生成AI万能論を越え、人と多様なAIが協調する時代へ――山口高平教授が語る「AIオーケストレーション」と日本の勝機（中編）

―ところで、山口先生の研究キーワードとして挙がっている「オントロジー」とはどういうものか。ご説明ください。

「オントロジー」というのは、言葉の意味をコンピュータに理解させるための概念定義です。名詞の場合は概念名や固有名詞を扱い、概念階層（概念間の上位・下位関係を整理した階層構造で、人間の知識や語彙の組織化に役立つ概念体系）が定義されます。また動詞の場合は、その動詞に付く主語や補語や目的語などの概念が定義されます。

概念階層については、例えばですね、人とロボットが対話していて、人が「昨日レストランに行ってステーキを食べて美味しかったよ」と言うと、従来のロボットは典型的な回答例を使ってオウム返し的に「ああ、それは良かったですね」と回答してきます。次に人が「ステーキの後に電話が出てきたので、それを食べてみたら美味しかったよ」という風にロボットをからかったとします。この場合、ステーキは食物より下位にある概念であるのに対して、電話は人工物。人が作ったものであり、人工物は食物と同じレベルにある排他的概念であり、食べるという動詞は目的語として食物概念のみを扱うとオントロジーに定義されています。つまり、人工物を食べるというような言い方はしないというふうに定義しているわけです。そういう動詞や名詞の意味を規定したものが「オントロジー」で、それに反した何か発言をすると、それでエラー反応をするというような感じで使います。この対話例ですと、「電話は人工物で食物ではないので、食べられないよ！このバカたれ！」というような回答を返すわけですね。

―わかりました。ロボットと人間の間のコミュニケーション上の課題は、どこにあると思われますか。

言葉ではこう言っているけれども、顔の表情を見ると渋々賛成しているなとか。そこを意識してコミュニケーションを続けた後、もう少し別の観点から説得しようとか、そういう表情や色々な動作を含めたトータルなコミュニケーションはまだできていません。どうしても、今の生成AIは単に言葉だけの世界でインタラクションを取るからです。まさに、感覚処理と知識処理を統合するというコミュニケーション型AIを作らないといけません。それを生成 AI を基盤にして作っていくことが課題になるかと思います。

―コミュニケーション型AIの実現は楽しみである一方、怖さもありますね。

確かに両方あります。一番シビアなのは、それによって人の仕事が奪われることです。既に米国では結構暴動が起こっています。最初に起きたのは、2023年5月で、生成AIが出てきて半年後でした。ハリウッドで脚本家の人々が、自分たちの仕事が奪われるということでストライキを起こしました。また、ゲームの声優・モーションキャプチャー演技者らが、AIによる声や演技の複製に対する保護を求め、2024年7月から約1年間、ストライキを決行しました。 今年になっても、4月に、米国・報道機関で、約150人が1日ストとピケ（労働争議）を起こし、賃金・雇用保障とともに、AIによる職員の置き換えを制限するよう要求しました。

脚本家に限らず、広い意味での執筆業関係者は不安でしょうね。例えば、司法書士です。そういうルーチンワーク的な仕事は、定型的業務に留まるならば、「ニーズが激減していく」と思っていた方が良いかもしれません。

ならば、「人間はどうするのか」ということです。生成AIを含めて色々なAI、それから人と人の交渉や知覚処理、感情処理を含めたトータルなコミュニケーションはAIに任せるべきではなくて、やはり人がやるとか。人とAIロボット、AIシステム、ソフトウェアの役割分担を考えた上でトータルにコーディネートしていくとか。私は、それをAIオーケストレーションと呼んでいます。色々なAIが協力して、人間もコンダクターとしてやっていく。そんなAIオーケストレーションという構想を今議論しています。

ChatGPT自身も一応賛成してくれています。そういうような流れに色々なAIを結集させていきたいです。その場合、何回も言いますけれども、場面ごとで違うAIを使わなくも済みます。その上で、人間も加えた上でトータルにコーディネートしていく、オーケストレーションしていく。そういうAIオーケストレーションを作るべきです。「そのオーケストラ全体の統括まで AI ができませんか」と聞かれたら、将来はわかりませんが、当面は人がやる状況になると思いますね。

