presen_同仁倶楽部.pdf

Transcript

1. 同仁倶楽部 1 知能とはなにか　－ヒトとAIのあいだ－ 中央大学理工学部田口善弘
2. 同仁倶楽部 2 現在、生成AI(ChatGPT など）の登場によって、 「知能とはなにか？」ということの定義が揺らいで いる。人間しか持ちえないと思っていた知能を生成 AI が獲得してしまったように思えるからだ。 この講演ではそもそも知能とはなにか、を生成AI が 知能のようなものを獲得してしまった現代に改めて 考えることである。
3. 同仁倶楽部 3 重大事実 生成AI の生成物と人間の作ったも のを道具なしで人間が区別するの は困難な場面が増えた！ [ 一部のプラットフォームでは透かし／検出の整備が進行中]
4. 同仁倶楽部 4 朝日新聞朝刊 （１０月８日） オードリー・タン 「 台湾（中華民国）出身の著 名なプログラマー・政治家で あり、2022年8月27日から 2024年5月20日まで台湾の 初代デジタル発展部長（デ ジタル大臣）を務めた。」
5. 同仁倶楽部 5 「女子高校生が正面を向いて立っている。その背 後に男子高校生が画面外からフレームインして女 子高校生に背後から話しかける。」 Sora 2
6. 同仁倶楽部 6 ... と思っていたらGoogle がVeo 3.1(*) でSora 2 と同等の制作ワークフ ローが公式仕様で確認できた（セリフが変だけど⇒後述） (*) 2025 年10 月時点の発表／実装状況：Flow での編集強化・音声統合・シーン延長等が発表・提供中（順次拡大）
7. 同仁倶楽部 7 Podcastで生成AI（Gemini Pro 2.5 Deep Research）に 記事を書かせて音声化させて配信する社会実験 約10分の動画×約50 本。週あたり総視聴 時間：約１8時間 https://youtube.com/playlist?list=PLWd74yl8OJNeEFQtDkhqmFHESms1ym2Fh
8. 同仁倶楽部 8 音声まとめの元記事（数万字、 赤枠内）のnoteのアクセス記 録。人間の書いたものと遜色な いアクセス数といいね数。 https://note.com/tagtag/m/md20076f1cc57 サイエンスポッドキャスト用のまとめ
9. 同仁倶楽部 9 note マネーに頻繁にピックアップ（記事を選んでい るのも生成AI かも？）
10. 同仁倶楽部 10 生成AI とはなにか？ （傍目には）文字／音声で依頼すると文章・画 像・動画・音楽などを作ってくれるAI
11. 同仁倶楽部 11 画像生成（GPT-5（ChatGPTで利用）） ことばで指示するだけで絵を描く機械学習 日本のアニメに出てくる戦闘少女の絵を描いてください。
12. 同仁倶楽部 12 日本のアニメに出てくる戦闘少女の絵を描いてください。 Gemini 2.5 Pro
13. 同仁倶楽部 13 日本のアニメに出てくる戦闘少女の絵を描いてください。 Grok 4 fast ( 作成画像の言葉によ る編集依頼が連携)
14. 同仁倶楽部 14 「笑顔にしてください」
15. 同仁倶楽部 15 「動画にしてください」
16. 同仁倶楽部 16 Suno AI:作曲 https://suno.com/s/WKnjIAVWc1ibDGlJ 「美しい鳥が飛んでいる様を描く 歌」といれるだけで歌詞付きの 音楽が作成。
17. 同仁倶楽部 17 https://chatgpt.com/canvas/shared/68a13ac4ccec8191a7d8df835c982c03 GPT-5 のCanvas モー ドで作ったブロック ク崩し「ブロック崩 しゲームを作ってく ださい」だけを入力
18. 同仁倶楽部 18 こんな風に生成AI は言葉で依頼しただけでいろんなものを 作ってくれる。 人間から見てもクオリティ的にさえそん色ない生成が行な える生成AI は知能をもっていると言えるのか？言えないと したらこれだけのものを生成できるものを何だと思えばい いのか？について今日は考えてみたい
