2025.11.21 更新

ちばぎん

機械学習の第一人者が語る、「信頼できるAI」との共存戦略

生成AIの急速な進化により、AI技術は今や社会のあらゆる場面に浸透しつつあります。一方で、その利便性の裏側には、プライバシーや倫理といった新たな課題も浮かび上がってきました。こうしたAIの根幹を支える「機械学習」の理論を、最前線で切り拓いてきたのが東京大学の杉山将教授です。限られた情報からでも高精度な学習を可能にする「弱教師付き学習」の研究で、2022年に文部科学省の科学技術賞を受賞。現在は、ちばぎんグループのエッジテクノロジー株式会社の技術顧問としても活躍されています。今回は、そんな杉山先生に、研究者としての歩みから生成AIと共存する社会の展望まで、じっくりお話を伺いました。

千葉との縁と、機械学習との出会い

杉山将（すぎやま・まさし）

東京大学大学院新領域創成科学研究科教授、理化学研究所革新知能統合研究センターセンター長

限られた情報からでも高精度な学習を可能にする「弱教師付き学習」の理論的基盤を築き、2022年に文部科学大臣表彰「科学技術賞」を受賞。著書に『教養としての機械学習』（東京大学出版会）等がある。2025年より、ちばぎんグループのエッジテクノロジー株式会社技術顧問に就任。研究者としての活動に加え、産官学の枠を超えてAIの社会実装と人材育成にも力を注いでいる。

千葉との縁と、機械学習との出会い

―いきなりですが、先生は千葉にご縁があるそうですね。

杉山氏：

生まれは大阪ですが、13歳のときに両親の転勤で松戸市に移り住みました。そこから博士号を取得するまで、15年近く千葉で過ごしたことになります。クラスの一割ほどが転校生という中学校で、非常に多様な環境に驚いたことを覚えています。ちょうどファミコン世代で、小学校高学年の頃に発売されたBASIC（＊）を親に頼んで購入してもらい、夢中になっていました。

＊ファミリーベーシック（FAMILY BASIC）はファミリーコンピュータ用のプログラミング環境

―AIに関心を持たれたきっかけは何だったのでしょう。

杉山氏：

子どもの頃はSEやプログラマーを目指していました。ただ、大学に入ると、プログラミング自体に物足りなさを感じ始めて…。コードを書くのは得意だったんですが、何を作るかというビジョンが自分は持てなかったんです。そんなときに出会ったのが、ニューラルネットワーク（＊）を研究していた先生でした。その先生は非常に数学的なアプローチをされる方で、最初は正直なところ興味を持てなかったのですが、取り組むうちにその奥深さに引き込まれました。一見すると分かりにくい。しかしその奥深さにこそ、人生をかけるだけの価値があると感じました。

＊ニューラルネットワーク…人間の脳の仕組みを模倣して作られた情報処理モデル

―「人生をかけるだけの価値」というのは？

杉山氏：

すぐに成果が出る研究ではない、ということです。1週間後、1カ月後に答えが出るものではなく、そもそも何をやるべきかを見極めるところから始まる。そうした原理への挑戦が、まさに一生をかけるに値すると感じました。

弱教師付き学習とは何か

―あらためて、先生の専門について教えてください。

杉山氏：

専門は人工知能、特に機械学習です。大学の研究室では「コンピュータはどこまで賢くなれるのか」というテーマを掲げて研究を続けてきました。もう少し噛み砕いて言うと、AIの予測精度をどれだけ高められるか、という研究です。ただ最近はAIがずいぶんと賢くなっているので、「いかに賢く」というよりは「いかに信頼できるか」というところに軸足は移ってきています。ちなみに世の中でAIというと、大規模言語モデルや画像認識といった具体的な応用分野を思い浮かべる人が多いと思いますが、私の研究室では、そうした個別の分野を追うのではなく、それらを抽象化して考えるようにしています。例えば、画像認識や音声認識の問題も、突き詰めれば「Xを入力してYを予測する」という共通の枠組みに整理できます。その枠組みの中で、予測精度を高めるための理論やアルゴリズムをつくることができれば、多様な分野への展開が可能になる。つまり、どの分野でも役に立つような普遍的な原理を明らかにするというのが、私の研究の目指すところです。

―「信頼」といえば、2022年に科学技術賞を受賞された際の研究テーマがまさに「信頼できる人工知能構築に資する弱教師付き機械学習の研究」でした。こちらについてもご紹介いただけますか。

