私たちが自分自身を過小評価し、記憶や知識の分析などの機械的なルーチンに心を閉じ込めているのではないかと懸念していました。

したがって、本当の問題は、AIが人間のような心を開発するかどうかではなく、私たち自身が機械のような心に陥っているかどうかです。

AIは参入障壁を劇的に下げ、かつてはエリート層しか必要としなかったスキルを広く利用できるようにします。囲碁、音楽、執筆、デザインなど、どんな分野でも、私たちは今や、プロセスを経たり時間を投資したりすることなく成果を上げることができるようになりました。より便利で、より速く、より生産的です。これは単なる人間の進化であり、これらの機械は人間の能力の自然な延長であり、進歩の歴史における新たな一章に過ぎないと主張する人もいます。

しかし、自問自答してみるといいかもしれません。AIを使えば世界最強の囲碁棋士をあっさり倒せるようになるとしたら、まるでgenAIツールを使えば1日で1000冊もの小説を生成できるようになり、そのうちの1冊が文学賞を受賞するかもしれないのと同じです。こうした成果は一体何を意味するのでしょうか？さらに重要なのは、それは私たち自身について何を教えてくれるのでしょうか？

AIは統計的に最適な手を提案することはできるものの、その理由を説明することはできない。そのため、伝統的な囲碁の特徴であった意図への深い考察を欠いた、暗記型の学習に陥ってしまうのだ。

AIが推奨する手を機械的に記憶することで、囲碁プレイヤーは比較的短期間で高いスキルレベルに到達できるようになったのだ。

興味深いことに、プロのランキングは現在、プレイヤーがAIの指し手の予測をどれだけ正確に一致させることができるかと強く相関しています。

AIに似ているほど、勝つ可能性が高くなります。

彼がAlphaGoに対する唯一の勝利であり、プロ囲碁界で人類がAIに勝利した最後の試合となった、かの有名な第4局を振り返っていた時だった。（リーの対局の直後、当時世界ランキング1位だった柯潔がAlphaGoと対戦し、完敗した。AlphaGoはこの対局後に引退したが、その後数年にわたり、アマチュア棋士が他のAIシステムに時折勝利を収めている。）

逆説的に、この快挙は内面的な葛藤の源となった。AlphaGoのプログラムの潜在的なバグを意図的に利用して達成したこの勝利は、リーの囲碁に対する芸術的哲学と矛盾していたからだ。

彼が価値を置いていた二つの知性の美しい相互作用から乖離した、勝利だけに焦点を当てた対局は、最終的にAIが支配する時代のプロ囲碁の方向性に対する彼の幻滅を募らせることになった。

李世ドルは、アルファ碁で有名な対局から3年後の2019年、36歳で早期引退を発表しました。

囲碁の最も深い美しさは、二人のプレイヤーによる協働的な対話から生まれると李氏は考えています。さらに李氏は、囲碁の歴史に残る真の「傑作」を創りたいという、叶わぬ夢について感動的に語りました。

それは、個人の才能だけでなく、二人のプレイヤーが完全な集中力と、何よりも互いへの敬意を持って臨むことで生まれる稀有な錬金術を通して実現されるものです。

李氏の哲学によれば、囲碁は二人による芸術的創造のユニークな形態であり、意図の交換と、ゲームを通して育まれる繊細な調和から意味が生まれるのです。

李氏は、囲碁には他の深遠な芸術形式と同様に絶対的な答えはなく、勝ち負けは常に二義的な問題であると主張しました。

2016年のAlphaGo対李世ドル囲碁戦は、人工知能の歴史における画期的な出来事として記憶されています。14回の世界チャンピオンに輝き、史上最高の囲碁棋士の一人と称される李世ドルの敗北は、かつて人間特有の直感と創造性が求められると考えられていたゲームを、AIが初めて制覇した瞬間でした。

1997年にディープ・ブルーが「総当たり」計算で制覇したチェスとは異なり、囲碁の可能性空間の広さと、パターン認識と局面判断への依存度の高さから、多くの専門家は、コンピュータが人間を超えるには何十年もかかると予測していました。

しかし、ディープラーニング技術と強化学習によって達成されたAlphaGoの勝利は、これまで人間のみに可能だと思われていた領域でもAIが活躍できることを証明しました。世界中で2億人以上の視聴者が視聴したこの劇的な5局は、人工知能が根本的な限界を超えたことを多くの人々に認識させました。

「ふーん、この関数は本当に人間が書いたの？」

その疑問が最近よく頭に浮かぶようになりました。私だけではありません。

ChatGPT、GitHub CopilotなどのAIツールが毎日大量のコードを作成しているため、このことに多くの人が気づき始めています。

それで…どうやって違いを見分けることができるのでしょうか?

オープンエンド性とは、明確な目標や目的に導かれることなく、AIシステムが未知の問題空間を自律的に探索し、新しいアイデアや解決策を継続的に生み出す能力を指します。

AIの最も称賛された業績の1つ（2016年のイ・セドルに対するAlphaGoの見事な勝利）は、開発者さえも驚かせた有名な「37手目」のような動きを生み出した際に、すでにオープンエンド性の側面を示していました。

AlphaGoはオープンエンドシステムとして明示的に設計されたわけではありませんが、人間がこれまで思いつかなかった戦略を発見する能力があり、AIが人間の事前知識を超えて挑戦すると何が可能になるかを早くから垣間見せてくれました。

ソーシャルメディアで話題の、AIが生成したトムとジェリーの動画をご覧になったことがあるでしょうか？正直、かなりすごいです。

最先端のビデオ ジェネレーターはすべて、長いビデオを生成するのに苦労することが多いことを理解してください。

そして、現在私たちが知っている限りでは、ビデオ生成の最大の長さは

・Sora (OpenAI) による 20 秒。
・MovieGen (Meta) による 16 秒。
・Ray2 (Luma)で10秒。
・Veo 2 (Google)では8秒。

異なる角度や背景が異なるシーンを生成すると、状況はさらに悪化します。

しかし、状況は変わりました。

事前学習済みモデルに「魔法の」レイヤーをいくつか直接追加するだけで、たった一つのプロンプトで、複数のシーンとストーリー性に富んだ1分間の動画を生成できるようになりました。

これは、特に以前の「最高のビデオ ジェネレーター」では単一シーンの短いクリップしか生成できなかったことを考えると、非常に重要なことです。