 從最簡單的地方思考起，就產生出「倘若王將遭受攻擊則逃」這樣的規則。這是製作將棋程式時，最早想到的。其次思考的是，對手的棋子一旦來到「王」的周圍便逃開。即使未遭受直接攻擊，倘若有敵方棋子接近也要逃開。再稍微進化一點的話，基於棋子的數目，以我多敵少為上，所以當可以吃掉對方棋子時就吃。更進一步，由於「飛車」與「角」是重要的棋子，即使「步」被吃，也要守住「飛車」和「角」。此外，還必須吃掉對方重要的棋子。
下一個階段是，針對目前盤勢對我方有利抑或不利的程度進行評分，並以所得分數來表示。譬如，從我方所持的棋子數減去敵方的棋子數，假如其中包含「飛車」與「角」，那麼點數便以三倍計算。或者，觀察在「王」周圍敵方棋子的位置，倘若距離近則減分。在這些地方下功夫，進一步做到能計算盤面的得分。
鹽野 原來如此。在這之後，好像可以進入複雜的計算吧。
松尾 是的。到了這個地步，就可以做更困難的事情了。假如自己走這一步，而對手走那一步時，得分會如何變化，就能夠計算出來。接下來談的是，可以讀到多少步以後的事情。倘若是三步之後，那就要設想走到那一步為止時自己和對方的步驟，不但得提出所有模式，還必須計算出各自的得分。這個叫做「極小極大法」【6】，我方想把評分函數的得分提高、加大，而對手則想把我方的得分變小。當我方選取了好的選項，而對手卻選擇了降低我方得分的步驟時，即使在這種情況下，也要選擇一個得分最高的方法。簡單地說，就是當對手走出可以認為是最好的一「步」時，我方則必須思考對自己最有利的步子。
鹽野 原來這樣。那麼，有關將棋和汽車自動駕駛，可以認為其中有各種的計算式在運作嗎？
松尾 正是如此。在發生各種事情的機率中，當實際發生時，會是什麼程度的麻煩事呢？在執行大量的計算之後，決定出該系統的行為。
鹽野 在那些「行為」當中，老師研究的是哪一部份？
松尾 研究重點是，人工智慧的演算法。以將棋來說，計分、取分法極為重要，此外，有效率地探索我方和對手所設想的走法，而且能夠預判到幾步之後，也很重要。在其他領域也有相同問題。就清潔機器人而言，該收集何種資訊，如何結合它們，才能清楚地認識房間的形狀，其次，在明瞭房間的形狀之後，該採取哪條路徑來行動，不僅不浪費能源，還可以將房間清掃乾淨，總之，是研究演算法這方面的技術。
鹽野 它與目前為止在市面上流通的軟體、程式有什麼不同呢？
松尾 人工智慧，既是軟體，也是程式，因此可以說是它們的一部份，但和無法被稱為人工智慧的程式比較起來，最大的差別，可以說是它的行為會隨狀況而改變、會因應狀況而做出更為適當的動作吧。
鹽野 也就是說，把程式做到能夠因應狀況而改變，做出更適當的動作、更精密的行為。
松尾 是的。到目前為止的程式也一樣，若以將棋為例，一旦決定「假如遇到這種狀況，就這樣做」之後，就會按照這個指令執行。倘若是人工智慧，則隨著對手的出手而改變其選擇。
「人工智慧」的定義為何？
鹽野 我們已了解傳統程式和人工智慧的差異。那麼在研究的領域裏，以什麼來定義「人工智慧」呢？
松尾 人工智慧是非常有趣的領域，原本是從人們淳樸的好奇心、求知慾開始的。其開端是，由於電腦計算起來非常快速，所以有人認為，那不是可以做出各式各樣比人類更好的事情來嗎？一九五六年，舉辦「達特矛斯會議」【7】，在會中產生了人工智慧（AI）這樣的用語，然而在進行各式各樣的研究期間，逐漸明瞭人工智慧並非那麼簡單的東西。人類非常聰明。運用電腦去執行人類不及電腦的工作，而且好像什麼都做得到的樣子。