杉山氏：

機械学習では通常、「学習データ」と呼ばれる、質問とその答えのセットを大量に用意してAIに学ばせます。例えば、犬や猫の画像をたくさん集めて、「これは犬です」「これは猫です」と正解のラベルをつけることで、AIはその違いを学習します。すると見たことのない新しい画像でも、それが犬なのか猫なのかを自動で判定できるようになります。ただし、このような学習をさせるには、何万枚、場合によっては何千万枚という規模の画像と、それぞれに正しいラベルをつけたデータが必要です。こうしたデータを用意するには、人による手作業が必要で、非常に多くの手間とコストがかかり、これまで機械学習の大きなハードルになってきました。そこで私たちが挑戦したのが、「弱い教師」からでも学習できる仕組みです。ここでいう「弱い教師」とは、必ずしも正確ではなかったり、少し曖昧だったりするような情報のことです。たとえ完璧な正解でなくても、十分な量のヒントがあれば、AIはそこから学習できるのではないか。そんな発想から、この研究を進めてきました。

AIの代表的な学習方法の一つである「教師付き学習」のイメージ

―どのような場面で役立つことが期待されているのでしょうか。

杉山氏：

応用例の一つが「音声の雑音除去」です。従来は、雑音のない音声と雑音入りの音声をペアで用意し、その違いを学習させて雑音を取り除いていました。しかし、このペアデータを集めるには、スタジオでクリアな声を録音し、それに人工的に雑音を加えるなど、さまざまな準備が必要です。一方で、今回私たちが用いた「弱教師付き機械学習」では、必要なのは2種類のデータだけです。ひとつは「雑音だけの音」、もうひとつは「雑音と人の声が混ざった音」。この2つをAIに学習させるだけで、正解となる「雑音のないきれいな音声」を与えなくても、AIが雑音を効果的に取り除けることを、理論的に示すことができました。つまり、「これは雑音だけの音」「これは雑音と声が混ざった音」といったシンプルな情報があれば、教師付き学習を行うことができ、最終的にはクリアな音声を再現できるようになったのです。

―限られた情報から精度の高い予測が行えるということは、プライバシーを守りながら学習させる場面にも応用できそうですね。

杉山氏：

その通りです。例えば、選挙などがわかりやすいかもしれません。誰がどの党に投票したかという個人情報は明かされませんが、「この地区ではA党が何％、B党が何％」といった統計データは公表されます。このような集計情報を「弱い教師」として使えば、一人ひとりの情報がなくても学習は成立します。つまり、個人のプライバシーを守りながらでも、機械学習を機能させることが可能になります。

性能から信頼へ。社会がAIに求めるもの

―そうした研究が、なぜ今の時代に高く評価されたのか。先生のお考えをお聞かせください。

杉山氏：

私自身は以前からこの研究を続けており、「ニーズに合わせて研究している」という感覚はありません。大量のデータがあれば学習できるのは当然で、「限られたデータでいかに学習させるか」が常に我々の課題でした。今回は、その仕組みを理論として成立させられたことが、一つの大きな成果になりました。ただ一方で、社会の変化に伴って、技術の使われ方や評価が大きく変わってきたと感じています。10年ほど前のAIブームの頃は、「性能が向上した」というだけで歓迎されましたが、最近ではむしろ「安全か」「悪用されないか」といった懸念の声が目立つようになりました。人々の関心が「便利さ」だけでなく、「リスク」や「倫理」へと広がっているのです。だからこそ私たち研究者も、今後は性能だけでなく、その技術が社会にどう受け止められ、どう使われるべきかといった視点を意識しながら、研究を進めていく必要があると考えています。

―先生の著書『教養としての機械学習』は、機械学習の入門書として広く読まれていますが、そうした警戒心を解くことも意識して執筆されたのでしょうか。

杉山氏：

そうですね。AIを「怖い」と感じる一番の理由は、その中身がよくわからないからだと思います。スマホの中でよくわからないプログラムが動いていて、なぜか自分よりも賢くなっていく…そう考えると、ちょっと違和感を覚えるのではないでしょうか。AIがまだ間違いを繰り返しているうちは「おもちゃみたいで面白い」と思えますが、性能が一気に上がると、逆に怖く感じてしまう。そういうことだと思います。うまく活用するには、その中身をある程度知っておくことが大事です。ただ一方で、ネットの記事などを見ていると、AIを必要以上に持ち上げたり、逆に怖いもののように書いたりと、極端な表現が少なくありません。そうすると正しく伝わらないことも出てくるので、専門家である自分のような人間がちゃんと発信しなくてはいけないと思いました。