19. 同仁倶楽部 19 人間は知能とはなにかを理解しているか？ 知能＝大脳の機能 までは異論がない。その先は？ フィニアス・P. ゲージの脳損傷 →大脳の部位を損傷したことで性格が激変した ことから「脳機能は部位依存性がある 脳機能は部位依存性がある」という 脳機能観のきっかけ →精緻化しているが現代まで変わっていない。 精緻化しているが現代まで変わっていない。
20. 同仁倶楽部 20 フィニアス・P. ゲージ（Phineas P. Gage 、1823 – 1860 ）は、米国の鉄道建 築技術者の職長である。今日では、大き な鉄の棒が頭を完全に突き抜けて彼の左 前頭葉の大部分を破損するという事故に 見舞われながらも生還したこと、またそ の損傷が彼の友人たちをして「もはや ゲージではない」と言わしめるほどの人 格と行動の根本的な変化を及ぼしたこと によって知られている。 （かなり誇張は入っているらしい）
21. 同仁倶楽部 21 現代の脳科学でも 「ある機能が働い ているときに脳の どこが機能してい るか」という研究 が主流であるが、 部位の組み合わせ まで研究は精緻化 している。 小川健二「心理学研究のツールとしての脳イメージングの最前線」（イメージ心理学研究　2017 年, 15 巻, 13−17 頁）
22. 同仁倶楽部 22 今では脳の思考パターンから何を考えているかをある程度推 定可能（この解析にもGPT が使われているからややこしい） https://neumo.jp/172574/ 文字じゃなく映像でも出来ている（次頁） 読んでいる文章 脳パターンから再構成した文章 正解 意味一致 間違い
23. 同仁倶楽部 23 https://note.com/te_ftef/n/n4cc93b57d08f 第１列：見ている画像 第２列：脳パターン「のみ」 から画像再生 第３列：脳パターンに「意 味」を当てさせてその意味 から画像再生 第４列：意味＋脳パターン
24. 同仁倶楽部 24 知能研究の現状： 刺激： 文章 画像 出力： 「美しい」 「感動的」 計算機（機械学習） ここが出来てい るだけで知能の 中身までは不明
25. 同仁倶楽部 25 この様に脳を見てもなぜ知能が発現するのか解らないという状 態でコンピュータというものが発明されて科学者はスワっと なった。 「観察して解らないなら知能を作れれば理解できるのでは？」 １９５６年ダートマス会議「人工知能」という言葉の誕生 Cf ENIAC １９４６年 要するに今風の「コンピュータ」ができて１０年後には「人 工知能」という分野が立ち上がった（早い！）。
26. 同仁倶楽部 26 しかし、「何ができたら人工知能が成功したというのか」の 基準はあいまいなまま。 Cf 人工心臓：「心臓と取り換えて生きていたら成功」 人工知能は？脳を取り換えるわけには行かない。 Cf チューリングテスト 「知能が何か」が解らない以上、「知能ができたかどうか」 は「試験」に頼るしかない→「LLM は考えているか？」の今 の混乱に繋がっている。同じことが出来たら知能なのか？
27. 同仁倶楽部 27 人工知能研究で当初優勢だったのは「古典的記号 処理パラダイム」 要するにプログラミングで知能は作れる （ハードとソフトの分離という仮説←重要！） Cf パーセプトロン（深層学習の先祖） →線形分離とよばれる簡単な問題しか解けないと いう批判で敗北。
28. 同仁倶楽部 28 「古典的記号処理パラダイム」の限界： Cf: 自動車 自動車を設計図だけで作れると思う人は居ない。部品 というハードの組み合わせが必要。 知能は「脳」というハードウェアの機能なのにソフト だけ真似ればできることになぜかなってしまった。 →「古典的記号処理パラダイム」の行き詰まり
