Shyam Sankar: The rise of human-computer cooperation

シャム・サンカー：人間とコンピューターの協力関係のはじまり

Translator: Joseph Geni Reviewer: Morton Bast

翻訳: DSK INOUE 校正: Akinori Oyama

I'd like to tell you about two games of chess.

2つのチェスの試合をご紹介します

The first happened in 1997, in which Garry Kasparov,

１つ目は1997年 ガルリ・カスパロフ（世界王者）が

a human, lost to Deep Blue, a machine.

ディープブルーという コンピューターに敗れました

To many, this was the dawn of a new era,

多くの人にとってこれは 新たな時代の幕開けでした

one where man would be dominated by machine.

機械が人間を支配するような時代です

But here we are, 20 years on, and the greatest change

それから20年が経った現在 コンピューターとの付き合い方は

in how we relate to computers is the iPad,

かなり改善され iPad に象徴される時代になりました

not HAL.

HALではありませんでした

The second game was a freestyle chess tournament

2つ目の試合は2005年の 「フリースタイル」のトーナメント

in 2005, in which man and machine could enter together

人間とコンピューターが 対戦するだけでなく

as partners, rather than adversaries, if they so chose.

人間とコンピューターが 組んで参加しても良いものです

At first, the results were predictable.

出だしの結果は予想通りで

Even a supercomputer was beaten by a grandmaster

スーパーコンピューターでさえ 人間のチャンピオンと

with a relatively weak laptop.

性能の劣るラップトップが組んだ ペアに敗れました

The surprise came at the end. Who won?

大番狂わせは最終戦でした

Not a grandmaster with a supercomputer,

優勝者はチャンピオンと スーパーコンピューターのペアではなく

but actually two American amateurs

実は２人のアメリカの―

using three relatively weak laptops.

アマチュアと３台の平凡な ラップトップのチームでした

Their ability to coach and manipulate their computers

２人はコンピュータを駆使して 臨機応変に様々な手を

to deeply explore specific positions

探し出すように 手法を採ることができたので

effectively counteracted the superior chess knowledge

人間のチャンピオンの知識や

of the grandmasters and the superior computational power

対戦相手のコンピュータの 優れた計算能力をも―

of other adversaries.

凌駕したのです

This is an astonishing result: average men,

平凡な人間と平凡なマシンが 組んだチームが

average machines beating the best man, the best machine.

最強の人も最高のマシンも 打ち負かしたことは実に驚くべき結果です

And anyways, isn't it supposed to be man versus machine?

さて 人間にとって 機械は競争相手なんでしょうか？

Instead, it's about cooperation, and the right type of cooperation.

いいえ 競争相手ではなく協力者― 正しい形での協力が大切です

We've been paying a lot of attention to Marvin Minsky's

これまでの50年間 人工知能については

vision for artificial intelligence over the last 50 years.

マーヴィン・ミンスキーが描いた見方が重視されてきました

It's a sexy vision, for sure. Many have embraced it.

これは多くの人が受け容れてきた魅力的な説で

It's become the dominant school of thought in computer science.

コンピューター・サイエンスにおいては主流の見方です

But as we enter the era of big data, of network systems,

しかしビッグ・データや オープン・プラットフォームや

of open platforms, and embedded technology,

ネットや組込み技術が 使われるような時代においては

I'd like to suggest it's time to reevaluate an alternative vision

別の見方をもう一度評価すべきと主張したいのです

that was actually developed around the same time.

それはミンスキーの見方と 同じ頃に生まれていた―

I'm talking about J.C.R. Licklider's human-computer symbiosis,

J.C.R.リックライダーが提唱し 今では―

perhaps better termed "intelligence augmentation," I.A.

「知能増幅」（IA）と呼ばれる 人間とコンピューターの共益関係です

Licklider was a computer science titan who had a profound

リックライダーはコンピューター・サイエンスの巨人で

effect on the development of technology and the Internet.

計算技術とインターネットの発展に大いに貢献しました

His vision was to enable man and machine to cooperate

彼の見方は意思決定や 複雑な事象に対応する制御を

in making decisions, controlling complex situations

融通のきかない事前に定義された プログラムだけに頼るのではなく

without the inflexible dependence

人間と機械が協力して

on predetermined programs.