―知覚処理と知識処理を統合するコミュニケーション型AI を実現するためには、何が必要になってくるのでしょうか。

単にコミュニケーションという言葉に限定するならば、生成AIはもう既に1,000 万冊以上を読み込んでいるので、その言葉に関する知識は、もう人間より生成AIの方が圧倒的にあります。ただ、表情とか、あとは暗黙知というのがありますよね。言葉にはしきれないけども、体が覚えているような。そういう言葉として外在化されにくい暗黙知や人の感情、そういったところはAIにはまだまだハードルが高いです。逆に、もしAIがそこまでできてしまったら、「人間は何をやるのか」という話になりますけれどね。

AIサイドの研究としては、それができれば画期的です。まさに、人の経験や感覚、価値判断、そういった三者を連携させるためにも、従来AIと生成AI、人間の知恵を協調させて、色々な問題解決に当たっていく。そういうトータルなフレームワークが出来上がっていくと思います。

―ぜひとも期待したいですよね。そういえば、山口先生は子供の頃、鉄腕アトムに登場するお茶の水博士になりたいと夢見ておられたとお聞きしました。当時から、人間とロボットが協力し合う、知能更新化型 AIを目指されていらしたということですね。歳月が経過したなか、現状のAIはどのレベルまで来ているとお感じになりますか。鉄腕アトムはあと何年経てば生まれそうですか。手ごたえも含めてお伺いしたいです。

お茶の水博士と書いたのは、鉄腕アトムみたいなすごいロボットを開発できる、そういう研究者の仕事があるのかという憧れからです。現状、AIロボットというのは、生成AIで動く人型ロボットを米国でも開発していますし、中国でも2年前からぐっとここの話が出てきました。もう、これは未来系ではないですね。

今現在、米中のAI競争の一つの主要テーマになっていると言っても良いでしょう。そういうことで、どのレベルまで到達しているというか、それは米中の競争テーマにまで来ているわけです。日本としては、感情まで扱えるAIロボットを開発していく必要があると感じています。

―本サイトでインタビューさせていただいた何人かの先生方も、「米国や中国ではなしえない、人間とロボットが協働し合う知能更新化型AIロボットの誕生に期待を寄せていますし、そこに日本の商機があるのではないか」と指摘されておられました。山口先生はどう思われますか。

AI学会ではそういうことを言う人がいますね。私は、実際に企業が今持っている現場の問題や悩みに対して、AIをどういう方法で適用すれば解決するかという観点に重きを置いています。

もちろん、研究者としてキャリアをスタートさせたばかりの頃は、基本的なことをやっていました。慶應義塾大学に赴任してからですね。一気に現場と課題解決にシフトしていきました。産学連携を推奨していましたからね。

例えば、高速道路会社と連携したことがあります。高速道路設備の自動点検が、結構負担が大きい上に、若い人が入ってこないし、ノウハウを持っているベテラン社員が今後はどんどん定年退職してしまうので、「AIを使えないか」ということで、声が掛かりました。

それで、国土交通省の支援を受けながら、AIスマートグラスを開発しようというプロジェクトを5年ほど取り組みました。具体的には、ゴーグルのようなスマートグラスをかければ、そのメガネの部分に「次はこうしなさい」「ああしなさい」という指示が出てくるようなAIシステムの研究にトライしたのです。

まずは、現場での一連の動作を理解しなければいけません。ただ、言葉だけではわからないので、研修センターに慶應のIT系学生を連れていき、色々な点検動作を実際に体験させるとともに、その様子を動画として撮影したのです。まあ、大変でしたね。例えば、ETCの装置は高さ2mぐらいあります。非常に大きな装置です。そのドアを開けて、ある部品を点検しようとしたら、そこの研修センターの教員からすごく怒られてしまいました。

