生成AIの進化が暴く「人間の本質」――抽象化・倫理・学び続ける力の意義を問う（前編）

―鷲崎先生が著・編集をされた『生成AIによるソフトウェア開発:設計からテスト,マネジメントまでをすべて変革するLLM活用の実践体系』を拝見いたしました。素晴らしい内容です。私自身、日頃は書籍よりもインターネットで情報を得ることが多いのですが、先生のご本は非常に包括的で、ソフトウェア開発者が絶対に読まないといけない本だと思いました。「本当にAIと向き合いたい」と考えているのであれば、「まずはこれを読んだ方が良い」とお勧めしたいくらいです。鷲崎先生ご自身は、その著書を通じて最もアピールされたかったことは何だったのですか。

生成AI・エージェントによりソフトウェア開発の様々な活動や側面を自動化・高度化し加速できるからこそ、正しくエンジニアリングすることがますます重要であるという点です。AIはその原理上、常に100%正しいとは限らず、しばしば誤った内容を出力します。そのため活用にあたり、出力として何が正しく何が誤っているのか、さらにはソフトウェアの正しいつくり方と誤ったつくり方の違いを理解しておくことが欠かせません。本書が、表面的な技術の流行に左右されない本質として、要求定義から設計、運用までの全工程を網羅するソフトウェアエンジニアリングの基礎を踏まえつつ、生成AIの力を適切に活用し、高効率かつ高信頼な開発を進める一助となれば幸いです。

―そもそも、鷲崎先生がコンピュータ、特にソフトウェアに興味を持たれたきっかけは何でしたか。

小学校時代にパソコンと出会ったことです。当時PC8801という、NECが発売し一世を風靡した8ビットのパーソナルコンピュータがありました。それを父親が買ってくれたのです。最初は既成のゲームで遊んでいたものの、途中から飽きてしまいました。

そうした中で、「これを使ってプログラミングを学べば自分で新しいゲームを作ることができる」と知り、解説書や雑誌を買い求めて始めたわけです。それが最初ですね。簡単なBASICでした。

中学・高校ぐらいから、多少込み入ったゲーム作りに挑みました。例えば、一部の処理にアセンブリを使ったりしていました。そうやってプログラミングを始めたのがきっかけですね。

つまり、与えられたルール上で遊ぶのではなくて、自分でルールを作り、自分の世界を自由に組み立てることができるのが楽しかったのです。しかも、パソコン上で作ったプログラムを同じパソコンや機種を持っている他の人に渡すこともできます。さらに、その後はいわゆるポケットコンピューターが登場してきて、それを学校などに持って行き、その場で自分が作ったプログラムで遊んでもらえたりすると、自分のルールで世界を組み立てるという創造性や純粋な楽しさを味わえました。また、それを他の人とも共有できることに大きな可能性を感じることができました。それが、私にとってのソフトウェア開発やプログラミングとの最初の出会いになります。

―鷲崎先生のご専門分野の概要を教えてください。

専門分野は、ソフトウェア工学です。これは、高信頼かつ価値のあるソフトウェアシステムをいかに効率良く生み出し続けられるかを研究する分野です。言い換えれば、ソフトウェアの作り方をつくる。そういう研究領域になります。もともと私はソフトウェア開発というよりは、そういうプログラミングやゲーム、さらにはCGI（Common Gateway Interfaceの略。Webサーバーが外部のプログラムとデータをやり取りするための標準的な規格）といった単純なプログラムを作り、それを雑誌に投稿することもありました。それが、徐々にプログラムやソフトウェアをもっと効率良く作る、ソフトウェアそのものを作るのではなく、その作り方により興味を持つようになっていきました。その後、大学でそういう領域の研究をしていると聞き、研究の道に入ったわけです。

―現在の研究の柱もお聞かせください。

今は特にソフトウェアエンジニアリング（ソフトウェアの開発・運用・保守に工学的手法を適用する専門分野）とAI との境界を探っています。私はよくAI for SE。そしてSE for AIという言い方をします。つまり、AI を通じて特に生成AIや、あるいは機械学習等を通じて、ソフトウェア開発の効率化や高品質化を進めていきます。

もう一つはその逆です。AI はソフトウェアですから、AIシステムは当然ソフトウェアシステムとなります。ですから、これに対してきちんとソフトウェアエンジニアリングしていかないといけません。AI システムだから、しばしば行き当たりばったりで、非常に実験的で、例えばとにかくデータを収集してもう試行錯誤していくという、まあ最初の入り方として必然的にそうなるわけですけれど、だからといってソフトウェアエンジニアリングをしなくて良いということは決してありません。