行うというものです

Note that word "cooperate."

キーワードは「協力」です

Licklider encourages us not to take a toaster

リックライダーはトースターから

and make it Data from "Star Trek,"

頭脳明晰なアンドロイドを作るのではなく

but to take a human and make her more capable.

人間の能力をより広げることを唱えました

Humans are so amazing -- how we think,

人間が持つ思考方式や 非線形アプローチや

our non-linear approaches, our creativity,

創造力や反復仮説は 非常に驚くべき能力です

iterative hypotheses, all very difficult if possible at all

コンピューターで 仮に万一実現できるとしても

for computers to do.

非常に難しい分野です

Licklider intuitively realized this, contemplating humans

人間は 目標を設定し 仮説を作り

setting the goals, formulating the hypotheses,

評価方法を設定し 評価できるという違いを

determining the criteria, and performing the evaluation.

リックライダーは直感的に認識していました

Of course, in other ways, humans are so limited.

もちろん 一方で人間は多くの

We're terrible at scale, computation and volume.

限界があり 拡張性 計算能力 処理量では弱いものです

We require high-end talent management

ロック・バンドが 協力し演奏活動を

to keep the rock band together and playing.

続けるには 高度な タレントマネジメントが必要です

Licklider foresaw computers doing all the routinizable work

リックライダーは 洞察と意思決定に必要な―

that was required to prepare the way for insights and decision making.

定型化できる準備は コンピュータが 全て行うようになると見通していました

Silently, without much fanfare,

静かに目立たないところで

this approach has been compiling victories beyond chess.

このアプローチがチェスに留まらず 勝利を積み上げていきました

Protein folding, a topic that shares the incredible expansiveness of chess —

タンパク質の折り畳み構造は チェスと同様非常に奥深いものです

there are more ways of folding a protein than there are atoms in the universe.

宇宙の原子の数より 多くの折り畳み組み合わせがあります

This is a world-changing problem with huge implications

立体構造は病気を理解し治療する上で

for our ability to understand and treat disease.

世界が変わる程の大きな意味を持つ研究分野です

And for this task, supercomputer field brute force simply isn't enough.

この問題を解くにはスーパーコンピューターの 力任せの計算だけでは足りません

Foldit, a game created by computer scientists,

コンピュータ科学者が作った Folditというゲームが

illustrates the value of the approach.

この協力アプローチの価値を表す 好例でしょう

Non-technical, non-biologist amateurs play a video game

このゲームでは 技術者でも生物学者でもない素人が

in which they visually rearrange the structure of the protein,

立体表示されたタンパク質の構造を 組み替える作業をすることで

allowing the computer to manage the atomic forces

コンピューターに原子間力や

and interactions and identify structural issues.

相互作用や構造上の問題解明を任せました

This approach beat supercomputers 50 percent of the time

このアプローチは スーパーコンピューターの能力を

and tied 30 percent of the time.

50％のケースで上回り 30％で同等だとわかりました

Foldit recently made a notable and major scientific discovery

Folditは最近注目すべき大発見をしました

by deciphering the structure of the Mason-Pfizer monkey virus.

メイソン・ファイザー・サルウイルスの 分解酵素を解読したのです

A protease that had eluded determination for over 10 years

10年間も わからなかった構造を

was solved was by three players in a matter of days,

3人のゲーマーがほんの数日で解決してしまったのです

perhaps the first major scientific advance

ゲームをすることから生まれてくる

to come from playing a video game.

大きな科学技術を発展させる おそらく最初の例です

Last year, on the site of the Twin Towers,

ツインタワーのあった場所に昨年

the 9/11 memorial opened.

9.11の記念碑ができました

It displays the names of the thousands of victims

この記念碑は「意味ある隣接関係」という

using a beautiful concept called "meaningful adjacency."

美しいコンセプトに基づいて 何千もの犠牲者の名前を表示しています

It places the names next to each other based on their

そこでは犠牲者の名が友人 家族 同僚など

relationships to one another: friends, families, coworkers.

