AI研究者 · 機械知能を支えるアルゴリズムを設計・検証する仕事。今やその研究プロセス自体の自動化を競う分野になりつつある。
AI研究の殿堂は、自身のアイデアで動く実際のコンピュータを一度も見なかった数学者から、流行遅れの技術をほぼ一夜にして分野全体を作り変えるまで何十年も擁護し続けた研究者まで及ぶ。ここに挙げる8人は70年以上、4カ国にまたがる。
彼らをつなぐのは合意ではない――功績、安全性、分野自体の方向性について公然と意見を異にした者もいる――むしろ、誰もそれが報われると思っていなかった時代から一つのアイデアに取り組み続ける共通の意志だ。
Elliott & Fry · Public domain
使用可能なコンピュータが存在するより10年も前にコンピューティングの数学的基盤を築き、1950年には機械知能を検証する実践的なテスト――コンピュータの会話が人間の判定者を欺けるか――を提案し、「機械は考えられるか」を純粋に哲学的な問いではなく検証可能なものへと再定義した。
1950年に『Mind』誌に発表した論文で、チューリングは50年以内に約10億ビットの記憶容量を持つコンピュータが、5分間の質問の後、平均的な人間の尋問者を少なくとも30%の確率で欺くだろうと予測した――誰もそれを実際に検証できるようになるずっと前に、自分の名前を賭けた具体的で反証可能な予測だった。
“知能に関する抽象的な主張を、単なる定義ではなく具体的で検証可能な予測として述べること。”
Cmichel67 · CC BY-SA 4.0
ニューラルネットワーク訓練のための誤差逆伝播法を普及させた1986年の論文を共著し、その後二度のAIの冬を通じて深層学習の数少ない一貫した信奉者として何十年も過ごし、教え子が作ったAlexNetが2012年のImageNetコンペティションに優勝し、ほぼ一夜にして分野を作り変えた。
AlexNetの2012年ImageNet優勝の後、ヒントンはその年のNeurIPS会議が開かれていたレイクタホのホテルの一室から、自身の3人だけのスタートアップDNNresearchをオークションにかけた。Google、Microsoft、百度、DeepMindが競り合い、最終的にGoogleが4400万ドルで勝ち取った――深層学習を学術的な好奇心から商業的優先事項へと変えたたった一日の出来事だった。
“流行遅れのアイデアに繰り返しの拒絶を経ても固執し続けることは、流行ではなく証拠が追いついたときに報われうる。”
Jérémy Barande · CC BY-SA 2.0
1980年代後半にベル研究所で畳み込みニューラルネットワークを構築し、1990年代までに手書き小切手を読み取る商用システムとして展開させた――分野の主流ブレイクスルーの15年以上前に実現した実用的な深層学習の展開だ。現在はMetaの主任AI科学者であり、今日の言語モデルが汎用知能につながるという見方には公然と懐疑的だ。
1990年代、ベル研究所で開発されたルカンの畳み込みネットワークLeNetは、米国の銀行向けに手書きの小切手数字を読み取るために展開された。全盛期には、彼のアーキテクチャに基づくシステムが米国で処理される小切手のかなりの割合を読んでいたと伝えられる――2012年がこのアプローチを有名にするずっと前に、実運用でうまくいくことの証明だった。
“実際の運用で証明されたシステムは、たとえ分野が先に進んでいても、どんなベンチマークスコアも教えられない教訓を教えてくれる。”
Xuthoria · CC BY-SA 4.0
神経言語モデリングを前進させ、同僚とともにトランスフォーマーアーキテクチャに直接つながる注意機構を導入する一方、モントリオール大学のMilaを世界最大級の深層学習研究者の集積地に育て上げた。後に、AIリスクの規制を求める最も著名な声の一人となった。
2023年5月、ベンジオはジェフリー・ヒントンや他の数百人の研究者とともに、AIによる絶滅リスクの緩和はパンデミックや核戦争のような社会規模のリスクと並ぶ世界的優先事項とすべきだと宣言する一文の公開声明に署名した――自ら30年間その技術を築き上げてきた研究者としては、際立った公的な転向だった。
“強力な技術を築くことと、その危険性について公に警告することは、同時に取りうる矛盾しない立場である。”
John Sears · CC BY-SA 4.0
元チェスの天才少年でビデオゲームデザイナーでもあった彼は、2010年にDeepMindを共同設立し、トッププロ棋士を破った初のプログラムAlphaGo、そしてほぼすべての既知のタンパク質の立体構造を予測したAlphaFoldを作ったチームを率いた。AlphaFoldにより2024年のノーベル化学賞を共同受賞。
2016年3月、ソウルで行われた囲碁チャンピオン李世乭(イ・セドル)との対局第2局で、AlphaGoは5線に第37手を打った――あまりに型破りな一手で、解説者マイケル・レドモンドは当初それをおそらくミスだと評した。李は席を離れて気持ちを整えてから戻った。この一手は今、機械が創造的直観に似た何かを生み出した瞬間として広く引用されている。