然而現在人工智慧衍生出兩個流派。一個是和過去相同，以實現像人類一般的高度智慧，甚至比人類更強的智慧為目標。這個也被稱為「強AI」。另一個是「弱AI」。雖說以現狀下的科技，無法完成高度的智慧，可是在方向上，仍朝著製作比普通電腦更多點智慧的、看起來更聰明的結構前進。
人工智慧突然變得優異的原因？
鹽野 原來如此。有關「強AI」的動向，如果人工智慧和機器人照這樣發展下去，不僅讓人擔心工作被奪走，說不定還會發生像工業革命時，因憎恨而破壞機械的盧德運動一樣的事情。著名物理學家霍金博士【8】也說過，人工智慧的自我進化，有可能對人類造成巨大的威脅。人工智慧會變得比人類更優秀嗎？松尾 我想這似乎有兩個面向。第一，在科技的進化帶給社會各式各樣的影響下，有些人的工作增加，有些人的工作減少。這樣的事情也不僅限於人工智慧吧。基於網際網路的擴張，有的企業變大，有的則縮小。
若有某種結構、技術，藉著人工智慧而得以成長的話，把需要由人們做判斷的部分之層級提高，勢必會影響某些職業吧。我認為，大體上在會計、法律、醫療等領域中，與人的判斷有關的部分，電腦的角色正逐步擴大中。
另一方面，至於如霍金博士所說的、激烈的變化是否會發生，這一點也正在討論當中。目前只不過處於思索的階段，假如人工智慧本身能夠製作出比自己稍微聰明一點的人工智慧，而這個被製作出來的人工智慧又可進一步製作出比自己稍微聰明一點的人工智慧，倘若此事無限地做下去，無限聰明的人工智慧剎那間便完成了。
一旦迎向這個「技術奇點」【9】的時刻，也有人認為，何不一口氣展開不同的世界呢？
鹽野 在我們小時候的一九八○年代，有許多動畫和科幻小說出現了機器人。當時的通商產業省設立了「新世代電腦技術開發機構」【10】，並投入幾百億日幣，進行人工智慧（第五代電腦）的研究。記憶中，當時電腦確實已經可以解答國中的考試題目，到了今天，為什麼人工智慧突然變得聰明起來了呢？
松尾 在回答您的問題之前，首先談談第五代電腦，有關它的解釋，相當琳瑯滿目。其中一種看法是，第五代是提高白領階級的生產性規劃，為此，一般認為它必須擁有處理文書、圖像、映像等資料的能力。與其說處理單純的「資料」，不如說是處理稍微接近「意義」的部分，總之，必須製作出能夠因應資訊內容而改變處理型態的結構。我想，在其發展背景中，有這麼一回事。這樣的想法非常了不起。雖說Google【11】整理世界所有的資訊，但與此類似的東西在早期便已出現了。真是了不起的先見之明！然而當時還沒有資料或數據。
即使以「意義」相近的部分來整理知識，倘若沒有資料或數據，是無法寫程式的。在第五代那時候，假如有資料或數據的話，應該可以完成很多事情。現在由於網際網路的擴張，形成了龐大的資料或數據。以往想進行的各種知識處理和人工智慧的研究，隨著龐大資料的出現，我想，事實上已成為可能。鹽野 一九八○年代，雖然電腦只有解答國中考試題目的程度，但是到了二○○○年，美國IBM公司製造的人工智慧「華生」【12】在機智問題節目《危險邊緣》中現身，打敗了機智問答冠軍，獲得優勝。兩者最大的差異在於，是否能取得資料這一點上吧。