人間関係に基づいて配置されています

When you put it all together, it's quite a computational

3,500もの名前と1,800もの関係の要請を考慮して

challenge: 3,500 victims, 1,800 adjacency requests,

関係を表現するのは 計算処理として大きな挑戦です

the importance of the overall physical specifications

全員の物理的な位置の制約と最終的な見た目の美しさを

and the final aesthetics.

両立する必要があります

When first reported by the media, full credit for such a feat

メディアに報道された当初

was given to an algorithm from the New York City

その功績はニューヨークのデザイン会社

design firm Local Projects. The truth is a bit more nuanced.

Local Projectsによる アルゴリズムのものとされましたが

While an algorithm was used to develop the underlying framework,

アルゴリズムを使って デザインを可能にする枠組みを提供し

humans used that framework to design the final result.

人間がこの枠組みの上で 最終的なデザインを描いたのです

So in this case, a computer had evaluated millions

この場合コンピューターは何百万もの

of possible layouts, managed a complex relational system,

可能なレイアウトを評価し 複雑な関係性をやりくりし

and kept track of a very large set of measurements

膨大な形状や多様性のデータを管理して

and variables, allowing the humans to focus

逐一提示し 人間が構成を選択しながら

on design and compositional choices.

人間はデザインや構成にだけ 集中できるようにしたのです

So the more you look around you,

周りを見れば見るほど

the more you see Licklider's vision everywhere.

リックライダーの予見した世界になっています

Whether it's augmented reality in your iPhone or GPS in your car,

それがiPhoneの拡張現実であれ カーナビであれ

human-computer symbiosis is making us more capable.

人間とコンピューターの共益関係は 我々の能力を拡張しています

So if you want to improve human-computer symbiosis,

その協力関係を更に発展させるために

what can you do?

何ができるでしょうか？

You can start by designing the human into the process.

人間の関与をプロセスに組み込んでデザインしましょう

Instead of thinking about what a computer will do to solve the problem,

コンピュータを前提とした解決方法ではなく

design the solution around what the human will do as well.

人間の役割を考慮に入れて解決策をデザインするのです

When you do this, you'll quickly realize that you spent

実際に やってみると 作業時間のほとんどが

all of your time on the interface between man and machine,

人間と機械間のインターフェイスの開発に 費やされたとわかります

specifically on designing away the friction in the interaction.

特に両者間の摩擦が減るように デザインするのに時間がかかります

In fact, this friction is more important than the power

人間や機械のそれぞれの能力が どの程度優れているがではなく

of the man or the power of the machine

この摩擦の大小こそが 最終的な能力を

in determining overall capability.

より大きく左右します

That's why two amateurs with a few laptops

数台のPCと素人が スーパーコンピューターとチャンピオンを

handily beat a supercomputer and a grandmaster.

たやすく打ち負かした理由もここにあります

What Kasparov calls process is a byproduct of friction.

カスパロフが呼ぶように プロセスには摩擦がつきものです

The better the process, the less the friction.

プロセスがよければ 摩擦は減ります

And minimizing friction turns out to be the decisive variable.

そして摩擦をいかに軽減できるかが 結果を握ります

Or take another example: big data.

他の例で言えば 例えばビッグデータ

Every interaction we have in the world is recorded

世界中の我々の行動は 電話端末や

by an ever growing array of sensors: your phone,

クレジットカードやコンピュータなどの 増え続けるセンサー網で

your credit card, your computer. The result is big data,

集め記録されます その結果がビッグデータです

and it actually presents us with an opportunity

それは人間の実態を

to more deeply understand the human condition.

より深く理解できるような機会を 我々に与えてくれます

The major emphasis of most approaches to big data

ビッグデータへのほとんどのアプローチは

focus on, "How do I store this data? How do I search

「どうデータを保管し 検索し 処理するか？」に

this data? How do I process this data?"

焦点がおかれています

These are necessary but insufficient questions.

この観点は必要ですが これでは不十分です

The imperative is not to figure out how to compute,

必要なのは「どう」処理するかではなく

but what to compute. How do you impose human intuition

「何を」処理し この大規模なデータに対して

on data at this scale?

