講演資料
講義資料スライドの表紙です。スライド画像、または下の要約文中の青いページ番号リンクをクリックすると、別のタブで無駄なノイズのない、純粋なPDFビューア画面が起動し、指定されたページへ直接ジャンプして快適に閲覧できます。
全体概要
本資料は、2018年を中心に丸山不二夫氏がMaruLabo（マルレク）および角川セミナーで行った連続講義群を一冊に束ねた「総集編」です。統一的な問いは「人工知能は本当に何者なのか」というものであり、ディープラーニングを技術的な事実として受け入れつつも、それだけでは到達できない人間の知能の深さを多角的に解明しようとしています。[p.1], [p.4]
人工知能研究の歴史を振り返ると、1930〜40年代の数学的「計算可能性」研究に端を発する「計算主義」と、1950年代の大脳視覚野研究に端を発する「コネクショニズム」という二大潮流が確認できます。現在のディープラーニングは後者の第三世代に当たりますが、本資料はその成果を認めたうえで「Post Deep Learning」という視座を提示します。すなわち、感覚・運動能力レベルの機械的代替には大きな可能性が開かれた一方、言語能力・数学的認識能力・知識検索という人間固有の上位階層には、複数の異なるアプローチが不可欠だという主張です。[p.12], [p.66], [p.67]
この主張を支えるために、本資料はChomsky言語学のMinimalist Program、Lambekのカテゴリー文法、型理論とCurry-Howard対応、Voevodskyのホモトピー型理論、量子コンピュータと量子複雑性理論、さらには計算可能性・計算複雑性の哲学的含意まで、驚くほど広いスペクトルを横断します。これらは「人間と機械が知りうることの限界」という根本問題に向かって収束しており、「機械に何ができるか」ではなく「機械と人間が協働すれば何ができるか」という問いへと読者を誘います。[p.68], [p.118], [p.149]
知能の階層モデル（感覚・運動的外界の把握→言語能力による認識の飛躍→文字による知識の集積→数学的・科学的認識）は本資料全体のアーキテクチャーとなっており、各講義はこの四層のいずれかを深掘りする構造になっています。[p.62], [p.63], [p.65] 最終的に本資料が示す未来像は、AI技術が人間の諸能力のギャップを補完する「パーソナル・アシスタント」としての共生関係であり、ことに証明支援システムに象徴される「人間と機械の双対的共生」に、その理想形を見出しています。[p.60]
講義のロードマップ
■ Part 1: 「ポスト・ディープラーニングの人工知能技術を展望する」（Long Version / Short Version）
1-A: 人工知能の歴史を振り返る（Part I）
- この部の核心:
人工知能研究の二大潮流——計算主義とコネクショニズム——を歴史的に整理し、現在のディープラーニングの位置づけを確定します。さらに「知識・検索主義」という第三の流れを発見し、Googleの検索技術とSchema.orgへの接続を批判的に論じます。「文盲プロトコル」という挑発的な概念によって、ボイス・アシスタントの現状課題を鋭く照射します。[p.6]〜[p.16]
- 論理展開:
- 計算主義の源流：GödelとTuringとChomskyの「計算可能性」研究、SimonのGPSの失敗、Robinsonの導出原理、第五世代コンピュータの終焉。[p.6], [p.7], [p.8]
- コネクショニズムの三世代：Rosenblatt→Rumelhart→Hinton/Bengio/LeCun、2012年のAlexNetと音声認識による爆発的復活。[p.10], [p.11]
- 知識・検索主義の興亡：GoogleのKnowledge Graph、Schema.org設立、ボイス・アシスタントSDKの「文盲プロトコル」批判。[p.14], [p.15], [p.16]
- AI = Deep Learningではないという中心命題の提示。[p.12]
1-B: 人間の知能と機械と人間の歴史を振り返る（Part II）
- この部の核心:
生命誕生から人類の言語能力の獲得、文字の発明、数学的認識の誕生までを一本の歴史的系譜として描き、「認識能力の発展と知の階層」というモデルを構築します。機械は人間の運動能力・感覚能力を外的に拡大してきたという視点から、人工知能を「第三の拡張」として位置づけます。[p.20]〜[p.26]
- 論理展開:
- カンブリア紀の目の誕生→脳の発達→類人猿から人類への言語能力の獲得。[p.21]
- 文字の発明→印刷技術→Webと検索技術（Google）という知識集積の歴史。[p.22], [p.23]
