2026年8月12日
———————————————————————————
■□■　平林良人の『つなげるツボ』Vol. 569 ■□■
―　ISOマネジメントシステムのテクノファ　―
＊＊＊　ISO9001キーワード「組織の知識」AI_3 ＊＊＊
———————————————————————————
自動車はガソリンで動きます。最近では電気で動く自動車も出てきました。この２種類の
自動車はエネルギー源が異なることから、動く理屈は違います。AIはどうでしょうか。今
のところAIのエネルギー源は電気でしかないので動く理屈は一つしかありません。それは
０か１かの識別という理屈です。「0」か「1」を並べたビット列命令（二進コード、バイナ
リコード）で書かれた機械語で動きます。

■□■　AIは考えることができる？　■□■
答えはNOです。AIが、人間と同じように意識を持って考えていると確認されているわけ
ではありません。私たちが「AIが考えている」ように感じるのは、非常に複雑な計算によ
って、人間らしい答えを返すことができるからです。現在のAIはコンピュータ上で動い
ていますから、最も基本的なところでは0と1の電気信号で処理されています。しかし、
AIそのものは0と1を見分けているだけではありません。大量の数値を使って複雑な計算
を繰り返しています。
いま自動車では自動運転の研究開発が進められていますが、限定された地域や条件では、
すでに運転者のいない自動運転サービスも実用化されています。これも自動車が考えてい
るわけではありません。AIが考えて運転している？、いえそうではありません。

2022年にChatGPTが登場して、今まで専門家しか触れてこなかったAIに多くの人が接
するようになりました。それまでも、お話しロボットなどがシニアのお相手をするという
話題はありました。しかし、LLM大規模言語モデルという仕組みが開発されてから一変し
ました。
あなたが「おはよう」とAIに挨拶する、あたかも考えているように「今日のご機嫌はいか
がですか」などと答えてきます。しかも、その答えは毎回同じではありません。
どうしてそんなことができるのでしょうか。

AIについて知識を得ようとして驚くことがあります。ちょっとした話を調べようとすると
膨大な出典（reference）が付いてくることです。米国と中国の間のAIの開発競争は熾烈
を極めており、AI開発は企業機密であると思っていました。しかし、ある論文の出典を調
べた時、そうでもないことを知りました。生成AI（人工知能）を含む最新のAI研究の動
向は論文サイト「arXiv（アーカイブ）」に掲載され、世界中の研究者やエンジニアが参照
できるようになっているのです。
生成AI（ChatGPTなど）の核心技術に関する研究論文も論文サイトに掲載され、現在も
参照可能です。それは、2017年にGoogle研究グループが発表した“Attention Is All You
Need：必要なのはAttenntionだけ”という論文です。前回もお話ししたようにAI分野で
はもっとも有名な論文だそうです。

論文では、最初に表題“Attention Is All You Need”が書かれ、その次に共同研究者の名前が
８人書かれています。１人を除き全員がgoogleの研究者です。その次に論文の要旨
（Abstract）が書かれています。

Abstractを日本語にしてみます。
「従来、系列変換（sequence transduction）の主要なモデルは、**エンコーダ（encoder）
とデコーダ（decoder）を備えた複雑な再帰型ニューラルネットワーク（RNN）や畳み込
みニューラルネットワーク（CNN）**を基盤としていました。
特に高い性能を示すモデルでは、さらに**Attention（注意機構）**によってエンコーダと
デコーダを接続しています。
本論文では、Transformerと呼ばれる新しくシンプルなニューラルネットワーク・アーキ
テクチャを提案します。
Transformerは、Attention機構だけを基盤としており、再帰処理（recurrence）や畳み込
み処理（convolution）を完全に使用しません。
2つの機械翻訳タスクで実験した結果、このモデルは、
　・翻訳品質が優れている
　・並列処理を行いやすい
　・学習に必要な時間を大幅に短縮できる
という特徴を持つことが示されました。
私たちのモデルは、WMT 2014 英語→ドイツ語翻訳タスクにおいてBLEUスコア28.4を
達成しました。これは、複数モデルを組み合わせたアンサンブルモデルを含む、それまで
の最高結果を2 BLEU以上上回る結果です。
さらに、WMT 2014の英語→フランス語翻訳タスクでは、8台のGPUを使用して3.5日
間学習することで、単一モデルとして当時の最高性能となるBLEUスコア41.8を達成し
ました。しかも、この学習コストは、それまでに報告されていた最高性能モデルと比較し
て、ほんのわずかなものでした。」

■□■　どうして論文を紹介するのか　■□■
Attention Is All You Need論文を紹介した理由は、我々が毎日便利に使用しているAIがそ
の裏側でどんな仕組みで動いているのか、その仕組みはいつ頃、誰が、どのようにして作
ったのかなどを大雑把で良いから知っておきたいと思うからです。

したがって、論文の内容を理解しようとするつもりはありません。そもそも、我々には論
文に書かれている専門用語、理屈、背景、知識などは持ち合わせていませんので、内容を
正確に理解することは不可能でしょう。
ちょうど自動車を運転するときに、どうして自動車は動くのかを分かりやすく知っておく
ことと一緒であると思っています。
あまり見ることが無いと思いますので、AI分野で有名になったという論文を掲載します。
著作権がありますので冒頭の部分だけ引用します。

（つづく）