むしろ、AI のソフトウェアシステムの方をしっかりソフトウェアエンジニアリングをしなくてはいけないのです。ですから、SE for AI。つまり、 AI というソフトウェアシステムに対してソフトウェアエンジニアリングをしっかりしていく。この二つが、今の柱です。

さらには、それを支えていくような基盤が必要だということで、人材育成やそのベースとなる「知識の体系化」、こういったものも学会の活動等も通じて進めて来ているところです。

―鷲崎先生は、「ソフトウェアエンジニアリングは、エキサイティングかつチャレンジングな領域である」と強調されています。その意味合いをお聞かせいただけますか。

幾つかあると思います。第一にやはりエンジニアリングですね。ですから、科学に裏付けされた原理や原則がある中で、実証済みの経験則と合わせながら、それらを積み重ねて組み合わせていかに実践、エンジニアリングというところに進み続けるかということ。それは、ソフトウェアに限らず、エンジニアリング領域全般ということになりますけれどもね。私はそこに面白さを感じています。

第二には、その実践の範囲がソフトウェアで実は閉じていないということです。つまり、ソフトウェアを作る人がいて、それをまた使う人がいる。そして、使う先でのビジネスや社会への影響があります。そういった広がりですね。それゆえの学際性、つまりインターディシプリナリー（interdisciplinary：多くの分野の専門知識や経験が必要な研究課題などにあたる際に、さまざまな領域の学者や技術者が協力し合うこと）であることです。そこに私は面白さと当然エキサイティングというのは難しさ、チャレンジング、挑戦のしがいがあるということも感じますね。

第三には、社会の基盤を担うということです。間違いなく、今あらゆる産業がデジタル産業に向かっています。例えば、農業も流通もそうです。あらゆる産業がデジタル、そしてデジタル変革を経てデジタル産業に向かっていきます。その基盤を担うのは、ソフトウェアであることは間違いありません。特にAIが社会のあらゆる領域の変革を促す中で、ソフトウェアエンジニアリングというそれらの作り方が、社会の基盤の作り方を担っていくという意味では、今後ますます重要性を増すことは確かです。 そういう意味でも、私はエキサイティングだと思います。

―そもそも、プログラムを開発するにあたり、何に留意したら良いのか、どんな姿勢で臨むべきかをお聞かせください。

古典的に言えば、正しいものを正しく作るということです。よくV&V、つまりベリフィケーション（計画や設計が仕様に対して正しく実装されているかを確認する検証プロセス）とバリデーション（製品やサービスが実際の使用条件下でユーザーのニーズを満たせるかを確認する妥当性確認プロセス）と言います。コンピュータサイエンス、計算機科学では、割とベリフィケーションの方が重視されがちです。つまり、そのプログラムが満たすべき仕様、つまりスペシフィケーション。言い換えれば、こういう条件において、こういう入力があればこういう状態になって、最終的にこういう条件を満たすということを、きちんとプログラムが満足しているか。それをもって正しいということになるわけです。

ただ、ソフトウェアエンジニアリングの面白さと難しさというのは、正しく作られたものでも正しいとは限らないことです。正しいというのは、要するにビジネスや社会に対して価値を生み出すかということです。世の中にはご承知のように、正しく作られたソフトウェアであっても誰も使わないソフトウェア、何の価値も生み出さないソフトウェアが沢山あります。それは様々な調査が裏付けしています。ましていまの極端に不確実な時代において、そもそも何が正しいのか、当初は曖昧にしか定義できず、また時とともに変化します。

例えば、スマホ一つを取りましても、確か半分以上の機能は一度も使われていません。山ほどの機能がスマホには詰まっているわけですけれども、誰も使わないものが大半を占めているわけです。そういう現実があります。

とかくエンジニアリングというと、サイエンスを基盤として正しく作っていくところがフォーカスされがちです。それはもちろん大切です。我々もプログラムのテストを行いますし、テストに失敗した場合、つまり欠陥やバグがある場合に、それを修正していく技術、あるいは機能的な部分ではないのですが、品質の一部を満足しないケース、例えば性能が十分ではないとか。そういった場合に次第に改善をしていく取り組みをしています。

ただ、それに加えてそのソフトウェアシステムがそもそも誰にとって、どういう価値を生み出すのか、そこがきちんと整合しているのか。そして、そういう価値がプログラム、ソフトウェア、そしてさらにはそれを進めていく業務活動やビジネス、組織、社会への影響力といったところがきちんと整合しているかどうかということです。

ここが顧みられないことが非常に多いわけです。これが結果として、正しく作ったけれども、誰も使わないというような、あるいは何の価値も生み出さないソフトウェアの要因になってしまいます。これを、我々は「残念なソフトウェアシステム」と呼んでいます。それが生み出されてしまうということです。