杉山　将氏による機械学習の入門書『教養としての機械学習』（東京大学出版会）。AIのベースの一つである機械学習とは、コンピュータに大量のデータや経験を与えることによって、事象のパターン・ルールを発見し、予測などまでをも実現する技術である。機械学習の基礎から筆者らの最先端の研究までを初めての人にもわかりやすく解説する一冊。〜出版元の紹介文より〜

教養としての機械学習

―社会とAIの関わり方について、他に何か注目されていることはありますか。

杉山氏：

これは、特に若者や子どもに向けた話になりますが、日本の大学では今も、数学や物理、化学といった受験科目につながる分野に学生が集まる傾向があります。ただその分野で研究を深めようとすると、AIを活用するのがほぼ必須になってきています。以前は「次にどんな研究をするか」を人間が考えていましたが、今はデータを解析してAIに予測させるのが当たり前になってきたからです。そうなると、生物学や化学、医学といった分野でも、単に専門に強いだけでは対応が難しくなります。これからは、自分の専門を深める力に加えて、全体を見渡す力が求められると思います。それをAIと呼ぶかどうかは別としても、「データを使ったサイエンス」が重視される時代になっていて、その素養を持つことがますます大事になっていることは間違いありません。高校生や中学生の中には、自分などから見ても驚くほどAIに詳しい人がいますが、全体としてはまだ文系に進む学生が多くて、そうすると高校一年生くらいで数学をやめてしまうんですね。そのまま大学に進んでAIの授業を受けると、ちょっと数式が出てきただけで「この授業は無理」と敬遠してしまう。これは結構、まずい状況だと感じています。

―そうした状況を改善するにはどのような策が考えられますか？

杉山氏：

まずは、AIを使ってみること。今、日本は世界の中でもChatGPTなどの対話AIの利用率が低い国になっていて、おそらくご家庭などでも「子どもには使わせない」という親御さんが多いと思います。もちろん、アメリカのように使いすぎてトラブルになるケースもあるので注意は必要ですが、スマホもAIも禁止しておいて、大学に入った途端に、「AIは使えて当然」と言うのは、少し手のひら返しに思えます。世界ではこれから「デジタルネイティブ」ならぬ「AIネイティブ」が増えてきますから、少なくとも一般教養レベルでAIに触れておくことは、若い人たちにとってとても大切なことだと思います。本にも書きましたが、AIの学習には大きく分けて、教師付き学習、教師なし学習、強化学習の3つの方法があります。それぞれの考え方はシンプルで、コンセプト自体は数学の知識がなくても簡単に理解できます。教師付き学習は「人間が答えを教える方法」、教師なし学習は「答えを与えずにコンピュータがパターンを見つける方法」、強化学習は「試行錯誤しながら学ぶ方法」です。このくらいの区別を知っているだけでも、AIをブラックボックスのように感じて敬遠することは避けられると思っています。

AIの3つの代表的な学習方法

生成AI時代の共存戦略

―ただ、最近の生成AIを見ていると、私たち人間側もさらなるアップデートが必要な気がしています。

杉山氏：

それも重要なポイントですね。ここ5〜10年くらいは「ヒューマンセントリック」という言葉を政府も使っていて、人間中心社会や人間中心AIといった考え方が広く語られてきました。ただ最近は、時代の空気が少し変わってきたように感じています。あまり言葉が独り歩きしないように気をつけてお話ししますが、むしろ「AIセントリック」な社会がすぐそこまで来ているんじゃないかと思うんです。これまで人間にはできなかったことを実現するAIが次々に出てきていて、私たち人間側も考え方を大きく変えざるを得なくなっている。ただし、それは「仕事を奪われる」というより「役割の再分担」です。AIに任せられる部分は任せ、人間は新しい役割を担う。そうした未来が近づいているように思います。

―先生は、AI自体の進化についてはどう見ていらっしゃいますか？

杉山氏：

従来の機械学習は、ゼロからデータを集めてモデルを作るのが主流でした。しかし近年は、膨大なデータで事前学習された大規模モデルを基盤にし、「ファインチューニング（＊）」で用途に合わせるのが一般的になっています。ただし、事前に学習済みのモデルは万能ではなく、目的に合った結果を得るには「教師付き学習」のように大量のデータを与えて調整する必要があります。ここを「弱教師付き学習」のような手法で効率化できれば、さらに大きな進展が期待できると考えています。要するに、重要なのは「巨大モデルをどう活用するか」という視点です。一つの大きなモデルを皆で共有する形から、企業ごとに自社のビジネスに合わせて個別に調整する時代へと進んでいくのではないでしょうか。

