手で学ぶAI：トム・イェーが語る「遅さ」、基礎、そしてAIには変えられないもの

イェーはまず、自身のアプローチの例を示します。トランスフォーマーは、文中の個々の単語を処理するためのものだと彼は説明します。たとえば4番目のトークンから始め、各トークンが実際には複数の数値で表現されていることを示すために箱を描きます。彼の簡略化した例では、1トークンあたり3つの数値を使います。この図の目的は、モデルの数式の各ステップを紙の上で目に見える形にし、たどれるようにすることです。

このプロジェクトは、彼自身の知識の空白から生まれました。イェーは、学生時代には少し年齢が上すぎたために「ディープラーニングを完全に見逃した」と言います。彼が学んだのはサポートベクターマシンやその他の従来型の機械学習手法でした。教授になった後、突然周りの誰もがディープラーニングに取り組むようになり、彼はゼロから学ばなければなりませんでした。

AI by Handは、AIモデルの数学やアルゴリズムに対する自身の苦闘も含めて、その学びの道のりを共有するための方法だと彼は言います。内容を本当に理解できる唯一の方法は紙に描いたり書いたりすることで、そうしたときに初めて「ああ、本当にわかった」と思えたのだそうです。彼は自分の図や、数式を図式化するやり方を共有し始めました。多くの人が反応し、手で分解して説明するやり方が好きだとコメントしました。そのフィードバックが名前の由来となり、彼は「もう、AI by handと呼ぼう」と決めました。

イェーは、手作業への信念の原点を、プログラミング入門の授業での経験にたどります。学生たちから、進むのが速すぎると言われたのです。彼は多くの知識を伝えたいと考えており、スライドとライブコーディングで進めるうちにペースが手に負えなくなっていました。そこで彼は、ライブコーディングの代わりに黒板を使い、ノートを手で書き出しながら、C++プログラミングを丸1学期教えました。

学期が進むにつれて、彼は3つの利点に気づきました。第一に、自分が物理的に書ける速さでしか進めなくなりました。第二に、学生には、彼が書くのについていくという、人間に可能なペースでしか学ぶことを求められなくなりました。第三に、学生が彼のノートを手でノートに写しているとき、その手はキーボードの上でInstagramのメッセージを確認してはいないため、集中しやすくなりました。

イェーにとって、「手で」とは私たちの人間らしさと再びつながることです。手を使うことで、人間の速度にとどまることができます。時が経つにつれ、彼はその「昔ながらの」アプローチの価値を理解するようになりました。

ここから、彼の中心的な問いにつながります。学びの目的とは何か。何かを学んだことを証明する物理的あるいはデジタルな成果物なのか、それとも自分の中に取り込み、本当に自分のものにしたものなのか。AIはすぐに答えを出してくれるが、「答えを持っていることは、それを知っていることを意味しない」と彼は言います。人は学位や資格を買うこともできます。彼の考えでは、ある知識をどれだけ自分のものにし、価値を感じるかは、それを身につけるのにどれだけの時間を費やしたかに比例します。彼は、一人ひとりがまず、自分にとって学びとは実際に何を意味するのかを定義しなければならないと主張します。

何が残るのかを説明するために、イェーはCSの学位取得に必須だったため学部生時代に線形代数を学んだことを振り返ります。彼は、なぜそれが重要なのかまったくわからないまま行列積を学びました。しかし年月を経るなかで、それは何度も戻ってきました。

• 『ジュラシック・パーク』がCGIを前面に押し出した後、コンピュータグラフィックスが人気になりましたが、CGIでは行列積が多用されます。
• 数年後にはビッグデータのムーブメントが起こり、その処理にもやはり行列積が必要でした。
• 次に、誰もがデータサイエンティストではなく機械学習エンジニアになるべきだとされましたが、機械学習もまた行列積です。
• 今日では「AIネイティブ」になること、さらには子どもをAIスクールに通わせることが推し進められています。それでもやはり行列積です。
• 数年後には量子コンピューティングが話題になっているかもしれない、と彼は言います。そしてそれもまた行列積を伴うだろうと述べています。

ツールは変わり続けるが、核となる基礎的なものは変わらない、と彼は言います。それは「エバーグリーン」なのです。1〜2年後に見直しても、依然として意味を持っています。彼はこれを一過性の話題と対比します。DeepSeekは一時期人気がありましたが、今はそれほどでもありません。続いて彼は、より新しく非常に人気のあるツール（文字起こしでは「Common Crawl」と表記）に触れ、それが2か月後もまだ人気があるかどうかは誰にもわからないと言います。しかしトランスフォーマーが今後も意味のあるテーマであり続けることについては、「かなり確信している」と述べています。

イェーは、数年前の夏に韓国を訪れ、景福宮を見学したときの話をします。彼はそこを、長い歴史を持つ美しい宮殿だと表現します。彼が心を打たれたのは、1500年代頃に堅固な岩でできた基礎を除いて宮殿全体が焼失し、1800年代にその同じ基礎の上に再建されたと知ったことだと言います。

