Brian Baileyは、直感と創造性の関係、そしてAIが革新する能力について論じ、モデルが実際に新しいアイデアを生み出しているのか、それとも過去から抽出したパターンを再構成しているだけなのかを問いかける。筆者は心理学的見解とチップ設計における個人的経験に基づき、創造性を定義し測定することの難しさを浮き彫りにする。
Brian Baileyは、AIに創造性があるかという問いへの答えは、研究者たちがまず創造性そのものの意味について合意しない限り、宙に浮いたままだと考えている。この議論の中心に置かれるのが直感という概念である。直感とは、知識への無意識のアクセスなのか、パターンの素早い認識なのか、それとも意識に完全には現れない、経験の事前分析にすぎないのだろうか。
認知と分析の間にある直感
Baileyは、直感の解釈をめぐる心理学者たちの古くからの相違を指摘する。彼の説明によれば、Sigmund Freudは、知識は既知の観察を精神的に処理することによってのみ得られると考えた。一方、Carl Jungは直感を無意識を介した認知と結び付けた。Kleinは、直感は時間的プレッシャーの下で行われるパターン照合のプロセスであり、その後に、そのアイデアが実行可能かどうかを検証する意識的な分析が続く可能性があると提案した。
これらの異なる定義は、人間とAIの比較をいっそう複雑にする。直感が過去のパターンを素早く認識することなら、モデルもこの能力の一側面を持っている可能性がある。しかし、それが利用可能な知識や追跡可能な前例に依存しない飛躍を必要とするなら、現在のシステムがそれを実現していると証明する基準は、この記事には存在しない。
過去はイノベーションを解放するのか、制約するのか？
筆者は、歴史的データの信頼性に関する別の問題も提起する。筆者の見解では、過去は偏っており不完全である。また、その記述は、権力や資金、あるいは何が記録に残るかを決める能力を持つ者によって左右される可能性がある。さらに、AIが一次資料から派生した合成情報を生成した後、その情報の出典や、そこから生じた複製を特定する能力を失う可能性にも警告を発している。これは、要求されたときに知識を実際に削除できるのかという疑問を提起する。
しかし、既存の知識が常に障害になるわけではない。それはエンジニアが物理法則に反する、あるいは過去に失敗した解決策を排除する助けになる一方、前提や資源が変化すると、経験そのものが制約に変わる可能性がある。Baileyは、30年前に行われた実験は今日では異なる結果をもたらす可能性があり、例えばプロセッサとメモリの関係を再考すれば、技術的な遺産による制約を取り除いた場合に、異なる設計へとつながる可能性があると指摘する。
筆者の例は何を明らかにするのか？
Baileyは、他者が直感あるいは創造性と呼ぶものを説明するため、3つの個人的な経験を紹介する。最初の例では、reconvergent fanoutを含むタイミング問題についての議論中に、数式を記号のまま保持し、必要なときに解くことを提案した。当時、彼は記号解法のツールに精通していなかった。このアイデアの実装には18か月を要した。
また、後になってそれを再現したり詳細を思い出したりできないまま、有用なアイデアを提示した場面についても述べている。さらに、マイクロプロセッサ設計に関する大学の授業で、商用部品のデータシートを読んだ結果、実質的に授業の範囲外に出ていたことを教授が発見した経験も挙げている。
筆者は、これらの例を、人間が機械には模倣できない能力を持つ証拠として提示しているわけではない。むしろ、自分のアイデアが本来の創造性なのか、経験と偶然と無意識の処理の組み合わせなのかは分からないと認めている。また、AIも同じことを、場合によってはそれ以上に、実行できた可能性があると述べている。違いがあるとすれば、結果に到達する速さとエネルギー消費における潜在的な差だという。
なぜこの議論が重要なのか？
この記事の実践的な価値は、AIが創造的であるかないかを証明することではなく、その判断には、検証可能な創造性と直感の定義が必要だと示すことにある。この記事によれば、問いは依然として開かれている。イノベーションとは、システムが学習したものの高度な外挿なのか、それともデータと経験が課す制約を乗り越える能力なのか。また、Baileyの例は、経験が問題解決を助ける一方で、新たな代替案を見ることを妨げる可能性もあることを思い出させる。このトレードオフは、人間のエンジニアにも、蓄積された技術史を学習したシステムにも当てはまる。