ホービッツ氏は、2つの“主要な潮流”がAIの現在の隆盛をもたらしたと指摘する。その1つは「確率の革命」、すなわち「論理に基づく推論から、不確実性の下での推論へ」という流れだ。「統計学、オペレーションズリサーチ（作戦・運営研究）、そしてもちろん、確率的意思決定科学といった分野の研究が、この潮流の原動力となっている」とホービッツ氏は2015年11月初旬、米誌MIT Technology Review主催の新興技術カンファレンス「EmTech」で語った。

　だが、最高情報責任者（CIO）に強い印象を与えるのは、ホービッツ氏が挙げるもう1つの潮流だろう。CIOは、再び到来したAIの活況を支える技術的な進化と、ビッグデータが脚光を浴びるようになった背景にある技術的な進化が、同様のものであることに気付くはずだ。「もう1つの主要な潮流は機械学習の革命だが、これは主に近年、われわれがデータの収集、保存にほぼ無限のストレージを利用できるようになったことに加え、Webによるユビキタスな接続のおかげでデータソースが拡大してきたことによって促進されてきた。これらのこととコンピューティングの発展が相まって、機械学習にルネサンスをもたらした。機械学習は現在のAIのけん引役となっている」とホービッツ氏は述べた。

　この指摘は、最近大きな注目を集めているディープラーニング（深層学習）に特に当てはまる。ディープラーニングは機械学習の一種で、一部の提唱者は、人間の脳が情報を処理する仕組みに似たものと説明している。この分野の権威として知られる米ニューヨーク大学教授で米FacebookのAI研究ディレクターも務めるヤン・ルカン氏は、ディープラーニングは古いアイデア（1950年代にまでさかのぼると言ってよい）がこうした技術的な発展のおかげで復活したものだと述べている。同氏はEmTechで、この技術的発展の具体例を2つ挙げた。1つは、ディープラーニングシステムを効果的に訓練あるいは“教育”するために必要な大規模データセットを扱えるようになったマシン。もう1つは、「並列性が高く、最新チップのほとんどが2000コア程度を搭載しているGPUだ」（同氏）

　だが、ディープラーニングは常にもてはやされてきたわけではない。ルカン氏はそのことを大抵の人よりも知っている。

ニューラルネットワークの光と影

　ルカン氏は1990年代に、「畳み込みニューラルネットワーク」（ConvNet）と呼ばれるディープラーニングの一種について顕著な実績を挙げた。その設計は脳の視覚野から大まかなアイデアを得ている。畳み込みニューラルネットワークは複数の層を通じてデータを処理し、画像や文字を識別する。最初に最下層で非構造化データの基本的な特徴を発見し、発見結果を上位の層に順に渡し、集約処理していくことで、最上位層で最終的に、データで表現されているものを識別する。ルカン氏は25年前、米AT&T Bell Laboratoriesに勤務していたときに、手書きの数字を認識できるニューラルネットワークを構築。その手法は認識成功率が高かったため、銀行が小切手預金用に現金自動預払機（ATM）に導入した。

　だが、畳み込みニューラルネットワークが脚光を浴びたのはつかの間だった。「機械学習コミュニティーは離れていった。このアイデアは一過性のものでしかないと考えたからだ」とルカン氏は語る。そして、「ニューラルネットに第2の死が訪れた」と同氏は振り返る。第1の死が訪れたのは1960年代だった。米MIT（マサチューセッツ工科大学）のマービン・ミンスキー氏を含む研究者たちが、「従来のアプローチの限界を露呈させてしまったからだ」とルカン氏は説明した。

　強力なニューラルネットワークを実現するには、処理を行う層を増やす必要があることが分かっている。だが1960年代には、ミンスキー氏が論じていたように、その要件に対応できる技術がなかった。1980年代の研究者も、依然として技術的な制約を抱えていた。「研究者は2～3層のネットワークしか訓練していなかった。われわれが持っていたマシンではそれが精いっぱいだったからだ。その限界は主に、扱えるデータセットが小さいことに起因していた。データが小さいときにネットワークを大きくしようとしても、あまりうまくいかない」（ルカン氏）

　こうした場合、ニューラルネットワークは暗記によって学習してしまう恐れがある。それでは、有用な機能は発揮できない。当時としては例外的だったのが、5層、6層、7層で構成されていたルカン氏の手書き認識用の畳み込みニューラルネットワークだ。だが、1990年代末までに、ニューラルネットワークの考え方は人気がなくなり、畳み込みニューラルネットワークへの期待もしぼんでしまった。

　「人々は、『層を増やすだけでうまくいく』とは考えられなかった。誤った数学的直観がその一因だった」（ルカン氏）

　ところがここ5年程度で、多層型ニューラルネットワーク（10層以上）が一般的なものになり、この技術のパフォーマンスと業界での認識は劇的に変わった。今では、「スマートフォンで動作する全ての音声認識システムが、ディープラーニングを利用するようになった。ディープラーニングは、人間の視覚のロボット版であるコンピュータビジョンの分野も席巻している」とルカン氏は語る。

　「コンピュータビジョンコミュニティーで画像認識に取り組んでいる人々は、1年以内の間に、それまで何を使っていたかにかかわらず、こぞって畳み込みニューラルネットに鞍替えした。30年間研究してきたが、こんなことは、つまり、こうした技術がこれほど急激に優勢になるのは、見たことがない」（ルカン氏）