＊ファインチューニング…機械学習におけるファインチューニングとは、事前にトレーニングされたモデルを特定のタスクやユースケースに合わせて再トレーニングし、性能を調整する手法

―先生が現在、最も関心を寄せていることについても教えてください。

杉山氏：

私自身はその分野の専門家ではありませんが、社会科学のような領域は今後ますます重要になると考えています。AIと人間が共存する社会では、優れた仕組みをどう設計し、人々がより良い方向に進めるように導くかが大切です。逆に、AIが悪用されるとすれば、それは技術そのものではなく、仕組みの設計に問題があるということになるでしょう。

―より良い共存のイメージは持たれていますか？

杉山氏：

開発者とエンドユーザーとでは考え方に違いがあるかもしれませんが、私たち研究者は「より良い技術を生み出し、社会を前進させたい」という想いで活動しています。ただ同時に、その技術が誤った方向に使われる可能性もあり、どこかでブレーキをかける必要があると感じています。研究の妨げになるような過度な規制は避けてほしいと思う一方で、現実には個人情報や著作権といった課題から制約が増えているのも事実です。だからこそ、社会課題をしっかり受け止め、その枠組みの中で残された自由度を最大限に活かして研究を進めていくことが重要だと考えています。一昔前までは機械学習やAIは社会からあまり注目されず、研究者が比較的自由に探究できる分野でした。しかし今では社会全体から強い関心を集めており、研究もまた社会的な枠組みの中で進めることが不可欠になってきています。

―先日、政府により策定中のAI基本計画の骨子案が話題になっていましたが、これについて先生のお考えをお聞かせください。

杉山氏：

法律は専門外なのであくまでも印象ですが、ヨーロッパはAIに対してかなり厳しく規制をかける方向に進んでいるように思います。アメリカはむしろ民間企業と一緒に積極的に進めていく姿勢ですし、中国は政府主導で管理しているという印象です。その中で日本は、まだ方針がはっきりしていない、少し曖昧な状況にあると感じます。どちらかといえばヨーロッパ寄りかもしれませんが、まだ手探りの段階でしょう。日本人は「管理されること」に比較的なじみやすい面もあるので、法律である程度枠を設けるほうが安心感につながるのかもしれませんね。

金融と地域におけるAI活用の可能性

―金融分野におけるAIの可能性については、どのようにお考えですか。

杉山氏：

金融はまさにデータの世界であり、AIの活用に最も適した分野の一つです。例えば、与信審査にAIを導入すれば、従来よりも公平で精度の高い判断が可能になります。千葉銀行がAIの活用に積極的に取り組んでいるのは素晴らしいことだと思いますし、地域社会の中で先駆的な役割を果たしていただきたいと期待しています。

右からエッジテクノロジー株式会社島田代表取締役社長、杉山技術顧問、坂西取締役

―今年、エッジテクノロジー社の技術顧問にも就任されました。どのような思いで取り組まれているのでしょうか。

杉山氏：

これまで企業と関わるときは、基本的に技術面でのアドバイスが中心でした。今回、人材育成を含めた幅広い活動に関わるのは私にとって新しい挑戦です。非常に刺激的で面白く、楽しんで取り組んでいます。研究そのものを進めることに加え、人を育てることも社会にとって重要な貢献であると強く感じています。

―最後に、AIそのものの魅力についてお聞かせください。

杉山氏：

生成AIがどうしてこんなに高い知性を発揮できるのか、実はまだあまりよく分かっていません。大抵は想定通りに動くのですが、ときには思いがけない反応を示すこともあります。「なぜ動いているのかわからないのに、大抵はちゃんと動いている」という状況は、とても不思議であり、研究者として強く惹かれるところでもあります。私にとって大切なのは、「使えればいい」ではなく、「どうして使えるのか」を理論で説明すること。そこに研究者としての面白さや使命を感じています。AIは生活を便利にしてくれる一方で、リスクも抱えています。だからこそ社会全体で仕組みを理解し、安心して使える環境を整えることが大事だと思います。私自身は、今後も理論と応用の橋渡しを続け、より良い社会づくりに貢献していきたいと考えています。

※内容は、取材当時のものです。現在の情報と異なる場合があります。