「人間の直観をどう生かすか」です

Again, we start by designing the human into the process.

ここでも 人間をプロセスに組み込みます

When PayPal was first starting as a business, their biggest

PayPalがビジネスを始めた当時 彼らの最大の課題は

challenge was not, "How do I send money back and forth online?"

「ネット上で どうお金をやり取りするか？」ではなく

It was, "How do I do that without being defrauded by organized crime?"

「組織的な詐欺行為をどう回避するか？」でした

Why so challenging? Because while computers can learn

なぜそれほど難しいか？ コンピューターは

to detect and identify fraud based on patterns,

過去のパターンに基づいて 詐欺を検知できるようになりますが

they can't learn to do that based on patterns

未知のパターンから

they've never seen before, and organized crime

詐欺を検知できるようにはなりません

has a lot in common with this audience: brilliant people,

犯罪組織と皆さんは似ています

relentlessly resourceful, entrepreneurial spirit — (Laughter) —

優秀で 機知に富んでいて やってやろうという気概に満ちている（笑）

and one huge and important difference: purpose.

ただ １つ大きな違いがあって それは「目的」です

And so while computers alone can catch all but the cleverest

コンピューターだけでも 詐欺のほとんどが見抜けられますが

fraudsters, catching the cleverest is the difference

最もずる賢い詐欺師を 捕まえられるかどうかが

between success and failure.

成功と失敗を分けるのです

There's a whole class of problems like this, ones with

このような問題はたくさんあります

adaptive adversaries. They rarely if ever present with a

常に新たな手を使う敵は コンピューターが認識できるような

repeatable pattern that's discernable to computers.

手口の知られたパターンで 現れることはめったになく

Instead, there's some inherent component of innovation or disruption,

敵は常に革新・刷新を行っており ビッグデータに埋もれてしまって

and increasingly these problems are buried in big data.

そうした問題が どんどん増えていっています

For example, terrorism. Terrorists are always adapting

例えばテロです テロリストは大小様々な方法で

in minor and major ways to new circumstances, and despite

環境に適応し身を隠します

what you might see on TV, these adaptations,

テレビで見るのと違って テロリストが潜伏するのも

and the detection of them, are fundamentally human.

それを発見するのも 根本的に人間です

Computers don't detect novel patterns and new behaviors,

コンピューターは新手のパターンや 未知の行動を探知できません

but humans do. Humans, using technology, testing hypotheses,

人間ならできます 人間が技術を使い 仮説を用いて

searching for insight by asking machines to do things for them.

機械の助けを借りながら 真相を洞察するのです

Osama bin Laden was not caught by artificial intelligence.

ビン・ラディンを捕えたのは

He was caught by dedicated, resourceful, brilliant people

人工知能ではなく

in partnerships with various technologies.

様々な技術に助けられた 優秀で 機略に富む 懸命な人々でした

As appealing as it might sound, you cannot algorithmically

実現できればいいのですが データから自動的に答えを

data mine your way to the answer.

導きだすことはできません

There is no "Find Terrorist" button, and the more data

「テロリストを見つける」なんてボタンはありませんし

we integrate from a vast variety of sources

多種多様な情報源から 幅広い形式のデータを

across a wide variety of data formats from very

集めれば集めるほどに

disparate systems, the less effective data mining can be.

そこから意味のある知識や情報を 引き出すことは難しくなります

Instead, people will have to look at data

そうならないように 人間がまずデータを見て

and search for insight, and as Licklider foresaw long ago,

洞察を行うのです リックライダーがずいぶん前に予見していたように

the key to great results here is the right type of cooperation,

大きな結果は正しい協力から生まれます

and as Kasparov realized,

またカスパロフの認識どおり

that means minimizing friction at the interface.

協力するにはインターフェイスの摩擦を 最小化する必要があります

Now this approach makes possible things like combing

これが実行できれば

through all available data from very different sources,

様々な出所からのデータを あますところなく集めて解析して

identifying key relationships and putting them in one place,

重要な関連性を特定し そのデータだけを抽出できます

something that's been nearly impossible to do before.

