『AIが人類を置き換える可能性』

『AIによる人類の置き換えの可能性』

私たちは確率の世界に生きています。AIとその影響について何年も前に話を始めた時、最も一般的な質問は「AIは私たちの後を追ってくるのか？」でした。

そして、質問は同じですが、私の答えは確率に関して変わりました。特定の分野で人間の判断を置き換える可能性がより高まったためです。

複雑な技術について議論する際、答えは一筋縄ではいきません。知的であるということの意味、仕事の置き換えを提案しているかどうか、人工知能のタイムラインや能力と制限を予測するかどうかなど、いくつかの要素に依存します。

 

• 「13/11から19/11までの週のトップ重要なLLM論文」
• 簡単なアプリの統合に最適な安定した拡散APIのトップ5
• 「NVIDIAスタジオ」で美しく写実的なフードレンダリングを作り出す3Dアーティストが今週登場しました

知能の定義

 

まず、知能の定義を理解しましょう:

スタンフォードは知能を「不確実で絶えず変化する世界の文脈に適した問題を解決し、目標を達成するために適切な技術を学び、実行する能力」と定義しています。

ガートナーは、分析・解釈・イベントのサポート・自動化された意思決定・行動の能力として説明しています。

AIはパターンを学ぶのに長けていますが、単なるパターン認識は知能とはみなされません。それは多様な人間の知能の一つの側面です。

  

専門家たちは「AIはそこには到達しないでしょう。なぜなら機械には過去、現在、未来についての感覚（単なる知識ではなく）や歴史、怪我、郷愁がないからです。それがなければ感情がなくなり、二価論の一部が剥奪されます。したがって、機械は一元論の罠にはまってしまいます。だからこそ、「知能」という部分は消えていくのです」と信じています。

 

テストをクリアする＝知能？

 

一部の人々は、AIが名門大学のテストや最近のチューリングテストをクリアすることを、その知能の証とすることがあります。

チューリングテストは、有名なコンピュータサイエンティストであるアラン・チューリングによって設計された実験です。このテストによれば、機械と人間の応答を評価者が区別できない場合、機械は人間のような知能を持っていると言えます。

一総合的なテストの概要は、生成型AIモデルが広範なトレーニングデータから学んだ統計的パターンや関連付けに基づいて自然言語を生成できるものの、人間のような意識は持っていないと強調しています。

さらに、GLUE（General Language Understanding Evaluation）やSQuAD（Stanford Question Answering Dataset）といった高度なテストも、チューリングと同じ基本的な前提を共有しています。

 

置き換えるとはどういうことか？

 

仕事の喪失

 

AIによって私たちの仕事が不要になるのではないかという恐れから始めましょう。明確な「はいまたはいいえ」の答えはありませんが、ジェンAIが自動化の機会に幅広いネットを投げかけていることは間近に迫っています。

マッキンゼーによると、「2030年までに、現在のアメリカ経済全体で働いている時間の30パーセントに相当する活動が自動化される可能性があり、それは生成型AIによって加速される傾向があります。

オフィス支援、会計、銀行業、販売、顧客サポートなどの職種が自動化対象の第一波です。コードの記述やテストのワークフローにおいて生成型AIがソフトウェア開発者を補完する結果、初級開発者の職務にも既に影響を与えています。

その結果は、マーケティングコピー作成やプロモーションコンテンツ作成など、専門家がより良い成果を出すための良いスタート地点とされることもあります。

一部の話では、近い将来から短期間にかけてのヘルスケアや科学技術などの新しい職種が可能性として挙げられており、AI倫理学者、AIガバナンス、監査、AIの安全性など、AIを実現するためのさまざまな役職もあります。しかし、これらの新しい仕事は置き換えられる数には及ばないため、最終的な影響を見るために新たに創出される正味の新たな仕事を考慮する必要があります。

 

AGI（人工一般知能）

 

次に、AGIの可能性があります。これは、知識の定義のように、明確な意味を持つものです。一般的に、AGIは、機械が自己意識と世界の認識を獲得する段階を指し、それは人間に似ています。

ただし、AGIはこの記事の範囲外であり、独自の記事に値するトピックです。

今のところ、DeepMindのCEOの日記から早期の兆候を理解するヒントを得ることができます。

 

人間を置き換えることはできるのか？

 

優れたアシスタント

 

大局を見ると、この機械は人間がパターンを識別し、効率を生み出すために十分に知的です。

次の例を通じてその根拠を示しましょう。サプライチェーンプランナーは複数の注文詳細を見て、欠損のリスクがある注文を確保するために作業します。各プランナーは異なるアプローチで欠損の管理に取り組んでいます：

• 在庫が利用可能な量
• その期間に他の顧客からの予想需要
• 他のどの顧客や注文を優先するか？
• 他のファクトリーマネージャーとの作戦会議に参加してアイテムの利用可能性を促進する
• 特定の流通センターのルートパスを最適化することに取り組む

個々のプランナーはその状況に対する見解やアプローチに制約があるかもしれませんが、機械は多くのプランナーのアクションを理解することによって最適なアプローチを学び、パターンを発見する能力を通じて簡単なシナリオを自動化することができます。

これは、機械が人間の制約された能力では同時に複数の属性や要素を管理することができないという点で優位性を持っています。

 

機械的な

 

ただし、機械は機械的な存在です。素晴らしいリーダーのように協力し、連携し、同情的な関係を築くことはできません。

私は頻繁にチームとの軽いディスカッションに参加するのは、しなければならないからではなく、私は自分がチームとつながっており、彼らも私を良く知っている環境で働くことを好むからです。最初からただ仕事について話すだけでは、あまりにも機械的であり、重要であるかのように振る舞うことはできません。

 

共感の欠如

 

別の例として、機械が患者の記録を分析し、医学的な診断に従って深刻な健康問題を開示する場合を考えてみましょう。これを思いやりを持って対処する医師の対応と比較すると、医師は感情を持ち、危機にある状況を理解することができるためです。

成功した医療関係者のほとんどは、「職責の範囲を超えて」患者との関係を築き、困難な時期を支援するために努力しますが、機械はこういったことには向いていません。

 

道徳的な羅針盤がない

 

機械は、基になる現象を捉え、それを最も正確に推定するモデルを作成するためのデータで訓練されます。

この推定の過程で、特定の条件の微妙なニュアンスが失われます。機械は、各ケースを見る際に判例を見るような判断基準を持っていません。

 

締めの言葉

 

まとめると、機械はデータからパターンを学ぶかもしれませんが（データとそのバイアスも含まれます）、人間の知性、意欲、または変革を実現するための動機を持ちはしません。彼らは目標に集中し、複雑な人間の知能を基に構築されています。

このフレーズは私の考えをよく表しています – AIは人間の脳を置き換えることができますが、人間の存在を置き換えることはできません。

[Vidhi Chugh](https://vidhi-chugh.medium.com/)は、AIの戦略家であり、デジタルトランスフォーメーションのリーダーであり、製品、科学、エンジニアリングの交差点でスケーラブルな機械学習システムを構築しています。彼女は受賞歴のあるイノベーションリーダーであり、著者でもあり、国際的に講演を行っています。彼女は機械学習を民主化し、誰もがこの変革の一部になるために専門用語を解明することをミッションとしています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!