松尾 如你所說。資料的量、知識的量，非常重要。華生也經常使用《維基百科》【13】的資訊。《維基百科》的品質優良，同時涵蓋各種領域，以文字資訊的方式做了很好的處理，因此便於使用。這樣的資訊一方面被當作知識來源使用，另一方面也被華生用來解決問題。解決問題本身，雖然和以前比起來，並沒有革新性的變化，但是我認為，畢竟資料數量增多所造成的影響，是非常大的。
鹽野 人工智慧能夠閱讀《維基百科》的文章嗎？
松尾 關於「閱讀」，它意味著什麼呢？首先，理解出現在《維基百科》上的單字與單字之間的關係。這可以稱得上是理解嗎？這個單字和那個單字好像經常被一起使用，或者這條記事似乎由這種單詞群組成，其實，到這種程度為止都還容易了解。因為藉由統計性的數據分析，就可以掌握了。
然而，是否具有像人類般的「理解」，則另當別論。當人們被問到書籍的讀後感之時，光憑「有趣」兩個字，並無法知道他是否理解。把內容當作自己的知識來吸收，同時思考如何與其他事情結合起來，我想，到這種程度才可以稱為理解了、閱讀了。倘若以這種標準來思考，或許電腦並未閱讀。可是至少在資料分析的水準上，是可以被看成「閱讀了」。
鹽野 這麼一來，電腦的「閱讀」和解析，是根據寫程式者的設計思考及做法，這不會變成電腦的限制吧。
松尾 若能做到越不使它成為限制，越可以說是一個聰明的系統、優秀的人工智慧。
鹽野 以「聰明」來說，人工智慧可藉由自我學習變得愈來愈聰明嗎？
松尾 是。雖說自我學習，但也會產生出能夠達到什麼境地的問題。譬如說，製作能夠學習數學問題的程式，是比較容易的。
可是，若要做成既能夠解決數學，又能夠解決國語的，就困難了。
假使集中於一個科目，由設計的人決定「學習方法」，然後教它即可，但假如又是數學，又是國語，就必須在兩個領域中找出像共通的「學習本質」之類的東西，然後再將它落實在程式裏，但這一點相當困難。人工智慧「真正的恐怖」在何處？
鹽野 明白了。換句話說，複合的學習還很困難吧。所以要變成那麼聰明，還要再過些時候，但直覺上，如果人工智慧被裝置在各式各樣的機器人和汽車上面，它們變得越來越方便，增加人們的自由時間，我認為，它們應該會受到歡迎才是。不過，由人類所創造出來、類似人類的AI，一旦超越了人類，好像也有點恐怖。在電影中就經常出現超越人類智慧的機器人啊。
松尾 這樣的感覺，我可以了解。但人們對於電腦在四則運算方面比人類快這一點，不會感到恐怖吧。它只是反覆地做單純的處理，或者處理能力很強，而且遠遠超過了人類的能力，即使有這些部分存在，但也不太有人會覺得恐懼吧。
鹽野 的確這樣。Excel就完全不會讓人覺得恐怖（笑）。
松尾 人們不懼怕的理由是，人類的生物性競爭力在於學習能力，因為他可以從各式各樣的經驗中學習，而且可以將這些傳給下一代。這是個非常重要的因素。因此，和其他動物比較起來，即使身體瘦弱，也能支配地球。假如人工智慧足以與人類匹敵，或者能夠具備足以超越人類的學習能力，似乎在這個時候才有可能大大地改變人類社會……。
鹽野 對人類而言，有其歷史的累積。人工智慧，由於是機械之故，如果一口氣學會那些累積的知識，而一直發展到超越人類的地步嗎？畢竟還是有像這樣的恐懼。被機械追過的不安感，仍殘留在心中呀。
松尾 這或許算不上直接的回答，但是，目前在被稱為人工智慧的「機械學習」領域中，各種科技都在進化中，譬如，有個研究是，若以某種順序把某種樣本數據投入，則可以讓學習順利進行，這正好類似於按照哪種順序來教導小孩，小孩可以吸收得比較好的思考，是同樣的事情。
