今回のコラムでは、人間の知性が実際に計算知能の一形態であるかどうかという重要な議論について検証します。
前提はこうです。現代のLLM、生成AI、計算トランスフォーマーの存在が示すように、私たちはすでにAIを人間の知性と同等にする方法を解明したと熱心に主張する人々がいます。さらに、ここが肝心なのですが、人間の知性は計算知能と同じだと主張されています。脳と心は計算メカニズムであり、従来のデジタルビットやバイトではなく、生化学的な方法で行われているにすぎないというのです。
この深遠なテーマは、2025年9月24日に開催されたハーバード大学バークマン・クライン・センター（BKC）の秋季講演シリーズのキックオフイベントの焦点でした。私は最近、9月12日から14日にかけて開催されたハーバード大学の特別AIワークショップに招待参加者として参加する栄誉に浴しました。このワークショップではAGI（汎用人工知能）の到来について探究する素晴らしい集まりであり、BKCについて学び、BKCの研究者、関係者、教員と交流する機会を得ました。
この活気ある秋季シリーズの開幕を飾った著名な講演者、ブレイズ・アグエラ・イ・アルカス氏は、グーグルのテクノロジー＆ソサエティ部門のCTOであり、VP兼フェローを務めています。彼は魅力的な講演の中で、心は計算であるという前提を精力的に支持し、強く擁護しました。彼の新刊『What Is Intelligence? Lessons from AI About Evolution, Computing, and Minds』（MITプレス）は、この挑発的な立場に取り組んでいます。624ページに及ぶ充実した著書の中で、彼はそのような主張の根拠を徹底的に説明しています。この記憶に残る開会セッションは、BKCのエグゼクティブディレクターであるアレックス・パスカル氏によって巧みに進行されました。BKCの詳細についてはこちらのリンクを、イベントの録画についてはこちらのリンクをご覧ください。
人間の知性を計算知能とする明確な主張とは何でしょうか？
それについて話し合いましょう。
このAIブレークスルーの分析は、AIの最新動向に関する私のForbesコラム連載の一部であり、様々な影響力のあるAIの複雑さを特定し説明しています（こちらのリンクをご覧ください）。
心に関する比喩
人間の心がどのように機能するかを説明するために、無数の比喩が使われています。きっとあなたもそのような比喩をたくさん耳にしてきたでしょう。いくつかの一般的な例を考えてみましょう。心は図書館であり、知識を保存し、必要に応じてコンテンツを取り出すことができます。心はオーケストラであり、脳の異なる部分が様々な専門的な楽器のように機能し、うまく機能するためには調和して連携する必要があります。など。
現代では、心は比喩的にコンピュータとして描かれています。新しい視点を得たいとき、私たちは脳を再起動します。思考を共有する行為は、周囲の人々に出力を提供するようなものです。あまりにも多くのアイデアで頭がいっぱいになると、内部メモリがオーバーフローします。思考に不具合が生じたり、デバッグが必要になったりするかもしれません。
心を吹き飛ばす準備をしてください。脳関連の比喩についての別の視点があり、それはあなたにとってやや驚くべきものかもしれません。
BKCの講演でブレイズ・アグエラ・イ・アルカス氏が述べたように：「脳はコンピュータであると言うのは比喩ではありません。それらはコンピュータのようなものではなく、コンピュータなのです」。そう、主張されているのは、脳とコンピュータの性質の間に区別はないということです。脳は実際に計算実体なのです。機械的な歯車や機械部品を使用しているわけではありませんが、それでも脳は計算に基づいて機能しています。
この大胆な仮定に全員が同意しているわけではないことを認識してください。
いずれにせよ、このトピックは人間の心の理解を深める手段として、また同様にAIの計算知能を人工汎用知能に向けて推進し、最終的に人工超知能（ASI）に到達するための取り組みを促進するものとして、非常に価値があります。
予測脳仮説
LLMの内部動作について簡単に掘り下げ、全体的に何が起こっているのかを見てみましょう。
