With Spatial Intelligence, AI Will Understand the Real World | Fei-Fei Li | TED
このYouTube動画は、AI研究の第一人者であるフェイフェイ・リ氏によるTEDトークです。AIの進化、特に「視覚」から「空間知能」への発展について、生物の進化の歴史と対比させながら解説しています。
この動画のポイントは以下の3点です。
ポイント1：視覚の誕生がもたらした進化の爆発
リ氏は、約5億4千万年前の地球は光に満ちていたものの、それを見る「目」を持つ生物が存在しなかったため、「終わりのない暗闇」の世界だったと語ります。しかし、「カンブリア爆発」と呼ばれる時代に、三葉虫のような生物が初めて光を感知する能力、つまり「視覚」を獲得しました。この視覚の誕生が、生命の進化における一大転換点となります。単に光をインプットするだけでなく、自分以外の存在や周囲の環境を「認識」し、「理解」する能力が生まれたのです。リ氏は、この「見ること（seeing）」が「洞察（insight）」につながり、その理解が行動を促し、知能の発達の原動力になったと説明します。視覚は、捕食者と被食者の関係を生み、生存競争を激化させ、生物の多様性を爆発的に増大させました。このように、視覚の獲得は、単なる感覚器官の進化に留まらず、知能と行動の複雑な連鎖を生み出すきっかけとなったのです。
ポイント2：現代AI革命を支えるコンピュータビジョン
リ氏は、生物の進化における視覚の重要性を、現代のAI革命になぞらえて説明します。今日のAI、特にコンピュータビジョンの飛躍的な進歩は、3つの重要な要素が converged（収束）したことによってもたらされました。第一に、人間の脳神経を模した「ニューラルネットワーク」というアルゴリズムの進化。第二に、その膨大な計算を高速に処理する「GPU」という専用ハードウェアの登場。そして第三に、AIの学習に不可欠な「ビッグデータ」の存在です。リ氏の研究室が開発した「ImageNet」は、1500万枚ものラベル付き画像からなる巨大なデータセットであり、これがAIの画像認識能力を劇的に向上させる起爆剤となりました。当初は画像に「猫」や「犬」といったラベルを付ける程度でしたが、技術は急速に進歩し、現在では画像内の物体を個別に認識したり、文章から写実的な画像や動画を生成したりすることさえ可能になっています。
ポイント3：AIの未来を拓く「空間知能」
リ氏は、AIの次なるフロンティアは「空間知能（Spatial Intelligence）」であると強調します。これは、単に世界を「見て理解する」だけでなく、3次元空間の中で物理的に「行動し、学習する」能力を指します。生物が環境と相互作用しながら学習するように、AIにも物理的な身体（ロボットなど）を与え、行動を通じて世界を学ばせるのです。この「見て、学び、行動する」という好循環こそが、真の知能への道だとリ氏は語ります。具体的な応用例として、ヘルスケア分野が挙げられます。病院内に設置されたセンサーが、医療スタッフの手洗いや患者の転倒リスクを検知したり、脳波でロボットアームを操作して麻痺を持つ患者の食事を助けたりする研究が進んでいます。このような空間知能を持つAIは、単なるツールに留まらず、人間の能力を拡張し、尊厳を守りながら生活を豊かにするパートナーとなり得ると、リ氏はその可能性を力強く語りました。
