AIは赤ちゃんより賢くない？乳児の脳がAIの新たなブレークスルーをもたらす

人工知能の分野において、長らく見過ごされてきた事実がある。現在のAIシステムは詩を書き、絵を描き、プログラムを組むことができるにもかかわらず、世界の基本的な法則を理解する能力においては、一人の赤ちゃんにさえ及ばないという点だ。赤ちゃんは数ヶ月で物体の永続性、重力の作用、因果関係を理解するのに対し、最も強力な言語モデルを学習させるには数千兆規模のテキストデータを消費しながらも、初歩的な常識エラーを回避できないでいる。この鮮明な対比が、ますます多くの研究者を原点へと立ち返らせている——乳児の認知の中にAI突破の鍵を探し求めて。

赤ちゃん：生まれながらの学習機械

赤ちゃんの脳は白紙ではない。発達心理学の研究によれば、新生児はすでにいくつかの先天的な選好を持っている。人の顔への関心、音のリズムへの敏感さ、そして物理世界の因果関係への直感がそれだ。たとえば、生後4ヶ月の赤ちゃんはおもちゃの車が隠れた後に再び現れるのを見ると驚きを示す——「物体は突然消えない」というルールをすでに内面化しているからだ。明示的な教育を要せず、わずかな観察だけで抽象的な法則を抽出できるこの能力こそ、現在のAIに最も欠けているものだ。

「赤ちゃんは世界最強の学習システムだ。最小限のエネルギーと最少のサンプルで、最も複雑な推論を成し遂げる。」——マサチューセッツ工科大学認知科学教授 Josh Tenenbaum

Tenenbaumの研究室は、乳児の認知原理を計算モデルへと変換することに長年取り組んできた。彼らの研究によれば、赤ちゃんが見る世界は生のピクセルの流れではなく、因果関係を持つ「出来事」と「物体」に分割されて認識されている。このような構造化された表現方式によって、赤ちゃんは未来を効率的に予測できる。対照的に、深層学習モデルは通常ピクセルレベルでパターンマッチングを行うのみで、高レベルの意味構造を欠くため、「何千万枚もの椅子の画像を見てきたのに、少し変わった角度になると認識できない」という困った状況が生じてしまう。

認知プロトタイプからニューラルネットワークアーキテクチャへ

近年、乳児の発達法則をAI設計に取り入れる研究が始まっている。たとえば、強化学習における「好奇心メカニズム」は赤ちゃんが新しいものを探索する本能を模倣したものであり、生成モデルにおける「因果推論モジュール」は赤ちゃんが持つ因果関係への自然な感受性を再現しようとするものだ。2025年、DeepMindはある実験を発表した。仮想エージェントをシミュレーション環境の中で赤ちゃんのように移動・把握・観察を通じて学習させたところ、最終的にそのエージェントの物理推論テストにおける性能が、従来の教師あり学習で訓練されたモデルを上回ったというものだ。

もう一つのアプローチは神経科学の領域から生まれた。乳児の脳における「シナプス刈り込み」現象——出生後に大量のシナプスが選択的に削除されることで効率が最適化される——が、新しいニューラルネットワーク枝刈りアルゴリズムの着想源となった。このアルゴリズムは視覚タスクにおいて相当程度の精度向上を達成しつつ、計算コストを40%削減した。研究者たちは、乳児の脳の学習効率の一因がこの「まず乱雑に、後に精密に」という発達戦略にあると考えている。

編集後記：AI乳児の夢、道はまだ遠い

これらの進展は励みになるものだが、現時点ではいかなるAIシステムも真の乳児の知的水準には到達していないことを認めなければならない。赤ちゃんには先天的な構造があるだけでなく、社会的な交流と情緒的な絆に支えられた長い学習プロセスがある——父親の笑顔、母親の声、転んだときの痛み、これらはすべて訓練データに圧縮できない豊かなシグナルだ。また、赤ちゃんのすべての動作は環境から即座にフィードバックを受ける。このような閉ループ的なインタラクションもまた、現在のオフライン訓練には欠けているものだ。

しかし、AI研究者たちはすでに問題の核心に触れ始めている。いかにしてシステムに「直感的物理学」と「素朴な因果推論」を持たせるか、という問いだ。あと5年も経てば、特定の分野（ロボット操作など）において乳児に似た知能のブレークスルーが見られるかもしれない。その時には、こう感じることになるだろう——知性の最大の秘密は、ずっと赤ちゃんの片言のなかに隠されていたのだ、と。

本稿はWIREDより編訳