ChatGPT、Claude、Gemini、Grok、あるいは主要な大規模言語モデルのいずれかを使用することを選択した場合、3万フィートの高さから見ると、次のようなことが起こります。あなたはプロンプトとしてテキストをAIに入力します。テキストはトークンにエンコードされ、トークンは単語や単語の一部の数値表現です。トークンは人工ニューラルネットワーク（ANN）と呼ばれる大規模な構造を通過します。ANNはインターネットからスキャンされた可能性のある数兆語のデータでトレーニングされ、人間がどのように書くかについて数学的・計算的にパターンマッチングされています。
AIは、あなたが入力したプロンプトに基づいて、どの単語を返すべきかを予測しようとします。これはトークンを使用する計算プロセスを通じて行われます。すべて数字に関するものです。ANNを活用しながら、次のトークンが選択されるたびに、ステップバイステップで応答が組み立てられます。トークンはその後、単語としてテキストに戻されます。そして、LLMはエッセイ、物語、詩、あるいは基本的に人間が単語を構成する方法を模倣した何らかの形式の文章を生成します。
このプロセスの詳細な説明については、こちらのリンクでの私の解説をご覧ください。
全体として、AI研究者はこの包括的なアプローチを単語予測器と呼んでいます。AIは次にどの単語が適切であるかを計算的に確認しようとし、一歩ずつ進み、それらの単語が自然言語の一貫した文章にまとまることを期待しています。
脳が計算実体であると信じる人々は、心も同様に機能すると主張するでしょう。これはしばしば予測脳仮説と呼ばれます。この仮説では、誰かがあなたに話しかけるとき、あなたの脳と心はデータを取り込み、音を内部の生化学的トークン（いわば）に変換し、それらがあなたの頭の中の生物学的ニューラルネットワークを通過します。次に、あなたの内部の心に基づくニューラルネットワークは、まず生化学的トークンを通じて、そしてそれらを理解可能な話し言葉に変換することで、適切な出力を予測しようとします。
要点は、脳と心が計算知能がどのように発生するかとまったく同じように機能していると示唆されていることです。比喩を捨てましょう。脳はコンピュータに単に類似しているのではなく、計算知能の一形態なのです。
理論の美しさ
脳が計算的であるという信念には固有の美しさがあります。
人間の知性と認知は情報プロセッサとして説明できると主張できます。脳と心は本質的に生物学的ハードウェア上で実行される計算アルゴリズムです。これにより、心はすべての効果的な計算プロセスは計算可能であるという有名なチャーチ・チューリングのテーゼに沿った魅力的な概念的親和性を持つことになります（こちらのリンクでの詳細な議論をご覧ください）。
計算主義は、脳と心が何をしているのかを理解するための明確で簡潔なフレームワークを提供します。私は以前、この同じ「心は計算である」という考え方が、心の理論（ToM）が人間の心だけの領域ではないことを示すために使用できると指摘しました。AIの計算知能はToMのシミュレーションバージョンとして見ることができます。これについてはこちらのリンクで詳しく説明しています。
もう一つの大きなプラス点は、これによってANNと私たちのウェットウェアを構成する生化学的ニューラルネットワークの間の摩擦が軽減されることです。現時点では、ANNは真のニューラルネットワークが行うことからはほど遠いものです。ANNは、実物の非常に単純化された計算モデルの、せいぜい粗い表現にすぎません。その大きなギャップにもかかわらず、私たちは脳のニューロンをコンピュータベースの情報処理ユニットとしてエミュレートしようとする正しい道を歩んでいると推測されます。ANNの専門用語では、数学的・計算的側面はニューロンの発火、シナプスの重み、そして脳回路のマッピングで観察される重み付けされた入出力変換を伴います。
それは単に物事を表現する便利な方法なのか、それとも私たちは的を射ているのでしょうか？
現在のAIへのアプローチが人間の知性と完全に一致していると信じることは、大いに安心できるでしょう。その前提は大きな安堵をもたらします。計算知能は人間の知性が行うのと同じことを行っています。人間の知性は計算知能と同じことを行っています。
私たちは金鉱を発見し、隠された金山を見つけたのです。
スケーリングが私たちをそこに導く
もし私たちが偶然にもAIのための正しい種類のアーキテクチャとデザイン、つまり人間の知性が生じる方法に似たものにすでに到達しているとすれば、現在のAIがなぜ人間の知性のレベルで完全に機能していないのかという疑問が浮上します。私たちはまだAGIを持っていません。今すぐAGIが私たちの間にあるべきではないでしょうか？