29. 同仁倶楽部 29 モラベックのパラドックス： 「古典的記号処理パラダイム」では「常識」の学習が難しかった。 「人間にとって簡単なことはAI にとって難しく、逆に人間にとって 難しいことはAI にとって簡単」 1. 将棋やチェス vs. 歩くこと AI に得意なこと：チェスや将棋のような複雑な論理計算。コン ピュータは膨大な手を高速に計算できるため、人間トップを凌駕。 AI に苦手なこと：歩行やバランス保持。赤ん坊でも自然に学べる が、ロボットが滑らかに歩き、転ばずに段差を登るのは極めて難し い。
30. 同仁倶楽部 30 2. 数学の問題 vs. 視覚認識 AI に得意なこと：高度な数式の計算や方程式の解法。人間は時間 がかかるが、AI は一瞬で処理。 AI に苦手なこと：犬と猫の写真を見分けること。人間の子供なら 直感的にできるが、AI には膨大な学習データが必要。 3. 論理推論 vs. 家事 AI に得意なこと：論理パズルやルールベースの問題解決。 AI に苦手なこと：洗濯物をたたむ、卵を割って料理するなど日常 的な家事。物理的環境の不確定性や微妙な操作は非常に難しい。 （今の生成AI 、ロボットは相当程度これができる）
31. 同仁倶楽部 31 ２つの新しい潮流 身体性AI ：AI に体を持たせれば「常識」を理解できる→ 今の 今のPhysical AI Physical AI に繋がる流れ に繋がる流れ→成果を残せずに頓挫（高 度な知能獲得に至らず） ニューラルネットワーク： 多層化によるパーセプトロンの復権→「局所解」の問題 を越えられず衰退→今の深層学習に繋がる 今の深層学習に繋がる →人工知能研究冬の時代へ→生成AI の成功！
32. 同仁倶楽部 32 この状況で生成AI は「画像・文章を入力して解 釈する」が出来てしまっている。 刺激： 文章 画像 出力： 「美しい」 「感動的」 で、「生成AI には知能があるのでは？」という問題が生じた
33. 同仁倶楽部 33 LLM の知能がどう働いているかの理解度 は人間の頭脳がなぜ知能を発揮している かの理解と同等かそれ以下のレベル。
34. 同仁倶楽部 34 「モジュールコミュニ ティを通した大規模言語 モデルの認知的パターン の解明」 https://www.alphaxiv.org/ ja/overview/2508.18192v1
35. 同仁倶楽部 35 「５３の種類の認知スキル」 「１７４種類の多選択問題スキル」 に対してどのノードが効いているかをノードを部分 的に破壊することによる機能低下で推定 ⇒人間的の脳のような部位後の分業（◦◦野）は無 かった。鳥類や小型哺乳類の脳に似た弱い局所化 アーキテクチャ。 解説ビデオ⇒ https://youtu.be/tQ8Yw0jIYV0
36. 同仁倶楽部 36 LLM と人間の空間認知の違いの比較 「11Plus-Bench: 認知に着想を得た分析によるマルチモーダ ルLLM の空間推論の解明」 https://www.alphaxiv.org/ja/overview/2508.20068v1
37. 同仁倶楽部 37 人間の空間認知には戦略がある（難しいものは熟考する、な ど）があったがLLM の空間認知戦略はばらばらで難しいもの に簡単に答えたり、逆に簡単なものを熟考したり行き当たり ばったりだった（「LLM にとって未知のデータ」で解析した ので確度が高い） ⇒かなり今後の発展の困難を予想させる結果 解説ビデオ⇒ https://youtu.be/Uv4tqhTN8xo
38. 同仁倶楽部 38 生成AIのエンコーダー、デコーダーにそのような機能は 含まれていないが結果的に生成AIは内部的に「メモ リー」と「演算」の分業構造を形成している（らしい）→明 らかに人間とは違う！ https://note.com/tagtag/n/nb8b736371fe3 note記事（Geminiによるまとめ） https://youtu.be/GCiUqsmN3k0 （同音声化）
