AIという鏡

＊こちらの書籍は未刊です。現在、予約のみを受け付けております。
既刊の書籍と併せてご注文いただいた場合、全ての書籍が揃い次第の発送となります。
あらかじめご了承ください。

生成AIの躍進は人間の価値観や尊厳をゆさぶりつつある。仏教学者と数学者の親子の対話を軸に、人とAIの知性への問いを掘りさげ、現代AIが内包する哲学的核心を解きほぐす。解説編では、高校数学をもとに現代AIを解説。

はじめに

対話の部
1　 AI の歴史の章: 生成 AI の夜明け
1.1 「人の知性」への旅路へ
1.1.1 親子の対話のはじまり
1.1.2 仏教学者と数学者が対話する理由
1.1.3 ギリシャ哲学に見る知性の起源
1.1.4 イデアを覗く望遠鏡――トランスフォーマーの発見
1.1.5 人が AI を覗く時
1.2 知性の計り方：コンピューターの誕生とチューリングテスト
1.2.1 機械に「人の知性」は宿るか
1.2.2 知性の判定法――チューリングテスト
1.2.3 「ことば」を操る現代の AI
1.2.4 概念を紡ぐ「ことば」の正体
1.2.5 チューリングが問う知性の本質
1.3 記号と論理が与えた知性：ルールで動くシンボリック AI とその限界
1.3.1 知性を創る第一歩――記号を操作する AI
1.3.2 シンボリック AI の思考法
1.3.3 シンボリック AI が築いたプログラミングの原点
1.3.4 記号と論理による数学の再構築
1.3.5 「万能問題解決器」への挑戦
1.3.6 AI 専門家という到達点
1.3.7 ルールに縛られた AI の課題
1.3.8 AI 研究は「冬の時代」へ
1.4 脳への回帰：ニューラルネットワークがもたらした連想とひらめき
1.4.1 ヒトの脳の持つ柔軟性
1.4.2 脳を模倣するニューラルネットワークの誕生
1.4.3 記憶と連想の AI モデル――ホップフィールドネットワーク
1.4.4 記憶を「思い出す」ことの本質
1.4.5 ネットワークに隠れた記憶の在り処
1.4.6 安定に囚われた理性
1.4.7 「ひらめき」を得た AI ――ボルツマンマシン
1.4.8 論理と非論理の融合
1.5 教える AI から自ら学ぶ AI へ：深層学習の切り拓いた創造性
1.5.1 誤差逆伝播法による学習革命
1.5.2 答えを知らずに学ぶ方法
1.5.3 AI が得た深い理解――深層学習
1.5.4 アルファ Go が示した「機械の知性」の創造性
1.6 そして、AI は概念を理解する：トランスフォーマーとアテンション機構
1.6.1「 ことば」の織りなす意味空間
1.6.2 単語の意味は「距離」で測れるのか
1.6.3 文脈から意味を知る―― RNN の登場
1.6.4 RNN の限界と足りなかった「何か」
1.6.5 すべてはアテンションに
1.6.6 トランスフォーマーと GPT の衝撃
1.6.7 概念を操る AI ――アテンションの仕組み
1.6.8 関連性を学ぶということ
1.6.9 鏡に映る人間の知性

2 親子の対話の章: 仏教と数学の交差点
2.1 対話その 1: AI に「心」はあるのか
2.1.1 柔軟で気まぐれな、人間という関数
2.1.2 「完全な関数」から「人間らしい近似」へ
2.1.3 記号接地問題と『中国語の部屋』
2.1.4 決着済みのクオリアと記号接地問題
2.1.5 記号接地のその先へ――記号創発のメカニズム
2.2 対話その 2: AI は「意思と感覚」を持つか
2.2.1 AI の意思決定プロセス――坂を転がるボールと確率分布
2.2.2 適切な「ゆらぎの幅」がもたらす多様性
2.2.3 AI が「人間」の定義を変える未来
2.2.4 「AI は五感を持ち得ない」は本当か
2.2.5 システムとしての五感への分化
2.2.6 「AI の感覚」が築く「AI の数学」の未来
2.3 対話その 3: AI は「私たち」なのか
2.3.1 AI は「理解していない」？ ――足し算も間違える GPT
2.3.2 そもそも人間の「理解」とは何か
2.3.3 「次の一手」を生成する、推論モデルの登場
2.3.4 アテンション機構が築いた「課題解決」のゲーム盤
2.4 対話その 4: 仏教と AI の親和性
2.4.1 インド仏教学の基本的価値観――「良い暮らし」が目標ではない
2.4.2 AI という至宝が招く、私たちの執着
2.4.3 AI 社会における幸福の転換――無我と苦しみの克服
2.4.4 『変化の洪水』と、その危険性
2.5 対話その 5: 私たちの仕事が消える日――研究者を例に
2.5.1 「数学者」という職業の三 つの価値
2.5.2 「ひとりでも学べる」分野だからこそ
2.5.3 AI 研究者が到達する創造的フロンティア
2.5.4 人類の遠く及ばない、未来の学問研究
2.5.5 全ての学問、全ての仕事への波及
2.6 対話その 6: AI 革命を生きる
2.6.1 最も危険な「AI に負けない」という価値観
2.6.2 残された価値、変わらない価値
2.6.3 生き方の自由な選択肢