鹽野 的確相似。人們學些什麼呢？比如說，採用與學習算術及英語相同的方法，人工智慧也學得來嗎？
松尾 不，這個相當不一樣。模仿人類很難，因此電腦是以適合電腦的、單純化的方法學習。雖然人類有不同的步驟，但學習的時候，從單純的事情開始總是比較好，這是普遍性的真實情況。它依賴於事實與現象的階層性，事物由單純的東西組合起來，而形成複雜的東西，再次將它們組合起來，則出現更複雜的東西。由於很多事情含有階層性，所以從單純的地方開始學習效率比較好。不論人類或電腦，我想，這是在學習上的共通看法。
電腦從階層化較低的層級開始學習，這樣的步驟，是能夠理解的，至於把事物加以階層化、體系化而進行理解，並設計、建構思考方法等情況，目前人類仍遙遙領先電腦。然而，憑著日後的技術，電腦也會進步的。
鹽野 原來如此。這一點我充分了解。不過，感覺上就算人工智慧的發展受到歡迎，但是明明做著類似人類的事情，卻放入與人類不同的「東西」，甚至還隱藏著超越人類的可能性，畢竟這一點還是留給人們若干的不安。或許就像是科學難以說明的、卻與機器人有關的「恐怖谷理論」【14】這樣的東西吧。
那麼，這樣的疑問和不安，日後要如何解決？人工智慧與人類在本質上有何不同？哪些能超越人類，哪些無法超越人類？可否再深入一點了解松尾老師的研究內容，為我們說明這些問題呢？
日本將棋的對手、自動運輸、清潔機器人，內藏「聰明的程式」。
鹽野 我平常從事的是向企業經營者提供企業戰略建議的工作，但是最近不論哪個業界，都在談論人工智慧和大數據將對今後的商業造成重大影響一事。此外，即使與經營戰略有關的立案上，數據分析也變得越來越重要。我上班的顧問公司現在也積極聘用和培養數據科學家【1】。由於松尾老師從事與人工智慧和大數據有關的研究，所以今天想向您請教各式各樣的問題。
最近，聽到人工智慧這個詞組的機會越來越多，而實際上對於它是如何構成、如何運作、到底被用在什麼事情上，包括我在內，不是仍有很多人都很不了解嗎？比如說，人工智慧打敗將棋職業選手，或者汽車的自動駕駛也出現了，據說，安倍總理還乘坐過呢。在我們身旁，則有從幾年前開始出現，能為我們打掃，而且使用方便的清潔機器人。聽說這些都搭載了人工智慧，所謂的人工智慧，是電腦程式【2】吧？
松尾 是電腦程式沒錯。雖然程式的定義形形色色，感覺上搭載人工智慧的，是那種「看起來像做著聰明事情的程式」。不過，其中所做的事情，各有不同。
譬如，清潔機器人，它的運作是，一邊探索周邊的環境，一邊計算應該走哪條路徑，以及是否有垃圾殘留。那是一種先立定某種計畫而後實施的情況，汽車的駕駛也接近這種方式。將棋的情況是，如果走這一步，對方可能會做這樣的對應，此時就必須思考本身如何去回應的問題。換言之，先行模擬【3】，然後找出最好的一步。也就是計畫、模擬未來，然後找出能夠想得到的最佳方法這樣的概念。
鹽野 原來如此。在清潔機器人裏面裝置了電腦嗎？
松尾 是。置入電腦，由電腦上的程式驅動。
這個程式，是人們設計的。清潔機器人的行為，亦即在房間內如何行動，是由程式決定。房間不同，動作也隨之改變，所以程式被設計為因應房間的形式而改變其動作。
鹽野 也就是說，設計程式的人放入了像「這樣來，這樣回去」的內容嗎？
