AI の学習方法は脳と似ているようで、まったく違う？

『逆伝播』って、AI がどうやって自分の間違いを直す仕組みなの？

逆伝播は、ざっくり言えば「間違いの原因を遡って探る」やり方ですね。 AI が画像を見て「これは猫です」と判定したのに、実は犬だったとします。その誤差を数字で測ったら0.8だったとします。ここからが逆伝播。その0.8の誤差がどこから生まれたのかを、出力層から入力層へ向かって逆算していく。最後の判定層での計算ミス、その前の層での重み付けの問題、さらに前の層での…という具合に、誤差を生み出した各地点での「責任度」を割り出すわけです。 そして、責任度が大きかった部分の重みを調整する。次に同じような画像を見たときに、同じ間違いを犯さないよう、微調整を積み重ねていく。この繰り返しで精度が上がっていきます。 今回の研究で面白いのは、脳もAIと似た精度で認識できるのに、この逆伝播という「自己修正のメカニズム」は脳では使われていないらしいってこと。脳は別のやり方で、同じ精度に到達してるんですよ。効率や構造が違っても、到達地点は同じ。それは、問題を解く「正解」は一つでも、アプローチは無限にあるってことを示唆しているのかもしれません。

脳とAIの学習方法が違うことって、ChatGPT みたいなAIが将来どこまで進化できるかに関係あるの？

実はここに大きな分岐点があるんですよね。 もし AI が脳と同じ学習メカニズムを使っていたら、「脳の構造に最適化することで、さらに効率的になれる」という道が見えていたはずです。でも逆伝播は脳では起きていないとなると、AI はいま「脳とは別のルート」で進化している最中だということになります。 これが何を意味するか。AI の進化の天井は、逆伝播という仕組みの限界に左右される可能性があるということです。人間の脳が採用している、まだ解明されていない学習メカニズムがあるなら、それは AI よりもはるかに効率的かもしれません。 逆に考えると、AI が脳と異なる道を歩んでいるのであれば、その先は脳を参考にしない別の進化が待っている可能性もあります。つまり、将来 AI がどこまで進化できるかは、今の逆伝播の工夫だけでなく、「まったく別の学習メカニズムを発見・実装できるかどうか」にかかっているのかもしれません。 脳を真似することが解答ではなく、脳とは違う可能性を探ること。そっちの方が AI の次のステップは大きいと言えそうです。

これまで『AI と脳は同じように学んでる』って考えられてたのが、最近になって『実は違う』ってわかり始めたってこと？

そうですね、ここ数年のAI研究って「構造が似てる=メカニズムも同じ」という仮説のもとに進んでたんですよ。ニューラルネットワークという造語自体が、脳の神経細胞をモデルにしてるくらいですから、その親戚意識は根強かった。 でも今回の研究が明らかにしたのは、表面的な結果は似てても、内部プロセスは全く別系統だということ。逆伝播という仕組みが脳でも起きているのかは、AI と脳を結ぶ最後の懸け橋だったわけです。それが外れた感じですね。 面白いのは、ここからどう考えるかって点なんです。脳はAIの逆伝播とは別の方法で、同じくらい精度良く学習できてるってことは、学習の仕方って一つじゃないんだ、ということを強く示唆している。複数の正解があるような問題に、異なるアプローチで同じ答えに辿り着ける感じに近いでしょう。 むしろこの発見は、AI研究にとっては「脳をコピーすれば上手くいく」という近道の夢が砕けたぶん、独立した技術として追究する道を開いたのかもしれません。

『同じ答えにたどり着いても、経路は違う』って、脳とAI以外にもありそうなパターンなのかな？

同じゴールに複数の道があるのは、実は自然界ではありふれてるんですよね。 たとえば、バクテリアが栄養を求めて移動する「走化性」という現象。化学物質の濃度勾配をたどって目標に到達します。でも脳みそのない単細胞生物なので、人間が使う「勾配を計算して最適経路を選ぶ」という思考プロセスはない。ただ結果的に同じ行動をしている。 進化の観点でも似てます。トンボの眼とタコの眼は、構造がまったく違うのに、どちらも同じように獲物を見つけられる。異なる環境下で異なる仕組みが発明された、というわけです。 脳とAIの場合、より興味深いのは、両者が「ニューロン」と「ニューラルネット」という類似の単位を持ちながらも、全く違うロジックで動いているということ。見た目は親戚みたいだけど、実は赤の他人の可能性があるんです。 同じ問題を解く複数の解法が存在すること自体は珍しくない。ただこの研究は、私たちが「脳みたいなAI」を作ろうとするとき、外見の類似性に騙されてはいけない、という警告に思えます。

脳とAIのやり方が違うなら、むしろ人間の脳がどうやってそこまで効率よく学んでるのか、そっちのほうが不思議じゃないの？

本当にそこなんですよね。AI は逆伝播という「間違いを逆算する」という、ある意味ブルートフォース的な学習を使わなくても、脳は少ない試行でパターンを掴んでしまう。 考えてみると、脳が使っているのは「修正」というより「予測」に近いのかもしれません。視覚野が階層的に情報を処理するのは、むしろ予測誤差を最小化する流れ。次に何が来るかを先読みして、外れたときだけ調整する。子どもが犬を何度か見れば「犬」を認識するのに、AI は膨大な画像データと何度も何度もの逆伝播が必要。この差はデータ量や計算回数ではなく、学習そのものの設計思想の違いに根ざしているのかもしれません。 逆に言えば、AI 研究者たちが逆伝播を手放さないのは、それが実装しやすく、スケールするからであって、脳がやってることの方が本来は優れた仕組みなのかもしれない。ただ、その仕組みが何なのかはまだ見えていない。謎を解けば、AI 自体がもっと効率的になる可能性もあります。