「ドアを開けたら、風が吹いてもパタンと閉まらないようにストッパーをしっかりと下げろ」と。言われてみればそうだなとわかるのですが、学生はもう緊張し放しでした。そういう感じでどんどん教えてもらって、何とかできるようになったのですが、マニュアルに書いていないことであっても結構指示されましたね。もちろん、事前に20冊ぐらいのマニュアルを渡されていたので、それを学生と一緒に読んでいました。ただ、結局その教員のおじさんのコメントは、マニュアルに記載されている知識を遥かに超越していました。

実感としては、ノウハウはマニュアルには3割しか書いてありません。あとは、現場で色々経験しながら学んでいくしかない。それが、残りの7割のノウハウでした。まさに、暗黙知ですよ。その暗黙知を獲得する必要があったわけです。しかし、生成AIは所詮テキストになっていなかったら何の知識も獲得できません。だから、現状では人間が体験した上で、ロボットに教え込んでいくしかないのです。ロボットが体験した上で学んでいく、そういう自律型のロボットになるにはまだ数年は掛かる気がします。中国の勢いが物凄いので、私の予想を凌駕してしまう可能性もありますけれどね。そんな状況だと思います。

―再確認ですが、山口先生がおっしゃるAIオーケストレーションとは、要はどのAIモデル、AIエージェントを使っていくかに人間も一緒に入るということですか。

そうですね。人間も入っていくということですが、問題は人間がどんな役割を担うかです。判断する部分がどんどんAIに取られていくのは事実ですからね。誰でも良いのではなくて、従来AIと生成AI、その長所と短所をきちっとわかっていることが最低限必要です。

しかし、現状はそうしたAI人材が圧倒的に少ないと言わざるを得ません。そのため大学でAI教育をしっかり行っていくべきです。ただ、従来AIを教えられる大学の教員は、もはやそれほどはいなかったりします。私は、16分野で企業との共同研究をしてきましたけれど、そんな教員は我が国にはほとんどいませんよ。私の先輩クラスであれば従来AIを教えられる人が結構いますが、今80歳ぐらいになっていますからね。

近年は、「大学も色々やったらいい」という風潮が出てきました。一昔前は、「大学の教員は論文を書くのが仕事。共同研究をやっても論文にならないのでやる意味がない」と言われていました。だから、私も慶應義塾大学に来てしばらくは論文をずっと書いていましたよ。それが一段落したので、産学連携の方にシフトしていったわけです。

論文にはならないかもしれませんが、現場は課題の宝庫です。さまざまな課題に直面しています。それらを解決しようとする様々な取り組みの中で、どんどん実践レベルの AIにハマっていきました。そのプロセスをきちっと評価し、ノウハウを言語化する必要があります。現在、AIについてはAIロボットを含めて、中国がものすごいスピードで発展していますから、ノウハウを言語化・外在化して、日本独自のAIを作り上げ、世界に普及していく必要があると感じています。

―日本が勝機を見出すためにも、AIオーケストレーションが大きなテーマになってくるわけですね。

そうです。まだあまりやられてない研究ですからね。私が研究テーマに挙げているAIオーケストレーションは。従来のAIと生成AI、それから人間、この三者をどういうふうに協力させていくか、その枠組みを考える研究です。米国の一部研究者も手掛け始めました。日本でも研究を加速させていくべきです。私自身、人も含めた良い協力体制を考えていくというのが、今後注力すべき研究テーマになっていると感じています

―山口先生もChatGPTと日々壁打ちというか、セッションをされておられるのですか。

毎日1時間以上はやっていますよ。今私自身、次にやろうとしている AIの研究が AIオーケストレーションなので、そのAIをどういう組み合わせでやったら、有効な組み合わせになるのか、それの長所と短所は何なのかなどとChatGPTとやりとりしています。「こういう場合はできませんよね」と回答してくれるので、すごく面白いです。

―それを繰り返しておられるのですね。山口先生のカウンターパートナーは、ChatGPTなのですか。

画像を生成するときは Geminiを使いますね。コード生成、プログラミングコードの生成となったら、Claudeを使います。この3つの主要な生成AIを場面ごとに使い分けている感じですかね。多いのは、ChatGPTですけれどね。