39. 同仁倶楽部 39 Sora (OpenAI) vs Veo (Google) 10秒以上のクリップにおける人物合流や後方接近など“難 タスク”では、両アプリが先行（実は冒頭に見せた「画面外 から人物がやってきて後ろから話しかける」はとても難しい タスク）だが発展の歴史はかなり違う Sora： 言語ベースのトランスフォーマー ⇒ 拡散モデル（Diffusion Transformer:動画） Veo： 画像の拡散モデル（Imagen） ⇒ 拡散モデル（動画：Veo）
40. 同仁倶楽部 40 note 記事（Gemini によるまとめ） （同音声化） Sora とVeo の開発戦略の差について https://note.com/tagtag/n/n3b4121898418 https://youtu.be/YlZlPyeH-zA
41. 同仁倶楽部 41 ともかく「認知の仕組」を細かく調べると 人間とLLM は違う！というケースがボロボ ロ出てくる。 ところが、画像や動画の「理解能力」はか なり高そうに見える（現状でも）
42. 同仁倶楽部 42 この画像には、室内の学習スペースあるいは会議室のよう な場所が写っています。以下の特徴が見られます：室内の 様子　テーブルと椅子：金属フレームの長方形テーブルが 複数並べられており、その周囲には赤い立方体のスツール （椅子）が配置されています。可動式のテーブルのよう で、配置を自由に変えられる構造です。床：カーペット敷 きになっており、落ち着いた雰囲気を出しています。壁と 照明：コンクリート打ちっぱなしの壁と、シンプルな照明 が見えます。モダンなデザインの部屋です。人物と持ち物 画像奥には、黒い服を着た人物が1 人座っており、ノート PC で作業をしています。テーブルの上にはバッグやノー ト、筆記具などが置かれています。ホワイトボード 奥にホ ワイトボードがあり、うっすらと文字が書かれています。 上の行：「物理基礎 期末テスト」下の行：「本日スケ ジュール」と読めるため、授業か試験対策の場である可能 性が高いです GPT-5 による 画像要約
43. 同仁倶楽部 43 https://note.com/masaland/n/nc289188897f8 Google AI studio による動画理解
44. 同仁倶楽部 44 ＄５９００（参考価格（発表時）／構成により異なる）でとんぼ 返り、逆立ち可能な２足歩行ロボットが発売 https://www.youtube.com/watch?v=v1Q4Su54iho （本動画個体は把持器なし） 動画では、移動とカスタマイズを目的としたヒューマノイドロボット 「Unitree R1」が紹介されています。動画では、ロボットが屋外と屋 内のさまざまな環境で手立ちや側転などのアクロバティックな動作 を披露し、26の関節による機敏さと柔軟性を強調しています。ま た、軽量設計（約25kg）や、音声と画像に対応した大規模なマルチ モーダルモデルとの統合についても説明されています。最後に、ロ ボットのカスタマイズ可能性について触れ、さまざまな部品の色や デザインオプションを示し、最終的な出荷時の外観が変更される 可能性があると説明しています。動画は、ブランドロゴと、過酷なテ スト、機能の差異、安全ガイドライン、ヒューマノイドロボット開発の 初期段階に関する免責事項で締めくくられています。
45. 同仁倶楽部 45 生成AI はどうやってこのような機能を実現しているか？
46. 同仁倶楽部 46 GPT（文章生成の場合）がしていること 文章の「次の単語」を学んで、初めてみた文でも次に何が来るか予 想できるようにする。 「今日は晴れているので洗濯物を干そうと思ったら雨が降ってきた」 今日は 今日は晴れて 今日は晴れているので 今日は晴れているので洗濯物を 今日は晴れているので洗濯物を干そうと 今日は晴れているので洗濯物を干そうと思ったら 今日は晴れているので洗濯物を干そうと思ったら雨が
47. 同仁倶楽部 47 なんで「次の単語を当てる」という学習をするだけで人間の様 に話せるのか？ 「今日は」と来たらその次が「さつまいも」である場合より「晴れ て」である場合が圧倒的に高いだろう。 しかし、「今日は」だけではいろんな単語が来る可能性が高い。 ある程度長い文章なら次にくる単語は限られる。 今日は晴れているので洗濯物を干そうと思ったら　→　雨が