解説の部
解説の部のはじめに
1　 数学の章: AI と人の知性を理解するために
1.1 存在と集合論: 数学は「在る」ことへの気づきから始まる
1.1.1 数学で捉えるということ――数理モデルの枠組み
1.1.2 数学とは「存在」の学問である
1.2 集合とその記法: 存在の区別が「数」を生む
1.2.1 「ものの集まり」が数学を築く
1.2.2 要素を並べて集合を拡げる――外延的記法
1.2.3 集合の一員としての「要素」
1.2.4 規則を指定して集合を絞る――内包的記法
1.3 関数とは何か: 世界に「作用」が生まれる時
1.3.1 「関数」を定義する 三 つの要素
1.3.2 決まった出力という機械的ルール――一意性の大切さと課題
1.3.3 関数の記法
1.3.4 関数としての AI、関数としての人間
1.4 数から図形へ: 空間を形づくる自然さ
1.4.1 数を数えるという知的行為
1.4.2 「何もないが有る」が数を生む
1.4.3 「数える」とは関数を見つけること――数への全単射
1.4.4 当たり前さが数を拡げる――整数と有理数
1.4.5 数直線という「図形」の創発
1.5 直積とグラフ: 見えない多次元を捉える方法
1.5.1 集合をまとめる「直積」という操作
1.5.2 直積が作る平面、空間、そして多次元の世界
1.5.3 空間の中に自由に図形を描く――関数の軌跡としてのグラフ
1.5.4 図形を考える本当の理由――直感と論理の橋渡し
1.6 ベクトル空間と線形代数: 人が持つ「まっすぐさ」という直感
1.6.1 ベクトル空間の定義
1.6.2 自然な演算が創発する「まっすぐさ」
1.6.3 「知性の計算」の要―― AI は内積で概念を測る
1.7 行列演算と関数の合成: 単純さの折り重なりが複雑さを生む
1.7.1 ルールをまとめ上げるための、行列記法
1.7.2 脳細胞たちの接続が大きな知性を形づくる――関数の合成
1.7.3 単純な線形から複雑な非線形へ
1.7.4 複雑な知性の単純構造への還元
1.8 勾配降下法: 「少しずつ近づく」という学びの本質
1.8.1 微分を用いたもうひとつの還元手法――線形近似
1.8.2 坂を下るには足元を見ればよい――勾配降下法
1.8.3 補足: 確率分布

2　 AI 技術の章: トランスフォーマーとアテンション機構を目指して
2.1 人工の脳を理解する 三 つのステップ
2.1.1 実際の脳の仕組みをヒントに
2.1.2 部品、ハードウェア、ソフトウェアで脳を組み立てる
2.2 パーセプトロンと人工ニューロン: 人工の脳の最小単位
2.2.1 最も基本的な人工脳細胞――パーセプトロン
2.2.2 数式で見るパーセプトロンの入出力
2.2.3 パーセプトロンの学習方法
2.2.4 表現力を担う、非線形な活性化関数
2.2.5 AI の脳の最小単位――人工ニューロン
2.3 ニューラルネットワーク: ハードウェアとしての人工知能
2.3.1 ニューラルネットワークの基本構造
2.3.2 ニューラルネットワークの学習: 人も AI も誤りに学ぶ
2.3.3 補足: ニューラルネットワークの具体的な計算例
2.4 RNN からトランスフォーマーへ: 「意味」と「文脈」をいかに捉えるか
2.4.1 「概念を紡ぐ」という目標―― RNN から
2.4.2 「忘れる問題」を解決した、トランスフォーマーの俯瞰力
2.4.3 概念の空間を捉える、情報の翻訳者
2.5 トランスフォーマーの構造: 知性の仕組みを実現するソフトウェア
2.5.1 理解を担うエンコーダー、表現を生み出すデコーダー
2.5.2 情報を「意味の空間」に埋め込む層
2.5.3 トランスフォーマーの中核――セルフ・アテンション
2.5.4 未来を「隠す」、デコーダーの学習テクニック――マスクド・アテンション
2.5.5 関係性を多角的に捉える、複数のアテンション
2.5.6 豊かな表現を与える、トランスフォーマーの非線形部分―― FFN
2.5.7 ひとつずつの単語の積み重ねが生む、自然な言葉と知性
2.6 アテンション機構: 「概念を捉える器」という世紀の発見
2.6.1 「単語の位置」の裏に隠れた Q、K、V の三 つのベクトル
2.6.2 すべては内積――アテンション機構の定義
2.6.3 ドリンクバーの喩えで、より直感的に理解する
2.6.4 埋め込み空間から概念の空間へ――マルチモーダルと推論モデル
解説の部の「おわりに」に代えて