計算機が人間より速く掛け算をしても、私たちはそれだけで「考えている」とは感じません。ところが、同じ機械が冗談を返し、質問の意図をくみ取ったように振る舞うと、急に境界が曖昧になります。知能を認める条件は、計算の速さなのか、会話の自然さなのか。それとも外からは見えない心の存在なのでしょうか。
この問題を、電子計算機がまだ珍しかった1950年に正面から論じたのが、数学者アラン・チューリングです。重要なのは、未来の会話AIを予言したという一面だけではありません。彼はそれ以前に「計算とは何か」を数学的に捉え、そのうえで、機械の知能をどのように議論すれば確かめられる問いになるかを考えていました。
人間の計算手順を機械の動きに置き換える発想
1936年の論文でチューリングが扱ったのは、速い計算機の設計ではなく、計算できることの範囲でした。当時の「計算する人」を思い浮かべると、問題が身近になります。紙に数字を書き、決まった手順に従って桁を繰り上げ、次の位置へ移る。複雑な計算も、一つ一つは小さな操作の連続です。
チューリングは、その操作を極端に単純な装置として表しました。記号を書ける長いテープと、一定の位置の記号を読み書きする部分があり、内部の状態と記号に応じて次の動作が決まる。この抽象的な装置が、後にチューリング機械と呼ばれるものです。実際に巨大な紙テープの機械を建造することが、論文の目的ではありませんでした。
たとえば筆算の規則は、数字の意味を毎回考え直さなくても実行できます。「7と8を足したら5を書いて1を繰り上げる」という操作が、次の操作を準備するわけです。手順が正しく定められていれば、作業者は答えの全体像を先に知る必要がない。この分離が、計算を機械に任せるための強い足場になりました。
一つの装置で別の機械をまねる「万能機械」
さらに大きな発想は、ある機械の動作規則そのものを記号として記述し、別の機械に処理させることでした。足し算用、割り算用と装置を作り分ける代わりに、動作の記述を取り替える。一つの機械が、記述を与えられたさまざまな機械の計算を模倣できるのです。
ここでの「万能」は、どんな問題にも正しい答えを出せるという意味ではありません。一定の形式で実行できる計算を、共通の仕組みで実行できるという意味です。料理の手順を何種類でも扱える厨房でも、存在しない材料から料理は作れず、矛盾した指示に必ず答えられるわけでもないでしょう。用途の広さと問題解決の無制限さは別の話になります。
現代のパソコンで、文書作成と音楽再生と機械学習が同じ装置上で動くことは、この考え方と深く関係しています。ただし、今日のコンピュータが一人の論文だけから完成したわけではありません。論理、回路、記憶装置、プログラムの実装には、多くの研究者と技術者による別々の貢献がありました。
計算の限界と、実用上の難しさの違い
計算を厳密に定義すると、計算できない問題の存在も明らかになります。チューリングの仕事は、論理式の証明可能性を一般的な手順で判定できるかという決定問題にも結び付きました。何でも解ける機械を約束するどころか、手順にできることには数学的な境界があると示す研究でもあったのです。
この限界と、計算量が多すぎて解けないことは同じではありません。千個の数字を足す作業は、面倒でも手順が明確です。一方、候補が増え続ける組合せ問題では、答えを求める手順はあっても、現実的な時間では終わらない場合がある。「原理的に解ける」と「役に立つ時間で解ける」の間には、大きな隔たりがあります。
AI研究が後に取り組む探索や学習は、この隔たりに関わります。すべての可能性を調べる代わりに、有望そうな候補を優先する。規則を一から書く代わりに、例から近似的な判断を得る。知能の研究は、計算の理論を捨てて始まったのではなく、限られた時間と情報で何ができるかを掘り下げる方向へ進みました。
1950年の模倣ゲームが変えた、知能の問い方