48. 同仁倶楽部 48 しかし、長い文章になると「一度も見たことがない文章」に なることが多くなる。どうする？ →　一度もみたことがない文章でもすでに学習した「見たこ とのある文章」のなかで一番似たようなものを探して使える ようにする。 あまりない文章には精度が下がる。
49. 同仁倶楽部 49 最近は更に「推論モデル」と言って自分の出力を 入力にして出力するという作業を繰り返して当た るまでやる、という学習を行っている(この部分が 「思考プロセス」とされている)。この結果間違い が劇的に減少した（推論モデルの詳細は不明）。
50. 同仁倶楽部 50 ノイズ 除去 ノイズ 付加 ノイズ 除去 ノイズから絵が生成 できるようになる 拡散過程＝物理 画像生成AI
51. 同仁倶楽部 51 生成AI はこのように人間が作った文章や画像から学ん で新しい文章や画像を生成する能力を獲得しただけ だった。これは知能と呼べるのだろうか？
52. 同仁倶楽部 52 生成AI の現実認識の仕方は人間とはかなり違う。 しかし、「出力」は人間並み。 これは「人間と同じ知能」と言えるのか？ ⇒　実は人間の知能にも「癖（バイアス）」がある。
53. 同仁倶楽部 53 チェッカーシャドウ錯視 A とB は同じ色 → 人間は錯覚する https://persci.mit.edu/gallery/checkershadow/
54. 同仁倶楽部 54 エイムズの部屋 人間の脳も“現実を歪んで解釈”している https://archive.org/details/amesdemonstratio00itte
55. 同仁倶楽部 55 消灯 点灯 影
56. 同仁倶楽部 56 白い壁に光を当てて暗くなるわけはないので本当は 「影」の部分は黒くはない。しかし、我々の脳はこ れを「黒い」と解釈する。 実際、液晶プロジェクターはこの 装置の黒レベル限 界＋環境光＋人間の知覚の相互作用により“黒く見え る”。黒は光の欠如であり、投射そのものではない 明度調整後
57. 同仁倶楽部 57 • 白いスクリーンに黒い文字が映る、というのも錯覚であ る。白いスクリーンに光を当てて黒くなるわけがない。 • 光が当たって「より明るくなった」部分に比べて相対的に 暗いので「ここは黒い色が塗ってあるので暗くなってい る」と脳が誤認しているだけである。 • 我々の知能だって、不完全な外界認知をしているが「不完 全さ」の方向が違うので生成AI の粗が見えやすいだけ • そもそも網膜には２次元画像（平面）しか移らないのだか ら３次元（立体）空間を一意的に再現できるわけがない。
58. 同仁倶楽部 58 生成AI の誤認 人間の錯視 • 動画生成でセリフがおかしい • 「消火栓があるから廊下だ」 までは気付けない • 立方体と誤認 ・影で色が変わって見える ・奥行きの大きさ誤認 ・白いスクリーンに黒い字 が見える 比較まとめ 👓 誤認＝生成の過程での推測ミス／錯視＝知覚の系統的偏り
59. 同仁倶楽部 59 結論：知能とは現実のシミュレーター 現実のシミュレーターである。 現実の世界は複雑→なんらかの情報縮約を必要→人間の錯 視＝２次元映像から３次元を推定するための適応 生成AI 　画像や文章→情報縮約→文章・画像 情報縮約は必須 情報縮約は必須 生成 生成AI AI は人間と違う→ハルシネーション は人間と違う→ハルシネーション。 生成AI は人間とは違う方法で世界を認識しているだけでそ こに優劣があるわけではない。
60. 同仁倶楽部 60 脳 AI （生成AI ） どちらも「現実を圧縮・シミュレート」して解釈 相違：縮約の方法が異なる → 誤認のパターンも異なる