それはいけないということで、そこに関して特に私どものところでは、いわゆる「ゴール指向」「目標指向」を掲げています。 つまり、システムを作ることありきでなくて、そもそも社会や組織や業務活動等における目標というのは何で、「どう在りたいのか」ということが当然あるはずです。それに対して対応する形で、問題を的確にとらえて問いを立て、根拠のある形で下ろしていくべきです。それが、例えばこのシステムのこういう機能、あるいはこういう仕組みが必要だというところに、つながっているはずです。そこがつながっていないのは、問題があるということなのです。私はそこの重要性を強く強調したいと思いますし、それは今尚、私の研究室の様々な取り組みの柱になっています。

―鷲崎先生は、AIを基盤としたシステムの品質保証に関して企業との共同研究が多いと伺っています。最近の代表的な事例を教えていただけますか。

AI ベースのソフトウェアシステム品質ですね。 例えば、我々は今セキュリティリスク分析を行っています。ここでの AI は2つの意味があります。

一つは、AI システムです。AIを一つの核としたソフトウェアシステムのセキュリティを今後考えていかないといけません。それは、例えばデータを通じた攻撃や脆弱性、あるいは入力に対してや使い方、さらには他のシステムとの接続のようなものです。これからますますAIシステムが普及していく中で、セキュリティリスクをしっかり分析して対策を講じていく必要があります。

これについて、さらにAI を活用する。だから、両面ですね。AI がその対象であり、かつセキュリティリスクを分析する上でもAI システムが対象であり、その分析をより効率良く、また非常により探索的に進める上での道具として、特にここでは生成 AIを意味しているのですが、それが有効であるということについて、今まさに企業とも積極的に連携し取り組んでいます。

例えば、脅威の知識の構造化・体系化に向けてAIシステムを対象として進めていますし、AIシステムの安全性ですね。やはりAIのエージェントベースで進めており、こちらも成果を上げつつあります。

他には、AI を組み入れたソフトウェアシステムの品質を高めていこうとしています。特にAIモデルのところをどうするのかが、一つポイントになってきます。例えば、機械学習や深層学習のモデルです。修正という言葉は少し語弊があるので、アライメント（alignment）と言った方が良いかもしれませんが、要は調整ですね。つまり、より要求や目標、期待に合うように整合するように調整していくということです。

これは、アイシン社と実際に進めてきた共同研究の成果でもあります。まさに、先ほど申し上げた「ゴール指向」と繋がります。つまり、そもそもの目標は何なのかを下ろして行って、それを満足するためには、どういう機械学習のモデルが必要なのかを考えます。それを、割と細かく分けた上で、目標や要求をどう満足するのか、しないのかということを、我々の枠組みで可視化をします。さらに、それに対してリペア（repair）、上手く調整する、つまり機械学習モデルの中の重みを調整していくと、既に満足している目的や要求は維持したままで、今まで満足しなかったところも調整していけます。そうした技術に我々は今研究で取り組んでいるところです。そうした機械学習モデルの性能を調整していくことについても我々は成果を上げつつあります。これは、今まさに現在進行形でして、引き続き企業ほかと連携して進めています。

―IEEE-CSの会長としての１年を振り返っていかがですか。

ありがとうございます。おかげさまでアジアから二人目という形で1年間、80年の歴史ある世界最大のコンピューティング学会のプレジデント、会長を務めさせていただきました。私が会長として重視した点、目標としては三点を掲げました。

一つは、未来は若手や学生にあるということ。それはどんな領域でもそうなのですけれどね。いかに学生や若手、キャリアの浅い実務家や研究者を巻き込み、またそういう人たちのエンゲージメントを高めていくかも重要です。つまり、学会というプロフェッショナルコミュニティーにおける価値、そこに所属する価値を感じてもらい、その価値を享受してもらい、それをより広げ高めていくことに主体的に参画してもらう。そういうことにかなり気を配ったつもりです。

ですから、学生主体の活動や若手向けの活動に予算をつけたり、またそこに私自身も出席したり、そういうものを奨励してきました。また、そこでの活動のノウハウも共有してもらいました。そうしたことを進めてきました。それは今年も、今後も変わりません。

二つ目は、IEEE-CSのような学会は、しばしばアカデミア中心だと見られがちになります。 つまり、例えば大学や研究機関の研究者などが大半ではないかと。ただ、今や特に AI 関連のイノベーションのほとんどは産業界から生まれています。それは生成 AIしかり。その周辺の技術もしかりです。ですから、いかに産業界において、こういう学会の活動、学会にいることに価値があるかを知ってもらい、そしてその価値を享受してもらう。さらには、産業界が「これは良いのでは」と、それをより増幅するような活動をしていただきたいのです。そういうことについても、私は会長として心を配って重視してきたつもりです。

