米グーグルの研究部門であるGoogle DeepMindが開発した囲碁AI(人工知能)「AlphaGo」と、韓国のプロ棋士イ・セドル氏が2016年3月9日~15日に韓国で実施した五番勝負は、イ・セドル氏が第四局で一矢を報いたものの、4勝1敗でAlphaGoの圧勝に終わった。この五番勝負は、第三次AIブームを牽引するディープラーニング(多層のニューラルネットによる機械学習)のデモンストレーションという枠を超え、その強みと弱点、ビジネス応用の方向性を浮き彫りにした。

 今回の五番勝負が改めて示したディープラーニングの強みは、このAI技術が用途によらず、極めて汎用的に使えるという点だ。

 AlphaGoのソフトウエアには、囲碁のルールすら組み込まれていない。過去の棋譜をニューラルネットに入力する「教師あり学習」と、勝利を報酬に囲碁AI同士を対局させて鍛える「強化学習(教師なし学習)」だけで、世界最強と称されるプロ棋士を破るまでに成長させた(ITpro参照記事:なぜ囲碁AIは10年早くプロ棋士に勝てたのか)。

 AlphaGoは2015年10月の時点で、3000万局もの自己対局をこなしたという。地球上にプロ棋士が1000人いるとして、毎日対局したとしても1年当たり約20万局分。少なくとも、未知の定石や打ち筋といったイノベーションを生むスピードで言えば、コンピュータは囲碁の領域で「シンギュラリティ(技術的特異点)」に達した、と言わざるを得ない。今後は、コンピュータとプロ棋士の組み合わせが生み出すイノベーションへと焦点が移るだろう。

 プレイヤーが全情報を把握できる「完全情報ゲーム」でなくとも、ディープラーニングは適切な入力データと教師データ、報酬データを用意できれば威力を発揮できる。これまで人間が担っていた「認識」「検知」に関わる領域―例えば画像認識、音声認識、顔認証から、防犯カメラに映った人間の振るまい解析、サイバー攻撃の予兆検知、医療用画像の解析などで、人間を超える精度を実現しつつある。

ディープラーニングの「弱み」とは

 今回の五番勝負は、ディープラーニングの強みに加えて、ディープラーニングを実社会に応用する上での二つの弱点を露呈させた。