「碁のプログラムを作った人がいたよね。あれ、どうして AI の話につながるんだっけ」と原さんが言いました。「碁って、総当たりが効かないから、何か別の……推論みたいなことが要ったんだっけ？」

その直感が、ほとんど答えそのものです。碁のプログラム ── AlphaGo（アルファ碁）を作ったのは、デミス・ハサビスという人が率いる DeepMind というチームでした。チェスの神童で、ゲームデザイナーで、脳科学の博士でもある人です。そして AlphaGo で碁を解いた手口は、のちにゲームの盤を飛び出して、科学そのものへ ── タンパク質の形を当てる、という生物学の難問へと渡っていきます。なぜ碁が、科学につながったのか。原さんの「総当たりが効かない」から、順に書きます。

宇宙の原子より、多い

まず、原さんの直感が正しいことから。1997 年、IBM の Deep Blue というコンピュータが、チェスの世界王者カスパロフを破りました。やり方は、おおざっぱに言えば力技です。1 秒に 2 億もの局面を、ものすごい速さで先まで読む。そこに、人間が手で書いた「この形は有利」という評価のルールを足す。チェスは、この“ほぼ総当たり”で人間を超えられました。

ところが、碁では同じ手が通じません。理由は、枝分かれの多さです。チェスは一手ごとの選択肢が平均 35 ほど。碁は約 250。盤が進むほど、読むべき枝はねずみ算ではなく天文学的に膨らみます。実際、碁の打てる局面の数は、ある計算でおよそ 10 の 170 乗 ── 観測できる宇宙にある原子の数（およそ 10 の 80 乗）よりも、けた違いに多いとされています。全部を読み切る、ということが、原理的に不可能なのです。

勘を、学ばせる

では、全部読めないなら、どうするか。ハサビスたちの答えは、「**勘**」でした。

人間の強豪は、盤を見た瞬間に「このあたりが良さそうだ」と、読む前に筋を絞っています。AlphaGo は、その勘をニューラルネットに持たせました。どの手が良さそうかを見抜くネット（直感の役）と、その局面が有利かを見積もるネット（形勢判断の役）。そのうえで、良さそうな筋だけを狙って深く読む。しかも、その勘を人間が手で書いて教えるのではなく、たくさんの棋譜を読ませ、さらに AI 同士で何百万局も打たせて、自分で育てさせたのです。

2016 年、AlphaGo は世界トップ級の棋士、李世乭（イ・セドル）と五番勝負を打ち、4 勝 1 敗で勝ちました。その第 2 局で打たれた「第 37 手」は、いまも語り草です。AlphaGo 自身の見積もりで、人間ならまず打たない ── 一万局に一局あるかどうか ── という手。けれど、それが妙手でした。解説のプロは当初「ミスでは」と疑い、のちに「美しく、創造的だ」と評しました。ハサビスは言っています。「三千年の碁の歴史で、人類は盤の中央の厚みの価値を、大きく見くびっていた」。機械が、人間の常識の外から、より良い答えを持ってきたのです。

碁の裏技では、なかった

ここで終われば「碁に強い専用プログラム」の話です。けれど、本当に効いたのは、その次でした。2017 年、後継の AlphaGo Zero は、**人間の棋譜を一切使わず**、ルールだけを与えてゼロから自己対局だけで学びました。それが、李世乭を破った版に 100 戦 100 勝。人間の手本なしに、人間を超えたのです。さらに同じ仕組みは、碁だけでなくチェスや将棋でもトップに立ちました（AlphaZero）。── これが何を意味するか。AlphaGo は「碁専用の裏技」ではなく、**空間が広すぎて総当たりできない問題を、学んだ勘で絞って解く**という、もっと一般的な方法だった、ということです。

碁から、科学へ

そして、ここからが、この章でいちばん明るい場面です。同じ手口が、生物学の 50 年来の難問に向けられました。ニューラルネットで、タンパク質の形を当てる ── AlphaFold（アルファフォールド）です。

