プログラミングや数学では、AIは確かに驚異的な進歩を遂げている。しかし、それが直ちに経営判断や政治、科学研究の他分野まで広がるわけではないと、アンドリュー・ン氏は考えている。現実世界には、プログラミングや数学とは違って、正解が一つに定まらない問題が無数にあるからだ。 アンドリュー・ン「現代のAIは、IBMのWatsonや囲碁、チェスをプレイするAIよりも汎用性が高くなっています。しかし現時点では、人々が思っている以上に大きな隔たりが存在すると思います。それは、AIが「検証可能なタスク」を非常に得意になっているということです。 検証可能なタスクとは、明確な正解と不正解を判定できるタスクです。例えば、プログラミングはその一つです。コードを書けば、正しく動作するか、しないかを確認できます。数学の定理証明も同様です。定理を証明したら、その証明が正しいか間違っているかを検証できます。 しかし現実世界では、判断が必要でありながら、明確な正解を検証できない仕事が数多く存在します。例えば、私がソフトウェアを開発するとき、そもそも何を開発すべきでしょうか。そこに明確な正解や不正解はありません。ただし、非常に優れた選択もあれば、非常に悪い選択もあります。マーケティングでも同じです。どんなキャッチコピーを使うべきか、どの国の市場に参入すべきか。数学的に正しい答えは存在しませんが、はるかに優れた選択と、はるかに劣った選択があります。 そして技術的な理由から、AIは検証可能なタスクでは、はるかに速く進歩しています。一方、検証困難なタスクで進歩するのはずっと難しいのです。その技術的な理由は、強化学習という手法にあります。AIが自分の出力を検証できる仕組みを与えれば、長時間にわたって試行錯誤を繰り返し、問題を解決する方法を見つけられます。つまり、AIの進歩は、検証困難なタスクよりも検証可能なタスクにおいて、はるかに速いのです」