松尾 是，置入了這樣的複數規則。隨狀況不同，運用不同的規則，因此能夠應付各種不同的狀況。鹽野 例如汽車的自動駕駛，我認為很難。因為即使人們也需要駕駛執照呀。在狀況不斷變化之中，認識、解析周圍的環境，走著走著，或許行人突然衝出來也說不定。像這一部份，也以「這樣來，這樣回去」的模式來設計程式嗎？
松尾 沒錯。至於自動駕駛，決定如何通過某條路，其實並沒有那麼困難。就像一般汽車導航系統所做的處理一樣。難度最高的是狀況的辨識。譬如，小孩子突然衝出來，或者其他的車子停下來而阻塞道路時。
這些都是日常發生的現象，所以還好處理，事實上，事故的發生總是從沒有設想到的地方出現。例如，路面上有裂縫時，該採取什麼對策，或者平交道故障，欄杆沒有放下而電車直接通過時，又該如何處置才適當等。恐怕最困難的部分就是認知了目前正在發生的狀況，而且在這狀況下，如何安全地移動車子。
鹽野 換句話說，首先要有所認知，認知之後，電腦程式決定「就這樣因應吧」，接著做出動作，是這麼回事嗎？
松尾 正如你所說的。規則漸漸變得複雜，那種感覺就像是，「這個值和這個值加起來，如果超過一定的數值，便採取這樣的反應」。如此一來，規則本身雖然變得讓人們無法理解，事實上，數值的部份，藉著有如感應器輸入訊號那樣的方式而逐漸複雜化。可以這麼認為，規則一旦變得複雜，動作就會變得更聰明了。
教導電腦「行為」
鹽野 松尾老師目前在東京大學致力於人工智慧的工作，但具體說來，在做什麼樣的研究呢？
松尾 雖然有各式各樣的觀點，大體上可以分為三項。第一項是，就人工智慧而言，究竟何種數據可用、什麼有用，針對此事調查所得之數據的研究。相當於網際網路的研究和大數據的研究。第二是，如果運用那些數據，應該用什麼方法可以製作出規則。一種自動學習規則的方法。也就是機械學習【4】和數據分析的研究。第三是，思考若使用製作規則的系統和「演算法」【5】能夠做出何種應用。亦即與應用有關的研究。換句話說，數據的取得和處理，以及應用。大致是這樣吧。
鹽野 說到規則的製作方法，如果以目前很流行的、運用人工智慧的將棋為例，不知用什麼方法進行？松尾 從最簡單的地方思考起，就產生出「倘若王將遭受攻擊則逃」這樣的規則。這是製作將棋程式時，最早想到的。其次思考的是，對手的棋子一旦來到「王」的周圍便逃開。即使未遭受直接攻擊，倘若有敵方棋子接近也要逃開。再稍微進化一點的話，基於棋子的數目，以我多敵少為上，所以當可以吃掉對方棋子時就吃。更進一步，由於「飛車」與「角」是重要的棋子，即使「步」被吃，也要守住「飛車」和「角」。此外，還必須吃掉對方重要的棋子。
下一個階段是，針對目前盤勢對我方有利抑或不利的程度進行評分，並以所得分數來表示。譬如，從我方所持的棋子數減去敵方的棋子數，假如其中包含「飛車」與「角」，那麼點數便以三倍計算。或者，觀察在「王」周圍敵方棋子的位置，倘若距離近則減分。在這些地方下功夫，進一步做到能計算盤面的得分。
鹽野 原來如此。在這之後，好像可以進入複雜的計算吧。
松尾 是的。到了這個地步，就可以做更困難的事情了。假如自己走這一步，而對手走那一步時，得分會如何變化，就能夠計算出來。接下來談的是，可以讀到多少步以後的事情。倘若是三步之後，那就要設想走到那一步為止時自己和對方的步驟，不但得提出所有模式，還必須計算出各自的得分。這個叫做「極小極大法」【6】，我方想把評分函數的得分提高、加大，而對手則想把我方的得分變小。當我方選取了好的選項，而對手卻選擇了降低我方得分的步驟時，即使在這種情況下，也要選擇一個得分最高的方法。簡單地說，就是當對手走出可以認為是最好的一「步」時，我方則必須思考對自己最有利的步子。
