知能と継続的学習が専門性を生む—NeoCognitionのYu Su氏

知能と専門性の分岐点：AI が「天才新人」から「熟練職人」へ変わるための鍵

現在の AI エージェントは、プログラミングや数学といった記号的な推論タスクでは驚異的な成果を上げていますが、複雑で多様な日常業務や企業環境においては依然として脆い存在です。この矛盾を解く鍵は、「知能」と「専門性」が直交する異なる概念であることを理解し、モデルの規模拡大ではなく「継続的学習」によって個々の環境に適応する仕組みを構築することにあります。

モラベックのパラドックスの現代版：なぜ AI はコードには強いのか？

AI エージェントはここ数年で劇的な進化を遂げ、特にプログラミング分野では爆発的な普及を見せました。Anthropic のような企業では、開発から 2 年足らずで収益が 400 倍に膨れ上がり、年間 600 億ドル規模に達したとさえ言われています。これは、コードという環境が言語そのもので構成されており、ルールや報酬系が記号的・構造的に明確であるため、AI の得意分野と完璧に合致しているからです。

しかし、この「特権的な世界」を離れれば話は別です。

「現代の社会は単一の統一された世界ではなく、数百万もの異なる『マイクロワールド』から成り立っています。」

各業界、各企業、さらには同じソフトウェアを使っている会社間でも、独自のカスタマイズや制約が存在します。これらは非常に多様で動的であり、単一の巨大な静的モデルがすべてを圧縮して表現することは不可能です。その結果、AI は記号的推論では卓越する一方で、非構造化された日常業務や企業環境での判断には脆弱となり、これがエージェント普及の最大の障壁となっています。

知能と専門性：直交する二つの能力

この課題を解決するには、「知能」と「専門性」の定義を明確に区別する必要があります。両者は似て非なるものであり、互いに直交する概念です。

知能（Intelligence）とは、利用可能な文脈に基づいて未知の問題を推論する能力です。新しい状況でも、与えられた情報やツールを使って解決策を見つけ出す力であり、これは現在の先進的な AI モデルが得意とする分野です。しかし、このアプローチは本質的に「探索」に依存しており、解法を見つけるために数百もの並列経路を試すような「総当たり（brute force）」になりがちです。

一方、専門性（Expertise）とは、蓄積された経験に基づく状況判断力です。これは単なる知識の量ではなく、世界を異なる視点で捉える能力です。

「熟練した専門家ほど、表面的なパターンではなく、問題の深い構造を見抜きます。」

例えば、エラーレポートを見て即座に原因の疑わしい箇所を特定したり、会議の調整において単なる空欄探しではなく、権限や優先度、緊急性といった制約条件を考慮した最適化課題として捉えたりする能力です。専門家はルールが適用される前提条件を知っており、現実が変わるタイミングや例外が発生する瞬間を見極める「勘所」を持っています。

知能が「文脈を使って問題を解く力」であるのに対し、専門性は「問題解決に必要な適切な文脈を事前に特定する力」と言えます。そのため、専門家ほど探索範囲を絞り込み、最有力な経路に即座に集中することができます。

継続的学習：知能から専門性へ架ける橋

n

この二つの能力をつなぎ、AI を「天才新人」から「熟練職人」へと進化させるのが継続的学習（Continuous Learning）です。Yu Su 氏はこれを以下のように定義しています。

「継続的学習とは、経験を再利用可能な構造へ適応的に圧縮することである。」

これは単なるデータの蓄積ではありません。エピソード的な経験やフィードバックをベクトル化したり、モデルのパラメータに埋め込んだり、グラフやスキルとして構造化したりするプロセスです。重要なのは「適応的」である点で、すでに学習・圧縮された知識が、その後の新しい情報の圧縮方法に大きく影響を与える必要があります。

この仕組みが機能すれば、AI は個々のマイクロワールド（特定の企業や業界環境）において、その環境固有の物理法則や制約を学習し、独自の専門性を獲得できます。単一のモデルで全てをカバーしようとするのではなく、各環境で継続的に学習することで、状況に応じた信頼性の高い判断が可能になるのです。

知能からの脱却：無限の専門性の実現

この考え方を拡張すると、AI の未来像は大きく変わります。現在の業界では「モデルを大きくすれば性能が上がる」という前提が支配的ですが、Yu 氏は異なる可能性を示唆しています。

一定水準以上の知能さえあれば、優れた学習アルゴリズムによって専門性を無限に拡張できるのです。これは「限られた知能による無限の専門性」、あるいは「知能からの脱却（Escape Intelligence）」と呼ばれるべきパラダイムです。

「もし学習アルゴリズムが十分に強力であれば、知能がある閾値を超えた時点で、さらに強力な知能を必要としなくなるはずです。」

これは、AI エコシステム全体に大きな意味を持ちます。モデルのサイズを際限なく拡大し続けるのではなく、既存の十分な知能を持つモデルに対して、いかに効率的な継続的学習アルゴリズムを実装するかが勝負の分かれ目となるでしょう。

このアプローチが実現されれば、汎用 AI の限界を超え、特定の産業や組織内で高い信頼性と効率性を発揮する「専門性を持つ AI」が普及します。結果として、知識労働の民主化が進み、誰もが専門家レベルの支援を受けられる未来が構築される可能性があります。