以前なら不可能だったことです

To some, this has terrifying privacy and civil liberties

これがプライバシーや自由への脅威となるか

implications. To others it foretells of an era of greater

反対に それらがより強固に 保護される時代をもたらすか

privacy and civil liberties protections,

などと捉え方はそれぞれですが

but privacy and civil liberties are of fundamental importance.

プライバシーや自由は基本的で重要なものです

That must be acknowledged, and they can't be swept aside,

それは強く意識されなければなりませんし

even with the best of intents.

どんな理由があっても切り捨てることはできません

So let's explore, through a couple of examples, the impact

それでは 人間とコンピューターの共益関係を

that technologies built to drive human-computer symbiosis

最大限に活かすように 作られた技術の影響を示す

have had in recent time.

最近のいくつかの事例を見てみましょう

In October, 2007, U.S. and coalition forces raided

2007年10月 米軍と同盟国の連合軍が シリアとの国境に位置し

an al Qaeda safe house in the city of Sinjar

イラクの町 シンジャールにある

on the Syrian border of Iraq.

アル・カーイダのアジトを急襲しました

They found a treasure trove of documents:

そこで貴重な書類の山を掘り当てました

700 biographical sketches of foreign fighters.

それは700人分もの 外国人兵士の略歴でした

These foreign fighters had left their families in the Gulf,

湾岸や地中海東側沿岸 そして

the Levant and North Africa to join al Qaeda in Iraq.

アフリカの国々に家族を残し アル・カーイダ兵に志願した人々です

These records were human resource forms.

略歴書類は まるで職歴質問集で

The foreign fighters filled them out as they joined the organization.

兵達は入隊時に質問事項に回答していました

It turns out that al Qaeda, too,

アル・カーイダでさえも

is not without its bureaucracy. (Laughter)

お役所みたいな形があるわけですね （笑）

They answered questions like, "Who recruited you?"

質問は 「誰に誘われたのか？」

"What's your hometown?" "What occupation do you seek?"

「出身はどこか？」 「希望の職種は何か？」といったものでした

In that last question, a surprising insight was revealed.

そして最後の質問から驚くべき真相が現れました

The vast majority of foreign fighters

それら外国人兵のほとんどが

were seeking to become suicide bombers for martyrdom --

自爆テロによる殉死を望んでいたのです

hugely important, since between 2003 and 2007, Iraq

2003年から2007年にかけて イラクでは1,382件の自爆テロ行為があり

had 1,382 suicide bombings, a major source of instability.

情勢を不安定にしている大きな要因でした 殉死願望は 非常に重要な真相です

Analyzing this data was hard. The originals were sheets

データの分析は困難でした まず

of paper in Arabic that had to be scanned and translated.

原本はアラビア語で 用紙のスキャンと翻訳が必要でした

The friction in the process did not allow for meaningful

このプロセスでは 摩擦が大きかったので

results in an operational time frame using humans, PDFs

人間が根気づよくPDFを 読み続ける程度では 作戦に間に合う時間内に

and tenacity alone.

有意義な結果を 出せそうにありませんでした

The researchers had to lever up their human minds

調査員達は 明らかになっていない―

with technology to dive deeper, to explore non-obvious

仮説を探るべく 技術でテコ入れして

hypotheses, and in fact, insights emerged.

深く思考する必要がありました そして ある真相を明らかにしました

Twenty percent of the foreign fighters were from Libya,

外国人兵の20%はリビア出身でした

50 percent of those from a single town in Libya,

その内半分はとあるひとつの町出身でした 重大な発見です

hugely important since prior statistics put that figure at

これはそれまでの統計では3%という数字でした

three percent. It also helped to hone in on a figure

またこのデータは リビアの武装グループの

of rising importance in al Qaeda, Abu Yahya al-Libi,

アル・カーイダ内で地位が高まる 指導者アブ・ヤハ・アルリビに

a senior cleric in the Libyan Islamic fighting group.

狙いを絞ることに ひと役買いました

In March of 2007, he gave a speech, after which there was

2007年に彼が演説を行ったのち

a surge in participation amongst Libyan foreign fighters.