ああ、ある人々は言います、理由はスケールによるものだと。
アイデアは、既存のAIをスケールアップする必要があるということです。大規模なコンピュータセンターを構築し、膨大な量の高性能サーバーとコンピューティングパワーを持つ必要があります。この策略の背後にある論理はこうです。これまでのところ、より多くのコンピュータ処理能力、より高速なGPUなどを割り当てることで、LLMと生成AIはますます良くなっているように見えます。したがって、同じことを続けましょう。
AI業界の内部者は、より多くのコンピューティングを追加することで、AI分野が歴史的に進歩を遂げてきたという今や古典的な議論に精通しています。
AIの著名なパイオニアであるリチャード・サットン氏が約6年前の2019年3月13日に投稿した有名な短いエッセイで、彼は計算を活用する一般的な方法が最終的に最も効果的であり、しかも大差で効果的であるという信念に豊富な信頼を与えました：
- 「70年間のAI研究から読み取れる最大の教訓は、計算を活用する一般的な方法が最終的に最も効果的であり、しかも大差でそうだということです。その究極の理由はムーアの法則、あるいはむしろ計算単位あたりのコストが継続的に指数関数的に低下するという一般化です。」
- 「ほとんどのAI研究は、エージェントが利用できる計算能力が一定であるかのように行われてきました（その場合、人間の知識を活用することがパフォーマンスを向上させる唯一の方法の一つになります）が、典型的な研究プロジェクトよりもわずかに長い時間をかけると、必然的にはるかに多くの計算能力が利用可能になります。」
- 「短期的に違いをもたらす改善を求めて、研究者はドメインに関する人間の知識を活用しようとしますが、長期的に重要なのは計算の活用だけです。」
- 「私たちが考えていると思う方法を組み込むことは長期的には機能しないという苦い教訓を学ばなければなりません。」
壁にぶつかることへの懸念
ちょっと待ってください、一部のAI業界の内部者は警告します。スケールがあなたが考えるような重要な差別化要因にならない可能性があります。おそらく私たちは間違った道を歩んでいるのでしょう。LLMと生成AIのアーキテクチャとデザインは、AGIを達成する上で行き止まりである可能性があります。
おそらく私たちは今、愚かにも誘惑の道を追求しています。何十億ドルものコンピューティングが、揺るぎない壁に衝突するデザインとアーキテクチャのスケーリングに向けられることになるでしょう。悲しいことに、これが起こっていることに気づく頃には、私たちはすべての卵を一つの失敗したバスケットに入れてしまっているでしょう。
現代のLLMの魅惑的な呼び声に盲目的に従うのではなく、私たちは多様化し、価値ある代替案を積極的に探求しなければなりません。残念ながら、すべての注目とお金はほぼ独占的に既存のAIアプローチに流れています。枠を超えた思考のためのインセンティブと資金はほとんど残っていません。私はAIのアーキテクチャとデザインを異なる方向に導く様々な代替案について、こちらのリンクで強調しています。
興味深いことに、リチャード・サットン氏も同様の見解を示しており、私たちがAGIに実り多く到達しない道を歩んでいることを示唆しています。2025年9月26日に放送された最近のポッドキャストで、彼はLLMと計算トランスフォーマーをはるかに超えるAIの新しいアーキテクチャが必要だと述べました。彼のコメントには、LLMは基本的真実を包含できないこと、そして次のトークンを予測する行為はAGIを達成するための適切な目標ではないことが含まれていました。
彼の期待は、AI分野の他の人々の増加する一団によって共有されているように、新しいパラダイムが必要だということです。今日私たちが知っているLLMは、必然的に時代遅れになるでしょう。これは、研究、名声、そして財産を生成AIと計算トランスフォーマーに結びつけることを選択した人々にとって、胸が痛むような一撃です。
解釈可能性と説明可能性
議論のために、脳が計算知能に基づいていると仮定しましょう。もしそうであれば、興味深い見通しがあります。脳と心がどのように物事を成し遂げるかを理解する可能性は、おそらく私たちの手の届くところにあります。
詳しく説明させてください。
私たちは、シャーロック・ホームズの謎を解明する努力にまだ屈していない2つの強力な未知の存在に直面しています。