- 飛行機・望遠鏡・加速器に見る「機械による感覚・運動能力の外的拡大」。[p.24]
- 量子論・相対論は感覚的直感で捉えられない→数学的認識が「新しい認識器官」として機能。[p.25]
- 知の四層モデル（感覚・運動／言語／知識集積／数学・科学）の提示。[p.26], [p.62], [p.63]
1-C: 言語能力への言語学的アプローチ（Part III）
- この部の核心:
Chomskyの言語理論、とりわけMinimalist Programを計算システムとして読み解き、「Merge」という基本操作が言語能力・認識能力・数学的能力の三者を橋渡しする概念であることを論じます。AmazonのAlexaのIntent Signatureとの比較を通じて、現実の開発モデルが言語学的知見と実は呼応していることを示します。[p.29]〜[p.33]
- 論理展開:
- Chomskyの核心：有限の言葉から無限の文を生成する「創造性」と生得的普遍文法。[p.29]
- Minimalist Programの「Merge」：二つのものを一つにする最少計算操作が言語・認識・数学の共通基盤。[p.31], [p.32]
- AlexaのSystem Slot TypeとIntent Signatureが、語彙獲得と文法の萌芽に対応するという観察。[p.33]
- Categorial Grammar（Lambek）との融合という現代の潮流への言及。[p.34]
1-D: 数学的認識能力への数学的アプローチ（Part IV）
- この部の核心:
Curry-Howard対応（「命題＝型」「証明＝項」）、Martin-LöfのDependent Type Theory、そしてVoevodskyのHomotopy Type Theory（HoTT）とUnivalent Foundationsを俯瞰し、「証明支援システム」が人間と機械の双対的共生の場であることを論じます。[p.36]〜[p.42]
- 論理展開:
- ゲーデルの不完全性定理よりも、集合論とカントールの連続体仮説の無矛盾性証明の方が数学的に重要であるという独自の評価。[p.36]
- Curry-Howard対応：型付きλ計算の「→」と命題論理の含意「→」の驚くべき同型。[p.38], [p.39]
- Martin-LöfのDependent Type TheoryがCoq/Agda等の証明支援システムの基礎を与えた経緯。[p.39]
- Coqは「人間の証明を機械が支援するシステム」であると同時に「機械の証明を人間が支援するシステム」でもある——この双対性が共生の雛形。[p.40]
- Voevodsky（1966-2017）の急逝に触れつつ、HoTT/UniMathが21世紀の数学とCS双方に与えるインパクトを展望。[p.42]
■ Part 2: 知能の階層性
- この部の核心:
「認識能力の発展と人間の知能の階層」の図解モデルを精緻化し、Deep Learningがカバーするのが最下層（感覚・運動）であるのに対し、言語能力と数学的認識能力の機械化には「計算主義」と「検索・知識表現」という別のアプローチが不可欠であることを、視覚的に整理します。現在のAIが「攻めあぐねている課題」の所在を明示するパートです。[p.61]〜[p.67]
- 論理展開:
- 四層モデル（感覚・運動 / 言語能力 / 文字による知識集積 / 数学的・科学的認識）の図示と「大きな飛躍が二つある」という指摘。[p.62], [p.65]
- Deep Learning（赤矢印）が感覚・運動層に、検索・知識表現（緑矢印）が知識集積層に、計算主義（青矢印）が全層を縦断するという三者の役割分担の図解。[p.67]
- 言語能力の飛躍と数学的認識への飛躍の二つが、現在のAI技術の主要な未解決フロンティア。[p.66]
■ Part 3: 人間と機械が知りうることの「限界」について
- この部の核心:
計算可能性理論から計算複雑性理論、さらに量子複雑性理論へと至る「認識の限界」の歴史的変遷を四段階（50年代・70年代・80年代・現在）で描きます。「限界を知ること」と「世界の認識が拡大すること」が実は一体であるという逆説的な結論が、このパートの美学的な核心です。[p.68]〜[p.73]
- 論理展開:
- 50年代：チャーチ＝チューリングのテーゼ——「証明可能＝計算可能」なものの抽象的限界。[p.69]
- 70年代：P=NP？問題——「易しい計算」と「難しい計算」の階層的区別。[p.70]
- 80年代：チャーチ＝チューリング＝ドイッチェのテーゼ——「情報過程＝物理過程」という計算可能性概念の物理化。[p.71]
- 現在：量子複雑性（BQP）・物理学の複雑性理論・「物理過程＝情報過程」という認識の成熟。[p.73]