リビア出身の兵士が急増していたのです

Perhaps most clever of all, though, and least obvious,

さらに 最もずる賢く 全く目立たないものでしたが

by flipping the data on its head, the researchers were

調査員達は分析方法を がらりと変えることで

able to deeply explore the coordination networks in Syria

シリアの紹介グループを深く探ることができました

that were ultimately responsible for receiving and

そのグループこそが外国人兵士の

transporting the foreign fighters to the border.

受け入れと国境への移動を担っていました

These were networks of mercenaries, not ideologues,

グループは宗教的イデオロギーの元に集まったのでなく

who were in the coordination business for profit.

お金のための傭兵紹介サービスでした

For example, they charged Saudi foreign fighters

例えば リビア兵に比べて お金の取れる

substantially more than Libyans, money that would have

サウジ兵から高額な紹介料を 巻き上げていました

otherwise gone to al Qaeda.

取られなければ アル・カーイダが 手にしたであろうお金でした

Perhaps the adversary would disrupt their own network

聖戦の兵士が詐取されていることを

if they knew they cheating would-be jihadists.

アル・カーイダが知ったら 自軍側のグループを解消したことでしょう

In January, 2010, a devastating 7.0 earthquake struck Haiti,

2010年1月マグニチュード7.0の 壊滅的な地震がハイチを襲いました

third deadliest earthquake of all time, left one million people,

死者の数は観測史上 3番目で 人口の10%にあたる

10 percent of the population, homeless.

100万人が家を失いました

One seemingly small aspect of the overall relief effort

支援活動全体から見れば 小さなことに見える１要素が

became increasingly important as the delivery of food

食料や水の配給が始まると

and water started rolling.

次第に重要な要素となりました

January and February are the dry months in Haiti,

１月と２月はハイチの乾期ですが

yet many of the camps had developed standing water.

多くの避難所では 水が溜まっていきました

The only institution with detailed knowledge of Haiti's

ハイチの氾濫原を詳細に把握している

floodplains had been leveled

唯一の機関は

in the earthquake, leadership inside.

指揮系統もろとも 地震で倒壊していました

So the question is, which camps are at risk,

ここで知りたいのは どの避難所の危険度が高く

how many people are in these camps, what's the

それぞれ何人が避難生活をしており

timeline for flooding, and given very limited resources

洪水はいつ起こるのか ということです

and infrastructure, how do we prioritize the relocation?

非常に限られた資源とインフラの下で 避難所移転の順序をどう決めるのか？

The data was incredibly disparate. The U.S. Army had

データは信じられないほど バラバラでした

detailed knowledge for only a small section of the country.

米軍が詳細な情報を持っていたのは 限られた地域のみでした

There was data online from a 2006 environmental risk

2006年環境リスク会議のデータも 他の地理データも

conference, other geospatial data, none of it integrated.

ネット上で バラバラに存在していました

The human goal here was to identify camps for relocation

ここでの目標は危険度に基づいて移転する

based on priority need.

避難所の優先順位をつけることでした

The computer had to integrate a vast amount of geospacial

そのためにコンピューターは膨大な

information, social media data and relief organization

地理情報やソーシャル・メディアの情報 支援機関からの情報を

information to answer this question.

まとめなければなりませんでした

By implementing a superior process, what was otherwise

この解決に より優れたプロセスを 創造したことで

a task for 40 people over three months became

40人がかりで３ヶ月はかかったであろう作業を

a simple job for three people in 40 hours,

たった３人が40時間で終えてしまいました

all victories for human-computer symbiosis.

人間とコンピューターとの共益関係の成果です

We're more than 50 years into Licklider's vision

リックライダーの予見から50年以上経った今

for the future, and the data suggests that we should be

これまでのデータからすれば

quite excited about tackling this century's hardest problems,

人間とコンピュータが協力して 今世紀の最も難しい問題の数々に

man and machine in cooperation together.

取り組めば 大きな成果を期待できるのです

Thank you. (Applause)

ありがとうございました

(Applause)

（拍手）