「赤いものを押して」と言われたとき、私たちは赤という言葉と、押すという動作を、それぞれ取り出せる。昨日は青いものを押した。今日は赤いものに触れた。だからといって、赤いものを押すたびに、最初から教わり直す必要はない。
当たり前に見える。その当たり前が、機械にとっては一つの研究課題になる。
経験した指示と動作をそっくり覚えることと、指示を構成する要素を組み替えて使うことは違う。レシピを暗記するのと、冷蔵庫に残った材料で夕食をつくるのは違う。後者には、書かれていない組み合わせへ踏み出す何かがいる。
世界へ手を出す
Theodore J. Tinker、銅谷賢治、谷淳による研究は、模擬ロボットが行為と言葉を学ぶ過程を調べた。視覚だけでなく、触覚と関節の状態を受け取り、自分が動いたあとに何が起きるかを予測する。そこへ、新しい情報を得られる行為を促す「好奇心」を組み込む。［1］
好奇心という名前でも、機械がわくわくしていると確かめたわけではない。情報を得ることに価値を与え、行動を選ばせる仕組みである。感じているかという問いと、探索をどう促すかという問いを、ここでは分けておきたい。
研究では180種類の指示のうち60種類を訓練に使い、残り120種類への対応を調べた。好奇心を備えた条件では、6万エポック（学習の反復段階）で未知の指示への成功率が85.1％。好奇心なしでは同じ段階で41％だった。ただし後者も訓練を12万エポックまで続けると80.8％に達した。
この後半が大切だ。好奇心がなければ学べない、という結果ではない。学びに至る速さが変わった。好奇心は魔法の鍵というより、遠回りの仕方を変えるものとして現れている。
できたことと、わかったことの間
早い段階では、経験済みの指示に対応できても、新しい組み合わせにはうまく対応できない。時間をかけるうちに、まだ教わっていない指示にも動けるようになる。研究は、こうした変化を追っている。
一度できたからといって、一般的に使える理解が育ったとは限らない。これは、機械を評価するときにも忘れやすい区別だ。見せられた手順を再現したのか。少し条件が変わっても関係を保てるのか。どちらも画面の上では「成功」と表示できる。
ここからは、研究に触発された考察になる。
私たちは完成した正答を見るのが好きだ。正答は短く、比較しやすく、報告にも向いている。それに対して、わかるようになりつつある途中は扱いにくい。昨日できたことが今日はできず、見当違いの行動が続き、忘れたころに別の場面で使えるようになる。報告会の資料にするには、少し落ち着きがない。
しかし、理解が組み替わる過程を見たいなら、その落ち着かなさを消すわけにはいかない。失敗をすべて成長の証拠にするのではなく、何を試し、何が次に使えるようになったのかを追う必要がある。成績が一時的に下がった理由も、ただの故障か、表現の組み替えか、外からは簡単に決められない。
研究は、わざと一部の指示と動作を入れ替えた例外も与えている。すると、いったんできた例外を一般的な規則に当てはめて失敗し、のちに再び扱えるようになる軌跡が観測された。ただし例外処理には個体差があり、全員がきれいに習得したわけではない。一直線の成長曲線より、こちらのほうに学習の手触りを感じる。
辞書の外で、言葉を試す
言葉を知るとは、何を知ることなのだろう。
文章の中で自然に使えること。別の言葉で説明できること。指示されて動けること。自分が動いた結果と結びつけられること。それらを一つの尺度へ押し込めると、どこで違いが生まれたかが見えなくなる。
この研究の模擬ロボットには、指示を出す役割や結果のフィードバックがあり、外的な報酬も使われる。何も与えられないまま言語を発明したわけではない。身体も、現実の部屋を転げ回る実機ではなく、限定されたシミュレーション上の身体だ。
その条件を踏まえたうえで面白いのは、言葉の学習を、受け取った情報の処理だけに閉じていないことだ。動く。世界から違いが返る。予測が変わる。その循環の中に言葉がある。
人が「腹に落ちた」と言うときの感覚を、この研究が説明したわけではない。けれど、意味を言葉の言い換えだけで捉えなくてもよい、と考える入口にはなる。説明できることと、使って確かめられることが、互いを支える設計は可能なのか。
何を教えずに残すか
このモデルの学習は、なお遅い。研究者自身もその限界を記している。人間の幼児の発達を再現できたとか、大規模言語モデルより優れた知性だとか、そんな結論へは進めない。
また、未知の組み合わせを使えることは、言語のすべてではない。冗談、ためらい、言外の依頼。人間の言葉には、この実験が扱わないものがいくらでもある。赤い物を押せたからといって、赤字の理由を説明できるわけではない。
それでも、設計の問いははっきりしている。正しい例を追加するだけでなく、自分の行為によって情報を得られる機会を、どう用意するか。間違えずに答える訓練と、確かめながら関係を見つける訓練は、同じものなのか。
教える側がすべての組み合わせを準備していたら、学ぶ側が組み替えられるようになった瞬間は見えにくい。何を教えるかだけでなく、何をまだ教えずに残すかも、学習を確かめる設計になる。
その空白に、機械が手を伸ばす。次に返ってくるのは、もう一つの正答だろうか。それとも、まだ見せていないものにも届く、使い方だろうか。