“狭いゲームのルールだけで訓練されたシステムでも、それを作った人間を驚かせることができる。”
ITU Pictures · CC BY 2.0
約1400万枚の日常写真を手作業でラベル付けしたデータセットImageNetを構築し、画像認識を測定可能な年次コンペティションに変えた。2012年にそれを制したAlexNetシステムは、深層学習ブームを始めたと広く評価されている。現在はスタンフォード人間中心AI研究所の共同ディレクター。
2007年頃から、リーのチームはAmazonのMechanical Turkを使い、クラウドワーカーにWordNet語彙データベースから引いた約2万カテゴリーに1400万枚以上の画像を手作業でラベル付けさせた――何年もかかった地味なプロジェクトで、同僚の中には有望な研究者のキャリアを無駄にしていると彼女に言った者もいたと伝えられる。5年後、同じデータセットでのAlexNetの勝利が深層学習ブームの引き金となった。
“データセットはアルゴリズムと同じくらい重要になりうる――地味なインフラ整備こそが本当のブレイクスルーであることもある。”
1956年のダートマス会議を主催しながら「人工知能」という言葉を作り、翌年にはLispプログラミング言語を発明し、若い分野に名前と、その後数十年にわたる主要な研究ツールの両方を与えた。1971年、分野の理論的基盤を築いた功績でチューリング賞を受賞。
1955年、ロックフェラー財団に1万4000ドルを求める提案書の中で、マッカーシーと3人の共著者は「人工知能」という言葉を作った――一部にはノーバート・ウィーナーのサイバネティクスとこのプロジェクトを区別する狙いがあった。財団は要求額の約半分を助成し、翌年夏に開かれた8週間のダートマス会議は単一の技術的ブレイクスルーを生まなかったが、あえて選ばれたその名前は、そこで実際に議論されたどのアイデアよりも長く生き残った。
“分野に決定的な名前を付けることは、創始者がその年に何を成し遂げたかとは独立に、何十年もその分野のアイデンティティを形作りうる。”
1972年、ケンブリッジで逆文書頻度を開発した。今日分野を支配する深層学習モデルの何十年も前に、多くの検索エンジンと自然言語処理の大半を今も支えるTF-IDFの背後にある統計的洞察だ。生涯を通じて、女性のコンピューティング分野への参入を積極的に擁護した。
スパーク・ジョーンズの1972年の論文は、文書の関連性をランク付けする際に一般的な単語よりも希少な単語をより重く重み付けすることを提案した――今日「逆文書頻度」と呼ばれるアイデアで、現代の検索・検索システムの中に今も構成要素として残っている。彼女は同じくらい、「コンピューティングは男性だけに任せておくには重要すぎる」という率直な決まり文句でも知られるようになり、英国コンピュータ協会は後にこれを年次講演シリーズのタイトルとして採用した。
“一つの、正確に述べられた統計的アイデアは、何十年も後にその上に築かれたアーキテクチャ全体よりも長く生き残りうる。”
バーはこのリストの首位を基準にした相対値です。
Toggle names on and off — every bar rescales to the leader of your selection.
1950年のチューリングテストに合格することが知能の有意味な尺度かどうかは今も論争が続いている。批判者は、チャットボットが判定者を欺くことは、本物の理解というよりも説得力のある流暢さ、あるいは人間の騙されやすさを示すにすぎないと主張する。
2018年のチューリング賞がヒントン、ルカン、ベンジオを深層学習の創始者として位置づけたことは、他の研究者から異論が出ている。最も声高なのはユルゲン・シュミットフーバーで、自身の研究室が先に発表した手法が十分に評価されなかったと主張している。
現代生活を動かすコードを書き、テストし、保守する仕事であり、AIが自分自身の日々の作業を自動化していく様子を最初に目の当たりにしている職業の一つでもある。
AI-resistant 35 🛰️地上を離れる航空機・ロケット・宇宙船を設計・解析・認証する仕事で、推測の余地を残さない安全マージンを守り続ける。
AI-resistant 74 🌉川と岩と重力を橋・道路・清潔な水に変える職業――イムホテプ以来、文明を静かに支え続ける仕事。
AI-resistant 72 🔌自動車のブレーキから核ミサイルの誘導システムまで、あらゆるコンピュータや携帯電話の中にあるトランジスタを設計・製造する。地球上でごく一部の工場しか動かせないほど精密な機械を使う仕事だ。
AI-resistant 60 🦾感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI-resistant 65