■ Part 4: 自然言語理解をめぐって
4-A: ボイス・アシスタントから見るAIの未来
- この部の核心:
Amazon Echo/AlexaとGoogle Homeを具体的な事例として、現在のボイス・アシスタントの限界（Speech2TextとText2Speechしかできない）を直視しつつ、コンシューマー市場での激しい競争がAI技術全体の「淘汰圧」として機能するという楽観的展望を示します。IBM WatsonのJeopardyプロジェクトから学ぶべき多様なアプローチの豊かさも強調します。[p.77]〜[p.79]
- 論理展開:
- 現在のボイス・アシスタントの大部分は「単純なプログラムの入出力のボイス化」に過ぎない。[p.77]
- AlexaのIntentモデルの進化（Intent→Slot→Slot Type→Intent Signature）は「言語システムの進化」に対応。[p.91]
- Alexaが知識検索能力を手に入れるか、GoogleがIntent能力を公開した時、競争の第一幕が終わる。[p.79]
4-B: 自然言語とコンピュータ概論（計算主義的言語理論入門）
- この部の核心:
自然言語へのアプローチを①Deep Learning②知識表現・検索③計算主義的言語理論の三類型に整理し、第三のアプローチの重要性と現状の遅れを論じます。Chomskyのアプローチ（Minimalist）とLambekのカテゴリー文法の融合という現代の潮流を紹介します。[p.82]〜[p.95]
- 論理展開:
- ①は「聴く・話す」の感覚・運動的側面に有効、②は「意味・知識」の概念・思考的側面に有効、③は「文法的に正しい文の計算的生成」に有効という役割分担。[p.84]
- LambekのCombinatory Categorial Grammar（1958年）の二規則：`(x/y)y → x` / `y(y\x) → x`。[p.94]
- Lambek（1958→2008）の50年ぶりの再登場の背景にChomskyのMinimalist Program（1995）がある、という分析。[p.95]
■ Part 5: 数学的認識をめぐって
5-A: 数理哲学への招待
- この部の核心:
数学の世界と現実の世界の関係という数理哲学の根本問題を俯瞰しつつ、「数学は対象認識の拡大に応じて構成された体系」という著者独自の立場を示します。ピタゴラスの定理がリーマン幾何学を経てアインシュタインの一般相対論へと拡張されていく系譜を、「数学的認識の器官」という視点で追います。[p.100]〜[p.103]
- 論理展開:
- プラトンの観念実在論・カントの先験的直観形式論を参照しつつ、著者の立場を「事後的な認識拡大に応じた体系構成」として定位。[p.102]
- 「知能とシンボル操作の能力」：イメージをシンボルとして反省的に操作する能力が言語能力であり、数学的能力の基礎。[p.103]
5-B: 集合論入門（カントール没後百年）
- この部の核心:
集合論の誕生（カントール、1845-1918）を「数える」「集める」という具体的操作から出発して説明し、無限と連続という数学が直面する根本的困難を平易に提示します。「この線分の上に点は何個あるか」という問いが、いかに深い数学を生み出したかを示します。[p.105]〜[p.108]
5-C: 計算理論入門（「やさしい計算」と「むずかしい計算」）
- この部の核心:
チャーチ＝チューリングのテーゼから計算複雑性理論へという知的系譜を、「人工知能の計算主義的アプローチ」の基礎理論として位置づけます。500以上の複雑性クラスが存在するという事実が、「計算する知能の構造の複雑さ」を反映していると論じます。[p.111]〜[p.116]
- 論理展開:
- 小学生の算数も数学者の証明も、チューリング機械の意味では「同じ」——計算主義の等値性の主張。[p.111]
- P=NP？問題の未解決、Complexity Zooに500超のカテゴリーという現実。[p.146]
- 「認識の限界の認識が進む一方で、世界の認識が拡大する」という逆説的結論。[p.115]
■ Part 6: 量子情報理論について
6-A: 紙と鉛筆で学ぶ量子コンピュータの基礎
- この部の核心:
量子ゲート型量子コンピュータの数学的基礎（ベクトル・行列計算、量子ゲート）を高校数学を前提に演習形式で解説します。量子情報理論が物理学そのものの基礎理論である可能性という大きな問題意識が底流に流れています。[p.122]〜[p.124]
- 論理展開:
- 量子論を「抽象的・形式的な対象」として扱うことで簡略化が可能——物理学的量子論との差異を明示。[p.124]