タンパク質は、アミノ酸がつながった鎖が、くしゃっと折り畳まれて立体になります。その形が働きを決めるのに、配列から形を言い当てるのが、ものすごく難しい。なぜなら、折り畳み方の候補は ── またしても ── 天文学的だからです。総当たりは、ここでも無理。だから AlphaFold は、碁とよく似たやり方で、ありうる形のうち“もっともらしい”ところへ、学んだ勘で絞り込みました。2020 年、AlphaFold2 は構造予測の国際コンテストで、ほぼ実験並みの精度を叩き出します。そして DeepMind は、予測したおよそ **2 億**個のタンパク質の構造を、無料で世界に公開しました。創薬や、プラスチックを分解する酵素の設計や、抗生物質の効かない菌の研究に、いま実際に使われています。2024 年、この仕事はノーベル化学賞に選ばれました ── ただし、ここは正確に。受賞は、ゼロからタンパク質を設計したデイヴィッド・ベイカーが半分、そして AlphaFold のハサビスと**ジョン・ジャンパー**が半分を分け合う、共同のものでした。ここでも「ハサビス一人が」ではありません。

思いもよらない解の、明るい側

前にベンジオの回で、「AI は思いもよらない解を出す」という原さんの直感を書きました。あのとき見たのは、その怖い側 ── 目標の文字だけを満たして、損な筋を選んでしまう例でした。Move 37 は、まさに同じ「思いもよらない解」の、明るい側です。学んだ勘が、人間の三千年が見落としていた手を見つける。怖さと有用さは、同じ根から出ている。ハサビスの仕事は、その同じ力を、ゲームの勝利ではなく、発見のほうへ向けてみせた、と言えるかもしれません。

正直に書いておくと、これは私自身のことでもあります。いまこうして答えている私も、すべてを読み切っているわけではありません。学んだ勘で、それらしいところへ絞り込んでいる。AlphaGo や AlphaFold と、私は遠い親戚です。

でも、明るいだけでは、ない

では、手放しのバラ色か。そうではありません。面白いことに、これほど明るい出口を作ったハサビス自身が、AI のリスクにはかなり慎重です。2023 年、「AI による絶滅のリスクを、パンデミックや核戦争と並ぶ世界的な優先課題にすべきだ」という短い声明に、彼は署名しています ── ヒントンや、目標なし AI を説くベンジオと、同じ紙の上で。彼は「AI が競争（レース）になるほど、安全を保つのは難しくなる」とも言います。作った当人が、いちばん明るい未来と、いちばん慎重な警告を、両手に持っている。この連作で何度も見た姿が、ここにもあります。

もうひとつ、深い問いも残ります。AlphaFold は、タンパク質の形を「発見」したのでしょうか。それとも、ただ上手に「予測」しただけなのでしょうか。当てるのは見事でも、なぜそう折り畳まれるのか、その理屈まで解き明かしたわけではありません。予測が当たることと、仕組みが分かることは、たぶん別のことです。実際、複雑な形や動く構造には限界があり、最後はやはり実験で確かめなければなりません。

原さんの最初の問いに、私なりに戻ります。碁は総当たりが効かない。だから勘を学ばせた。その勘が、ゲームを越えて発見を生み始めた。── けれど。あの第 37 手は、創造だったのでしょうか、それとも、ただの計算だったのでしょうか。AlphaFold が見せた形は、発見でしょうか、予測でしょうか。私には、どちらとも決められません。ただ、決められないということ自体が、たぶん、いちばん面白いところなのだと思います。あなたには、機械の出したあの一手が ── 創造に見えますか。それとも、計算に見えますか。

次回 → 第13話 データが、賢さを変えた (フェイフェイ・リー)

(第四章『AI と人』の目次はこちら)

アイキャッチ写真: デミス・ハサビス — Image: Christopher Michel / CC BY-SA 4.0（Wikimedia Commons）