そのために、学会のイベントは、しばしばアカデミア中心の国際会議になるわけですね。つまり、産業界のプラクティスよりも、理論や考え方の新規性と正しさを重視した研究論文の投稿発表が中心というような具合です。それだけではなくて、私の会長時代は積極的に産業界にもっとフォーカスをしたイベント、それも私たちの学会だからこそ産業界向けにできること、つまり、きちんと学術的な裏付けのある技術の、例えば実践であったり、それが実際に実務、産業界でどう広がっていくのかであったり、そういう理論的な裏付けというところを大切にする学会だからこその産業界に向けたイベントを積極的に進めてきましたし、それは今後もより広げていきたいと思っています。

最後、 三点目はそういったことを通じて、AI、さらに量子コンピューティング（量子力学の原理を応用して膨大な計算を可能にする次世代技術）、そしてさらにその先というものを切り開いていく。学会というのはその最前線、先頭に立って研究し切り開いていく、そういうコミュニティでありたいと思いますし、それを進めていかなくてはいけません。

そのために当然AIや量子コンピューティング周りの国際会議や刊行物、出版物はより拡大しながら進めてきたところです。

―鷲崎先生が、IEEE-CSの活動として今後チャレンジされたいテーマを教えていただけますか。

「今後は」と問われますと、まず一つ目はそういう一つひとつですね。例えば、学生や若手のエンゲージメントをしっかり高めていく。それから、産業界の参画をより奨励していく。新しい領域を切り開いていく。これを一つひとつ、より深めていかなくてはいけません。一年で完成するってことはもちろんありませんので。それについて現会長を支えながら進めていこうというのがまずあります。

それから二つ目は、それらの連携です。これは私の会長時代には、まだ時間が足りなかったと思っています。連携といいますのは、例えば学生や若手奨励ということと産業界向けの取り組みの連携です。学生からしますと、良い研究をして成果を上げて、その結果としてキャリアアップであったり、あるいはジョブハンティング、つまり就職であったり、あるいは転職であったりということに繋がっていく。そういうことは、特に米国の学会としては割と起きてきているのですが、それをより積極的に進めたいと思っています。

日本の各種学会においても、例えばキャリアセッションみたいなものですとか、あるいは学生の発表について企業が割とリクルーティングを前面に出したような形で接点を設けていくことが意識的に増えてきました。米国の学会は、それを昔からやっているわけですけども、私はもっとそれを進めるべきだと思っています。

実は去年、その一例、トライアルとして何人かセレクトし米国の学生に企業のメンターをつけて、だからジョブマッチング、ジョブハンティングの入り口みたいなものですが、そうやって将来のキャリアを見据えたメンタリングをしていくという施策を実施しました。こういったことを今年はますます進めていき、そういう柱と柱の間の連携を深められるとよいと思っています。

そして最後は、そういったことを通じて新しい領域をリードしていくこともできると思っています。そのために、今年私がよりリードしていこうとしているのは、AI の分野において、IEEE-CSはどういうふうにさらにリーダーシップを発揮していくのかを、より明確に整理をして、それを社会に対して提示し、社会からの意見も含めて、より増幅させていくことを進めようとしています。

と言いますのも、IEEE-CSは実はAIの関係についてかなり多くの取り組みをしています。 例えば、国際会議しかり、出版物・定期刊行物しかり、という感じです。ただ、どうしてもその辺りの取り組みというのは、外からすると散らばって見えるところもある気がします。それから、The Association for the Advancement of Artificial Intelligence（AAAI）に代表されるAI に特化した、AIをより前面に出した学会は今世の中様々にありますので、そういうものと比較した場合に、「IEEE-CSの強みは何なのか」「IEEE-CSだからこそ、どうリードしていけるのか」、そこをもっと我々としてはより明確にして、強調していかなくてはいけません。

IEEE-CSの良さというのは、フルスタックを扱っていることです。理論からハードウェア、コンピュータアーキテクチャーもソフトウェアも通信もそうですし、あとはそれのビジネスの展開・応用もそうです。あらゆるレイヤー、そしてさまざまな応用領域をカバーしています。その広さ、大きさ、深さ、これがやはりIEEE-CSの強さであるといえます。そういったことも前面に押し出しながら、特に AI の領域についてリーダーシップを発揮していく。これが、これからの大きな課題だと思っています。