- 量子情報理論は量子論のサブセットではなく、物理学の基礎理論の候補かもしれない。[p.124]
6-B: 量子コンピューティングの現状と課題（Preskillの論文紹介）
- この部の核心:
物理学者John PreskillのNISQ（Noisy Intermediate-Scale Quantum）論文を詳説し、近未来（50〜数百qubit）の量子コンピュータの可能性と限界を「二重の見通し」として提示します。「現在が未来を準備し、科学が技術とビジネスを通じて世界を変える」という科学観が基調です。[p.126]〜[p.129]
- 論理展開:
- NISQ自体を「世界を変えるもの」と期待すべきではなく、より強力な量子技術への「一歩」として捉えるべき。[p.128]
- NISQとbeyondの「二重の見通し」——近未来の冷静な評価と遠未来への楽観的展望の両立。[p.128]
- 若い世代の活躍への期待という締め括り。[p.129]
6-C: 量子アルゴリズム入門——量子フーリエ変換を学ぶ
- この部の核心:
ノー・クローニング定理・エンタングルメント・量子テレポーテーション・量子並列計算という基本トピックを経て、Shorのアルゴリズムの核心である量子フーリエ変換（QFT）の仕組みを解説します。古典的DFT/FFTとの比較を通じて、量子の優位性を数学的に示します。[p.132]〜[p.134]
- 論理展開:
- ノー・クローニング→エンタングルメント→スーパー・デンス・コーディング→量子テレポーテーション→量子並列計算という段階的展開。[p.133]
- 古典フーリエ変換→DFT/FFT→QFTという三段階の接続。[p.134]
■ Part 7: 人工知能論について
7-A: 人工知能と複雑性理論
- この部の核心:
複雑性理論の三世代（計算可能性→計算複雑性→量子複雑性）を「人工知能の認識の限界」の理論として読み直し、「人間と機械が同じ限界を持つ」という計算主義的等値性を、物理学的に基礎づけます。[p.138]〜[p.152]
- 論理展開:
- 計算主義の核心：「人間ができることは機械にもできる」——これ以上強いAIへの楽観論はない。[p.144]
- BQP問題を解く能力は機械に属し人間には属さない——量子複雑性が計算主義の単純な等値を破る。[p.117]
- 「人工知能に何ができ何ができないか」ではなく「機械と人間で何ができるか」が本質的な問い。[p.118]
- Complexity Zooの500超クラス——「我々は我々自身のことをよく知らない」。[p.146]
7-B: 人工知能と自然言語
- この部の核心:
自然言語への三アプローチ（Deep Learning / 知識検索 / 計算主義的言語理論）を再整理しつつ、Minimalist ProgramとCategorial Grammarの融合という現代的潮流と、「意味の形式的理論」（モデル論的意味論）への接続を論じます。[p.155]〜[p.158]
- 論理展開:
- 三アプローチの役割分担（感覚・運動的側面／概念・思考的側面／計算的文法生成）を再確認。[p.157]
- Part IVとして「意味の形式的理論」が予告されており、次回講義への橋渡しとなる。[p.158]
7-C: 人工知能と量子コンピュータ
- この部の核心:
NP完全問題（SAT・Clique・Graph Coloring・Hamiltonian Path）の本質を丁寧に解説し、「量子コンピュータがNP完全問題を解ける」という広く流布した誤解を訂正します。一方でBQP完全問題という新しい地平が開かれており、QRAM・量子ディープラーニング・HHLアルゴリズム等の最前線を紹介します。[p.161]〜[p.166]
- 論理展開:
- Cook-Levin定理（SATはNP完全）とKarpの21のNP完全問題による「還元可能性」の連鎖。[p.165]
- 量子断熱コンピュータとNP完全問題、量子ゲート型との等価性という重要な注意点。[p.165]
- BQP完全問題という概念への注目——Shorのアルゴリズムの一般化として。[p.164]
- QAOA・VQE・量子アニーリング・HHLアルゴリズム・量子リコメンデーション等の応用領域。[p.166]
7-D: 人工知能と哲学（ペンローズ批判とモデル論的意味論）
- この部の核心:
ロジャー・ペンローズの人工知能論（「計算主義」批判）に正面から応答し、著者の「計算主義」的立場を哲学的に明確化します。モデル論的な「意味の形式的理論」（Syntax vs. Semantics）を提示し、「理論Tが成り立つ世界」としてのモデルMが理論Tに「意味」を与えるというフレームを導入します。[p.169]〜[p.171]