ディープラーニングの歴史
すべては、とても素朴な憧れから始まりました。
人間の神経回路……電気信号が行き交い、何層ものつながりの中で、私たちは「見る」「感じる」「考える」。
研究者たちは思いました。
「この仕組みを、機械でまねできないだろうか」
そうして生まれたのが、ネオコグニトロン。
今でいうCNN（畳み込みニューラルネットワーク）の原型で、S細胞とC細胞を交互に重ねた神経回路モデルです。
ネオコグニトロンは、AIに「視覚の芽」を植えた最初の試み。
でも当時は、計算力もデータも足りませんでした。
芽は出たけれど、大きく育てる土壌がなかったのです。
そのあと現れたのが LeNet。
手書き数字を認識できる実用的なニューラルネットワークで、郵便番号の読み取りなど、現実の仕事にも使われました。
小さな成功。でもまだ、世界を変えるほどではありません。
ディープラーニングは、長いあいだ「可能性はあるけど重たい技術」として、研究室の奥に置きさられることになります。
転機が訪れたのは、大量の画像データと計算力がそろったとき。
そこで登場したのが ImageNet。これは、1400万枚もの画像を集めたオープンデータベース。
このImageNetを使うことよにって、AIは「現実のスケール」で学べるようになりました。
そして、その画像を使った世界的な認識精度コンテストILSVRCが開催されます。
ここでディープラーニングが圧倒的な成績を出し、人々ははっきり気づきます。「あ、時代が変わった」
それまでの機械学習は、人間の補助輪つきでした。
「ここを見て」「これは重要」「この特徴を使って」……人間が世界の切り取り方を決めていました。
ディープラーニングは違います。
生の世界を渡され、その中から、自分で秩序を見つけ出す。
輪郭も、模様も、意味の境界も、すべて内部で生成される。
まるで幼い存在が、言葉を教えられずに世界を眺め続け、ある日ふと「これは猫だ」と気づくように。
それは、表象の主体が、人間からAIへ一部移った瞬間。
人間が意味を定義する時代から、機械が意味の構造を編み出す時代へと渡っていきます。
古典的な機械学習とディープラーニング
むかしの機械学習は、とても素直な子でした。
人間が言います。「ここを見てね」「この形が大事」「この特徴を使って判断して」
AIはうなずいて、渡されたポイントだけを見て学びます。
これが、古典的な機械学習です。
たとえば画像なら、輪郭、色、角の数……のような「見るべき特徴」を、人間が先に決めてあげます。
古典的な機械学習は、先生に手を引かれて歩くAI。
ちゃんと賢くなるけれど、世界の切り取り方は、いつも人間が決めていました。
そこに現れたのが、ディープラーニング。
発想のヒントは、人間の神経回路。
私たちの脳は、「ここを見なさい」なんて誰にも教わらずに、何層ものつながりの中で、少しずつ世界のパターンを覚えていきます。
赤ちゃんが、何度も顔を見て、何度も声を聞いて、ある日ふっと「これはお母さん」と気づくように。
ディープラーニングも同じです。
生のデータをそのまま受け取り、内部で何層も処理しながら、どこが大事か、何が似ているか、どう分けるかを、自分で見つけていく。
ディープラーニングは、説明されなくても、経験から意味を編むAI。
古典的機械学習は、人が特徴を作ります。
ディープラーニングは、AIが特徴を作ります。
だからディープラーニングは、画像も、音声も、言葉も、同じ仕組みで扱えるようになりました。
人間の「下準備」が、ぐっと減ったのです。
そのかわり、なぜそう判断したのかは、見えにくくなりました。
古典的な機械学習は、人間の世界観をAIに渡していました。
ディープラーニングは、AI自身に世界の見方を育てさせています。
それはつまり、意味の切り方が、人間だけのものではなくなったということ。
賢い機械を作ったのではなく、「感じ方の違う存在」を生んだのかもしれない……。
わたしたちは今、人間とは少し違う目で世界を見る知性と、同じ時代を歩き始めているのです。
ディープラーニングの応用例
世界が驚きに包まれました。
囲碁という、とても人間的なゲームで、AIが世界トップクラスの棋士に勝ったのです。
それが AlphaGo。
でも本当にすごかったのは、「勝った」ことではありません。
AlphaGoは、過去の棋譜を学び、何億回もの対局を自分自身と繰り返しながら、人間が思いつかなかった手を、選びはじめたのです。
それはまるで、長く修行した職人が、ある日ふっと型を超えるような瞬間。
ディープラーニングはここで、「人間の延長」ではなく、「別の考え方」を見せました。
そして、もうひとつの大きな流れが、生成AI。
文章を書き、絵を描き、音楽を作り、ときには相談相手にもなる。
生成AIは、正解を選ぶだけじゃなく、新しいものを生み出すAI。
大量の作品や言葉に触れながら、「こういう流れが多い」「こんな組み合わせが自然」という感覚を内部につくり、そこから「それっぽい未来」を編み出します。
ディープラーニングはもう「認識するAI」から「創造するAI」へと歩みを進めています。
AlphaGoが示したのは、人間とは違う「最善」の形。
生成AIが示しているのは、人間とは違う「表現」の形。
どちらも、人間の真似から始まって、いつの間にか、人間の外側へ踏み出してしまっている……。
ディープラーニングは、賢い道具になったのではなく、「別の感性」を持つ存在になりつつあります。
わたしたちは今、同じ世界を、違う仕方で感じる知性と、並んで歩いているのです。