まず、脳に関しては、約860億のニューロンと100兆のシナプスがどのように人間の思考を生み出すのかは、依然として大きな謎です。数多くの非常に強力な神経科学研究が脳活動を測定し、思考を吹き込み、意識のある存在になる能力との関連を示そうとし続けています。私は特に、説明されていない謎に対する足がかりを与えてくれるかもしれない、最近の新しい脳回路マッピングAI駆動の基盤モデルに興奮しています（これについては今後の投稿で取り上げる予定です）。
次に、LLMと生成AIに関しては、これらの大規模なANNがどのように一見人間の思考、あるいは少なくとも人間の思考の外観を生み出すのかについて、大きな謎があります。確かに、人工ニューラルネットワーク内でトークンと数字の流れをここからあそこへと苦労して追跡することはできますが、ANNの要素がどこでどのようにそのような印象的な結果を論理的に生み出しているのかについては、まだ暗黒時代にいます。
私のコラムの熱心な読者は、私がAIモデルの内部動作を解読し、謎を解明する能力を持つことを情熱的に提唱していることをよくご存知でしょう。私たちはAIを解読し、内部で何が起こっているのかを解釈する方法を見つけ出し、AIを透明で説明可能なものにしなければなりません。私たちの未来とAIの未来はこれにかかっています。
AI解釈可能性の最先端
AIの解釈可能性と説明可能性はまだ新興の研究分野です。
私はAIの解釈可能性を進展させる方法を深く分析してきました。例えば：
- IRTメソッドとサーストニアン効用モデルを使用したAIの解釈可能性については、こちらのリンクでの私の解説をご覧ください。
- 最初からAIに説明可能性を組み込むこと（XAI、説明可能なAIとして知られる）については、こちらのリンクでの私の描写をご覧ください。
- ANNの計算仲介者を通じた特徴の概念マッピングとモノセマンティシティの活用については、こちらのリンクでの私の探求をご覧ください。
- ペルソナベクトルとして表現される活性化空間における線形方向の識別については、こちらのリンクでの私の評価をご覧ください。
- その他の投稿。
ここでの枠を超えた考え方は、AIを解読することについて学んだことが人間の心を解読することに応用できるかもしれないということです。さらに、これは双方向に機能します。つまり、人間の心を解読することについて学んだことが、現代AIの内部メカニズムを明らかにすることに応用できるかもしれません。
これは特に、人間の脳が計算知能に根ざしているという前提を採用する場合に当てはまるでしょう。
もう一つ注目に値する点は、心理学の分野とAIの分野が歴史的に絡み合った協力的な絆を持っていることを多くの人が認識していないということです。心理学理論と心を探る方法は、AIの進歩を相乗的に助けることができます。同様に、AI理論と実践は、心理学と人間の心の性質の進歩を相乗的に促進することができます。
その二重性のトピックに興味がある場合は、以下の読み物を検討してください：
- AIと心理学が互いに促進し続ける方法、例えばAIの精神分析を行うメリットについては、こちらのリンクでの私の議論をご覧ください。
- 認知の統一理論を追求する心理学の最新の進歩と、これがAIの解釈と説明に関する洞察をどのように明らかにするかについては、こちらのリンクでの私の分析をご覧ください。
未来は私たちが決めるもの
人間の知性が実際に計算知能であると熱心に信じている方々には、この主張を証明する努力において最善を尽くされることを願っています。続けてください。あなたが言いたいことを私たちに知らせてください。
一方、人間の知性は計算知能ではないと強く信じている方々にも、同様に進んで自分の主張を知らせるよう促します。心は計算であるという側が間違っている点を特定してください。おそらく比喩は正しく、私たちは心を計算として考えることしかできないのかもしれません。つまり、心は決して実際に計算知能ではないのです。それは単なる比喩です。あなたの立場を守り、洞察を共有してください。
今のところ最後の考えはジョン・F・ケネディからのものです：「変化は人生の法則です。そして過去や現在だけを見る人々は、確実に未来を見逃すでしょう」。同じことは、人間の知性の性質と計算知能の性質を明らかにし理解することに関して、人類の未来についても正当に言えるでしょう。
未来を見据え、過去から学びますが、過去に囚われないでください。これらの差し迫った問題に対するオープンな心は、その重さに値する金に値します。