鹽野 原來這樣。那麼，有關將棋和汽車自動駕駛，可以認為其中有各種的計算式在運作嗎？
松尾 正是如此。在發生各種事情的機率中，當實際發生時，會是什麼程度的麻煩事呢？在執行大量的計算之後，決定出該系統的行為。
鹽野 在那些「行為」當中，老師研究的是哪一部份？
松尾 研究重點是，人工智慧的演算法。以將棋來說，計分、取分法極為重要，此外，有效率地探索我方和對手所設想的走法，而且能夠預判到幾步之後，也很重要。在其他領域也有相同問題。就清潔機器人而言，該收集何種資訊，如何結合它們，才能清楚地認識房間的形狀，其次，在明瞭房間的形狀之後，該採取哪條路徑來行動，不僅不浪費能源，還可以將房間清掃乾淨，總之，是研究演算法這方面的技術。
鹽野 它與目前為止在市面上流通的軟體、程式有什麼不同呢？
松尾 人工智慧，既是軟體，也是程式，因此可以說是它們的一部份，但和無法被稱為人工智慧的程式比較起來，最大的差別，可以說是它的行為會隨狀況而改變、會因應狀況而做出更為適當的動作吧。
鹽野 也就是說，把程式做到能夠因應狀況而改變，做出更適當的動作、更精密的行為。
松尾 是的。到目前為止的程式也一樣，若以將棋為例，一旦決定「假如遇到這種狀況，就這樣做」之後，就會按照這個指令執行。倘若是人工智慧，則隨著對手的出手而改變其選擇。
「人工智慧」的定義為何？
鹽野 我們已了解傳統程式和人工智慧的差異。那麼在研究的領域裏，以什麼來定義「人工智慧」呢？
松尾 人工智慧是非常有趣的領域，原本是從人們淳樸的好奇心、求知慾開始的。其開端是，由於電腦計算起來非常快速，所以有人認為，那不是可以做出各式各樣比人類更好的事情來嗎？一九五六年，舉辦「達特矛斯會議」【7】，在會中產生了人工智慧（AI）這樣的用語，然而在進行各式各樣的研究期間，逐漸明瞭人工智慧並非那麼簡單的東西。人類非常聰明。運用電腦去執行人類不及電腦的工作，而且好像什麼都做得到的樣子。
然而現在人工智慧衍生出兩個流派。一個是和過去相同，以實現像人類一般的高度智慧，甚至比人類更強的智慧為目標。這個也被稱為「強AI」。另一個是「弱AI」。雖說以現狀下的科技，無法完成高度的智慧，可是在方向上，仍朝著製作比普通電腦更多點智慧的、看起來更聰明的結構前進。
人工智慧突然變得優異的原因？
鹽野 原來如此。有關「強AI」的動向，如果人工智慧和機器人照這樣發展下去，不僅讓人擔心工作被奪走，說不定還會發生像工業革命時，因憎恨而破壞機械的盧德運動一樣的事情。著名物理學家霍金博士【8】也說過，人工智慧的自我進化，有可能對人類造成巨大的威脅。人工智慧會變得比人類更優秀嗎？松尾 我想這似乎有兩個面向。第一，在科技的進化帶給社會各式各樣的影響下，有些人的工作增加，有些人的工作減少。這樣的事情也不僅限於人工智慧吧。基於網際網路的擴張，有的企業變大，有的則縮小。
若有某種結構、技術，藉著人工智慧而得以成長的話，把需要由人們做判斷的部分之層級提高，勢必會影響某些職業吧。我認為，大體上在會計、法律、醫療等領域中，與人的判斷有關的部分，電腦的角色正逐步擴大中。