1950年の論文「Computing Machinery and Intelligence」でチューリングは、機械が思考できるかという問いを、そのまま言葉の定義で争うことを避けました。代わりに持ち出したのが、文字によるやり取りを使う模倣ゲームです。姿や声ではなく、返答にどのような能力が表れるかを問題にしました。
原論文は、人間の男女を区別するゲームから議論を始め、そこに機械を入れる場合を検討しています。現在よく知られる「人間か機械かを会話で見分ける試験」という説明は、その議論を整理したもの。原論文の設定と、後年のコンテストで使われた規則を、完全に同じものと考える必要はありません。
大切なのは、知能を機械の外見から切り離した点です。人間の顔や身体がないという理由で不合格にせず、返答の中身で評価する。逆に、人間そっくりの顔があるからといって、数学の問題を解ける証拠にはならない。この区別は、表情豊かなロボットにも、文字だけの対話AIにも当てはまります。
一つの問いへの答えだけで、ほかの問いまで決まるわけではありません。
会話の成功だけでは決まらない、理解と意識
ただし、相手を人間だと思わせる能力と、信頼できる説明をする能力は一致しません。知らない問題を冗談ではぐらかす機械は、会話としては自然に見えることがあるでしょう。反対に、間違いを避けるため短く事務的に答える機械は、機械らしいというだけで見破られるかもしれません。
たとえば、ある橋が安全かを尋ねる場面では、親しみやすい受け答えより、正しい条件と根拠が重要です。詩を楽しむ場面なら、唯一の正解より表現の面白さが価値になる。同じ会話能力でも、何のために使うかによって評価軸が変わるのです。模倣ゲームは刺激的な提案ですが、あらゆる用途の性能試験を一つで代用するものではありません。
さらに、外から観察できる振る舞いと、主観的な経験の有無は区別が必要になります。文章で「悲しい」と答えたことは、悲しさを表す文章を作れた証拠にはなっても、その機械が悲しみを経験した証拠と直ちに同じではない。この点は、チューリング以後も哲学や認知科学で続く問いです。
完成した大人ではなく、学ぶ機械という構想
1950年の論文には、機械に最初から完成した成人の知性を与えるのではなく、子どもに相当する状態から教育するという構想もあります。必要な知識をすべて書き込むことと、経験によって能力を獲得する仕組みを用意すること。その違いを、AIという分野名が定着する前から考えていたわけです。
もちろん、この着想を現在の大規模言語モデルの設計図と呼ぶのは行きすぎでしょう。現代のモデルでは、膨大なデータ、数値最適化、並列計算など、後の研究成果が組み合わされています。子どもの発達と同じ過程を再現しているわけでもありません。歴史的な価値は、現在の技術をすべて先取りしたことではなく、規則の記述だけに研究を閉じなかった点にあります。
教わった問題の答えを記憶するだけなら、知らない問題への対応は難しいままです。経験の中から、別の場面でも使える関係を獲得できるか。これが、後の機械学習で「汎化」と呼ばれる課題につながります。学んだ量と、学びを使える範囲を分ける必要は、出発点の時代からすでにあったのです。
チューリングから受け継がれた三つの区別
チューリングの仕事を現在のAIにつなげると、三つの区別が残ります。まず、実行する機械と、実行させる手順。次に、計算できることと、現実的な時間で計算できること。そして、外から確かめられる能力と、心の存在についての主張です。
この三つを分けると、「コンピュータは命令に従うだけだから、新しいことはできない」という説明も単純すぎると分かります。命令された探索や学習の結果が、設計者に予想できるとは限りません。同時に、予想外の答えが出たというだけで、意識の誕生を結論することもできないのです。
AI研究の始まりにあったのは、機械を人間だと思い込むための工夫ではありませんでした。曖昧な「知能」を、計算、学習、観察できる課題へ少しずつ移す作業です。その作業が研究分野の名前を得るのは、1956年のダートマスでの研究会へとつながる時期になります。