61. 同仁倶楽部 61 生成AI の「中身」は２０世紀末に非線形物理学者がさんざ ん研究した非線形非平衡多自由度系の一種である。そして 非線形非平衡多自由度系が現実をシミュレート出来ること は知られていた（しかし、学習させる方法は無かった）。 http://hdl.handle.net/2115/24360 雲のシミュレーションだが(1) 浮力，(2) 粘性， (3) 拡散， (4) 非圧縮性効果， (5) 移流， (6) 断熱膨張，(7) 相転移， (8) 潜 熱， (9) 引きずり， (1 0) 液滴の落下、 のプロセスを定性的に入れただけで雲 の形状は再現される→普遍性
62. 同仁倶楽部 62 https://designers-union.com/blog/archives/4067 群衆シミュレーター
63. 同仁倶楽部 63 https://www.youtube.com/watch?v=NN0SbcReOek&t=16s 水のシミュレーター（偽物）
64. 同仁倶楽部 64 要するに「現実」を再現するのに「中身 （＝物理法則）」は真実とかけ離れてい ても構わない＝現実からリバースエンジ ニアリングしたら解はユニークじゃない
65. 同仁倶楽部 65 現実をリバースエンジニアリングして真実と違うものになって しまった例：古典力学 古典力学 F=ma と書いた時のF やa は量子では一級の演算子ではなく、 Ehrenfest の定理により〈x 〉, 〈p 〉の時間発展は条件付きで古 典と整合するが完全ではない。 F: 量子力学ではポテンシャル力しか導入できない。 a: ハイゼンベルグ表示を使えば定義はできるが、ポテンシャル 未知では計算できないので運動論的な加速度は存在しない。
66. 同仁倶楽部 66 知能とは現実のシミュレーターだと いう立場に立てば、人間の脳と生成 AI は現実を異なった方法で認識して いるが同じようなアウトプットを出 すことができる別種のシミュレー ターと思えばいい。生成AI は知能を 持っているか、という問いは往々に して「（人間と同じ）知能を持って いるか」という問いに無意識のうち に変換されているが、知能が人間の それと同じあり方で無くてはならな いとは限らない。 現実 解釈
67. 同仁倶楽部 67 「室内に消火栓がある、立方体じゃない形状を理解できな い、は直るの？」 →　Physical AI といって現実世界から直接学ぶのが生成AI 研 究の最先端となっている（現実と直接接するには間違いは許 されないから） note 記事（Gemini によるまとめ） https://note.com/tagtag/n/n214788ab2197 （同音声化） https://youtu.be/UWFw0L2nzTc
68. 同仁倶楽部 68 知能とはシミュレーションである： 知能とはシミュレーションである： 仕組みは違えど、目指す能力は近い 仕組みは違えど、目指す能力は近い 「人間もAI も異なる方法で現実を縮約し、シミュレーショ ンしている」 「鳥と飛行機のように、仕組みは違っても役割は同じ」
69. 同仁倶楽部 69 https://youtu.be/ii3NWdL_Vao ChatGPT が勝手に作ったシナリオをGemini StoryBoard とい う物にアップロードして出来たので人間の手は全く入って ないけどこれだけのものができる…。 忘れられた灯台
70. 同仁倶楽部 70 終わりに ２０２５年１月に「知能とはなにか」と いう本を出版しました（講談社現代 新書）。もし、お買い上げ頂いて読ん でいただけるなら光栄です。
71. 同仁倶楽部 71 本講演は「知能とはなにか」という問いへ の学術的なレビューを欠いています。それを 話してもつまらないからです。そこの部分を 補うためにGemini 2.5 Pro Deep Research に 概要を調べてもらいました。 https://note.com/tagtag/n/n4cb64f2c9100 また１０分の解説音声も作ってくれたので 本格的な知能研究の歴史の概観はこちらを どうぞ。 https://youtu.be/RwhNBcyQQ50