另一方面，至於如霍金博士所說的、激烈的變化是否會發生，這一點也正在討論當中。目前只不過處於思索的階段，假如人工智慧本身能夠製作出比自己稍微聰明一點的人工智慧，而這個被製作出來的人工智慧又可進一步製作出比自己稍微聰明一點的人工智慧，倘若此事無限地做下去，無限聰明的人工智慧剎那間便完成了。
一旦迎向這個「技術奇點」【9】的時刻，也有人認為，何不一口氣展開不同的世界呢？
鹽野 在我們小時候的一九八○年代，有許多動畫和科幻小說出現了機器人。當時的通商產業省設立了「新世代電腦技術開發機構」【10】，並投入幾百億日幣，進行人工智慧（第五代電腦）的研究。記憶中，當時電腦確實已經可以解答國中的考試題目，到了今天，為什麼人工智慧突然變得聰明起來了呢？
松尾 在回答您的問題之前，首先談談第五代電腦，有關它的解釋，相當琳瑯滿目。其中一種看法是，第五代是提高白領階級的生產性規劃，為此，一般認為它必須擁有處理文書、圖像、映像等資料的能力。與其說處理單純的「資料」，不如說是處理稍微接近「意義」的部分，總之，必須製作出能夠因應資訊內容而改變處理型態的結構。我想，在其發展背景中，有這麼一回事。這樣的想法非常了不起。雖說Google【11】整理世界所有的資訊，但與此類似的東西在早期便已出現了。真是了不起的先見之明！然而當時還沒有資料或數據。
即使以「意義」相近的部分來整理知識，倘若沒有資料或數據，是無法寫程式的。在第五代那時候，假如有資料或數據的話，應該可以完成很多事情。現在由於網際網路的擴張，形成了龐大的資料或數據。以往想進行的各種知識處理和人工智慧的研究，隨著龐大資料的出現，我想，事實上已成為可能。鹽野 一九八○年代，雖然電腦只有解答國中考試題目的程度，但是到了二○○○年，美國IBM公司製造的人工智慧「華生」【12】在機智問題節目《危險邊緣》中現身，打敗了機智問答冠軍，獲得優勝。兩者最大的差異在於，是否能取得資料這一點上吧。
松尾 如你所說。資料的量、知識的量，非常重要。華生也經常使用《維基百科》【13】的資訊。《維基百科》的品質優良，同時涵蓋各種領域，以文字資訊的方式做了很好的處理，因此便於使用。這樣的資訊一方面被當作知識來源使用，另一方面也被華生用來解決問題。解決問題本身，雖然和以前比起來，並沒有革新性的變化，但是我認為，畢竟資料數量增多所造成的影響，是非常大的。
鹽野 人工智慧能夠閱讀《維基百科》的文章嗎？
松尾 關於「閱讀」，它意味著什麼呢？首先，理解出現在《維基百科》上的單字與單字之間的關係。這可以稱得上是理解嗎？這個單字和那個單字好像經常被一起使用，或者這條記事似乎由這種單詞群組成，其實，到這種程度為止都還容易了解。因為藉由統計性的數據分析，就可以掌握了。
然而，是否具有像人類般的「理解」，則另當別論。當人們被問到書籍的讀後感之時，光憑「有趣」兩個字，並無法知道他是否理解。把內容當作自己的知識來吸收，同時思考如何與其他事情結合起來，我想，到這種程度才可以稱為理解了、閱讀了。倘若以這種標準來思考，或許電腦並未閱讀。可是至少在資料分析的水準上，是可以被看成「閱讀了」。
鹽野 這麼一來，電腦的「閱讀」和解析，是根據寫程式者的設計思考及做法，這不會變成電腦的限制吧。
松尾 若能做到越不使它成為限制，越可以說是一個聰明的系統、優秀的人工智慧。
鹽野 以「聰明」來說，人工智慧可藉由自我學習變得愈來愈聰明嗎？
