Can AI Match the Human Brain? | Surya Ganguli | TED
このTEDトークでは、神経科学者であり物理学者でもあるSurya Ganguli氏が、人工知能（AI）と生物の脳を比較し、両者を統一的に理解する新しい学問分野「知能の科学」の必要性を説いています。AIが今後さらに進化するために克服すべき課題として、特に重要な3つのポイントを以下に要約します。
1. AIの圧倒的な「燃費の悪さ」：データ効率の課題
現在のAIは、人間と比較して学習に膨大な量のデータを必要とします。例えば、最先端の言語モデルは1兆語以上のテキストデータで訓練されますが、人間が一生のうちに触れる単語の総数は約1億語に過ぎません。実に1万倍もの差があり、これはAIの学習効率がいかに低いかを示しています。講演者は、データ量を増やし続けることで性能を向上させる現在の「スケーリング則」には限界があり、持続可能ではないと指摘します。この課題を解決するため、彼は「機械学習（Machine Learning）」から「機械教育（Machine Teaching）」への発想の転換を提唱します。これは、無秩序に大量のデータを与えるのではなく、学習効果が最大になるように、本質的で冗長性のない情報を厳選してAIに与えるというアプローチです。彼の研究チームは、物理学の理論を応用し、このような質の高いデータセットを構築するアルゴリズムを開発。これにより、従来の緩やかな性能向上曲線を、より急峻な指数関数的なものへと改善できる可能性を示しました。これは、AIが人間の持つ驚異的な学習効率に近づくための重要な一歩と言えます。
2. 省エネな脳と電力食いなAI：エネルギー効率の壁
AIと人間の脳との間には、エネルギー効率においても天文学的な差が存在します。人間の脳は、古い電球1個分よりも少ないわずか20ワットの電力で、複雑な思考や知覚活動を行っています。一方、大規模なAIモデルの学習には1000万ワット、将来的には原子力発電所1基分に相当する10億ワットもの電力が必要になると言われています。この根本的な違いは、計算の原理にあります。現在のコンピュータは、高速で信頼性の高いデジタルなビット反転に依存しており、その処理の一つ一つが熱力学の法則に従って大きなエネルギーを消費します。対照的に、生物の脳（ニューロン）は、イオンの動きといった物理現象そのものを利用して計算を行います。つまり、物理法則に逆らわず、計算に必要な最小限のエネルギーで動作するよう最適化されているのです。講演者は、この脳の仕組みに学び、AIのハードウェアとアルゴリズムを根本から見直すことの重要性を強調します。物理学の原理と計算プロセスをより密接に融合させることで、将来のAIをより持続可能でエネルギー効率の高いものにできると彼は考えています。
3. AIと脳科学の融合：心を読む、そして書き込む未来
AI技術の発展は、長年の謎であった脳の仕組みを解明するための、かつてない強力なツールとなります。講演者は、AIを用いて脳の「デジタルツイン」を構築する最先端の研究を紹介します。彼の研究チームは、マウスの網膜の非常に精巧なAIモデルを作り上げ、過去20年間分の神経科学実験の結果を再現することに成功しました。これは、複雑な生命現象の解明をAIが劇的に加速させる可能性を示しています。さらに、このアプローチは、AIで脳を理解するだけでなく、そこで得られた知見を元に、より優れたAIを設計するという相乗効果を生み出します。究極的には、脳と機械を直接融合させる道も開かれます。実際に、マウスの脳活動をAIでリアルタイムに解読して「心を読む（見ている映像を再構成する）」だけでなく、レーザー光で特定の神経細胞群を刺激し、特定の知覚を「心に書き込む」ことにも成功しています。このように脳と機械が双方向で情報をやり取りする技術は、脳疾患の治療や人間の能力拡張といった未来に繋がり、「知能の科学」が目指す大きな目標の一つとなっています。
