現代の大規模言語モデル（LLM）をはじめとするAIは、圧倒的なデータ量と計算力によって、人間を超えるような成果を次々と生み出している。AI開発の現場では、あらゆる問題は「世界中の情報を集め、確率モデルにかけ、最適な答えを計算する」ことで解決できると考えられがちである。しかし、スタンフォード大学ビジネス大学院のダグラス・ギルボルト助教授らの研究は、人間の知性がこれとは全く異なる、きわめて不思議で効率的な方法で学んでいることを明らかにした。
膨大なデータに頼るAI、わずかな言葉で学ぶ人間
AIが賢くなるためには、データセンターを巨大化させ、天文学的な量のテキストや画像を読み込ませる必要がある。一方で、人間の子供はどうだろうか。辞書や教科書を丸暗記しなくても、周囲の大人が話す日常の断片的な言葉を聴くだけで、いつの間にか複雑な文法を身につけ、意味のある文章を話し始める。
これまで一部の研究者は、人間もAIと同じように「最適化（可能な限り多くの情報を集めて最も確率の高い行動を予測すること）」によって社会のルールを学んでいると考えていた。しかし、ギルボルト氏らの実験ゲームにより、人間は限られた情報しかないカオスな環境のなかでも、驚くほど巧みに他者と足並みをそろえ、ルールを学習できることが示された。
「完璧」ではなく「十分」で満足する能力
人間が持つこの素晴らしい学習プロセスの鍵を握るのが、「満足化（satisficing）」という概念である。人間は、すべての選択肢を調べ尽くしてパーフェクトな正解を導き出そうとはしない。行動を起こすのに「必要十分」なだけの、最小限の情報を集めた時点で、満足して予測や決定を下す。
例えば、新しい街でレストランを探すとき、街中にあるすべての店のメニューと口コミを網羅して計算する人はいない。数軒を見て「ここなら十分に美味しそうだ」と感じた段階で決定する。自然界のノイズや不確実性に満ちた環境のなかで、人間はすべての情報を処理しようとすれば脳がパンクしてしまう。だからこそ、限られた情報から「まあ、これで十分だろう」という基準を見つけ出し、素早く適応する知恵を身につけた。
機械との違いが教えてくれること
AIは膨大なエネルギーとリソースを消費し、計算を繰り返すことでしか答えにたどり着けない。それに対して人間は、驚くほど少ない手がかりから、多くの意味や社会的な共通認識（コンベンション）を生み出すことができる。いわば、極めて省エネでありながら、応用力の高い「レゴブロック」のような認知の仕組みを持っている。
この研究は、AIが決して真似できない人間の「輝き」の正体を教えてくれる。私たちは完璧なデータがなくても、お互いの意図を推し量り、限られた条件の中で最大の成果を出すことができる。AIの能力がどれほど高まろうとも、少ない情報から豊かな意味を紡ぎ出し、他者と優しくつながり合う人間の学習プロセスは、私たちが誇るべき、かけがえのない神秘なのである。
＜関連サイト＞
The Mysterious Process of Human Learning That Machines Can’t Copy
（翻訳・文・作画にAIを使用）