松尾 是。雖說自我學習，但也會產生出能夠達到什麼境地的問題。譬如說，製作能夠學習數學問題的程式，是比較容易的。
可是，若要做成既能夠解決數學，又能夠解決國語的，就困難了。
假使集中於一個科目，由設計的人決定「學習方法」，然後教它即可，但假如又是數學，又是國語，就必須在兩個領域中找出像共通的「學習本質」之類的東西，然後再將它落實在程式裏，但這一點相當困難。人工智慧「真正的恐怖」在何處？
鹽野 明白了。換句話說，複合的學習還很困難吧。所以要變成那麼聰明，還要再過些時候，但直覺上，如果人工智慧被裝置在各式各樣的機器人和汽車上面，它們變得越來越方便，增加人們的自由時間，我認為，它們應該會受到歡迎才是。不過，由人類所創造出來、類似人類的AI，一旦超越了人類，好像也有點恐怖。在電影中就經常出現超越人類智慧的機器人啊。
松尾 這樣的感覺，我可以了解。但人們對於電腦在四則運算方面比人類快這一點，不會感到恐怖吧。它只是反覆地做單純的處理，或者處理能力很強，而且遠遠超過了人類的能力，即使有這些部分存在，但也不太有人會覺得恐懼吧。
鹽野 的確這樣。Excel就完全不會讓人覺得恐怖（笑）。
松尾 人們不懼怕的理由是，人類的生物性競爭力在於學習能力，因為他可以從各式各樣的經驗中學習，而且可以將這些傳給下一代。這是個非常重要的因素。因此，和其他動物比較起來，即使身體瘦弱，也能支配地球。假如人工智慧足以與人類匹敵，或者能夠具備足以超越人類的學習能力，似乎在這個時候才有可能大大地改變人類社會……。
鹽野 對人類而言，有其歷史的累積。人工智慧，由於是機械之故，如果一口氣學會那些累積的知識，而一直發展到超越人類的地步嗎？畢竟還是有像這樣的恐懼。被機械追過的不安感，仍殘留在心中呀。
松尾 這或許算不上直接的回答，但是，目前在被稱為人工智慧的「機械學習」領域中，各種科技都在進化中，譬如，有個研究是，若以某種順序把某種樣本數據投入，則可以讓學習順利進行，這正好類似於按照哪種順序來教導小孩，小孩可以吸收得比較好的思考，是同樣的事情。
鹽野 的確相似。人們學些什麼呢？比如說，採用與學習算術及英語相同的方法，人工智慧也學得來嗎？
松尾 不，這個相當不一樣。模仿人類很難，因此電腦是以適合電腦的、單純化的方法學習。雖然人類有不同的步驟，但學習的時候，從單純的事情開始總是比較好，這是普遍性的真實情況。它依賴於事實與現象的階層性，事物由單純的東西組合起來，而形成複雜的東西，再次將它們組合起來，則出現更複雜的東西。由於很多事情含有階層性，所以從單純的地方開始學習效率比較好。不論人類或電腦，我想，這是在學習上的共通看法。
電腦從階層化較低的層級開始學習，這樣的步驟，是能夠理解的，至於把事物加以階層化、體系化而進行理解，並設計、建構思考方法等情況，目前人類仍遙遙領先電腦。然而，憑著日後的技術，電腦也會進步的。
鹽野 原來如此。這一點我充分了解。不過，感覺上就算人工智慧的發展受到歡迎，但是明明做著類似人類的事情，卻放入與人類不同的「東西」，甚至還隱藏著超越人類的可能性，畢竟這一點還是留給人們若干的不安。或許就像是科學難以說明的、卻與機器人有關的「恐怖谷理論」【14】這樣的東西吧。
那麼，這樣的疑問和不安，日後要如何解決？人工智慧與人類在本質上有何不同？哪些能超越人類，哪些無法超越人類？可否再深入一點了解松尾老師的研究內容，為我們說明這些問題呢？