彼はこれをテクノロジーの比喩として読み解きます。行列積のようなものの基礎があれば、それをAIにも、次に来るものにも応用でき、特定のツールが廃れてもさほど問題にはなりません。堅固な土台の上にスキルを再構築すればよいのです。表面的な機能やツールだけに注目して基礎をおろそかにすれば、再建の拠り所となる基礎を持たないまま、家を何度も建て直し続けることになる、と彼は警告します。

続いてイェーは、この考えを個人の経験に向けます。成長する過程で得意になったスキル、たとえばピアノやサッカー、チェスなどを思い浮かべ、それをどのように身につけたかを考えてみてください。難しいことを習得するその能力は、彼の言葉を借りれば、新しいAIツールが毎日登場しても変わらない、あなたのアイデンティティの一部です。「自分はこれを身につけられる、本当に上手くなれる」とわかっていることこそが、新しいAIツールにも自分を向けていくことを可能にするのです。

彼は自身を例に挙げます。彼はかなり長い間ディープラーニングに後れを取っていましたが、すべてを辛抱強く紙に書くことで難しいテーマを分解するというスキルを身につけていました。そのスキルによって、長年ディープラーニングに取り組んできた人々よりはるかに後ろからのスタートだったにもかかわらず、最終的には追いついたと彼は言います。

だからピアノやサッカーのスキルは無駄ではない、と彼は聴衆に語ります。特定のAIツールをひとつ飛ばすのは「まったく問題ない」、なぜなら次に何が来るかは誰にもわからないからです。しかし、ピアノの練習やサッカーの練習をさぼってあきらめてしまうのはよくありません。なぜなら、それこそが最終的に自分が何者であるかを知る方法だからです。問題は「この一つのツール」ではないのです。

教育者としてのキャリアの今の段階で、イェーは、学生が特定の数学を学ぶかどうかにはあまりこだわらなくなったと言います。授業から1年後には、学生はその内容をほとんど何も覚えていないかもしれないと彼は考えています。彼が残ると考えているのは、何かを理解したという経験、そして足を運び、基礎を学び、ブラックボックスを開けようとする意欲です。その意欲こそが人を際立たせます。そうでない人は、決して挑戦しようとしないのです。

人を差別化するのは、トランスフォーマーやアテンション機構の数式をどれだけよく覚えているかではない、と彼は主張します。それは、かつて難しいことに懸命に取り組み、図書館で何時間も過ごし、成功したという記憶であり、それが次の学びの挑戦への自信を与えるのです。彼は、しっかりとした基礎知識を、その人がプロセスに全力を注いだことの証とみなしています。逆にそれが欠けていることは、彼の見方では、努力の不足、あるいは困難な課題に時間を投資しようとしない姿勢を示唆しています。

イェーは再びプログラミング入門の授業に話を戻します。解答が共有されていたCheggのせいで、毎学期新しい課題を作るのに多大な労力を費やしていたと彼は言います。彼のチームは、IPアドレスのチェックや、誰がアクセスしたかわかるようにサイトに罠を仕掛けるといった技術的な対策まで試みました。当時彼は、Cheggが倒産するか、政府によって閉鎖されることを願っていました。

「私の夢は叶いました」と彼は言います。AIが新たな不正の道具となり、Cheggは倒産しましたが、問題は残りました。そのことが、彼に根本原因について考えさせました。CheggもAIも単なる症状にすぎない、と彼は主張します。根本的な原因は、そもそもなぜ人が不正をしなければならないと感じるのか、という点にあります。Cheggはなくなっても人は依然として不正をしており、AIがなくても人は不正をする方法を見つけるだろうと彼は考えています。彼の見方では、AIによる不正は、社会のインセンティブ制度というより大きな問題、つまりなぜ学生が不正をせざるを得ないと感じるのか、そしてなぜ制度は時間のかかる本当の学びに報いないのか、という問題から目をそらさせるものなのです。

イェーは採用の話で締めくくります。誰かの採用を検討するとき、彼が重視するのは基本的なことだと言います。すなわち、良い職業倫理、高い問題解決能力、そしてコミュニケーションを取り、他者とうまく協働できるチームプレーヤーであるかどうかです。それらこそが従業員として手放したくないと思わせる資質であり、AIのスキルは副産物だと彼は考えています。

彼の理屈はこうです。真の問題解決者は、問題を解決するためにAIが必要になるので、言われなくても自然とAIを学ぶ。もし組織が従業員にAIネイティブになることを強制しなければならないと感じているなら、それはおそらく問題解決能力を優先することを忘れたために、適切な人材を採用できていなかったのかもしれない、と彼は示唆します。同様に、真のチームプレーヤーは、協働を支えるためにAIを使うことを自ら学ぶでしょう。彼のアドバイスは、自分の直感を信じ、そうした人々を採用し続けることです。彼らは自然にAIを取り入れていくからです。

逆は成り立ちません。チームプレーヤーではなく、常に自分の利益ばかりを考え、他者を尊重しない人であれば、AIはそれを直してはくれません。彼の最後の論点はこうです。「AIは人を変えられない」、しかし人はAIを変えることができるのです。