AIと人間の共創の大義

The cause of AI and human co-creation

下記に寄稿させて頂いた読み物のWEB版です（同じ内容，読みづらくてすみません）。

0章

AI研究は，AIと人はどう向き合うのか，人とは何か，という問いである。AIによって可能になる「新たなデザイン」があるとするならば，それを私たちが目にするのはこの問いに対する姿勢が見えてきた時であろう。本稿では前半でAIの工学的な萌芽性を論じ，後半ではAIの課題をふまえ人間科学的に「AIと人間の共創」を論じたい。(以降，本稿ではAIはDeep Learningを指す)

1章「AIと人間の共創」の大義

「AIと人間の共創」の大義とは何だろう。つまりAI研究を行う意義，またAI研究を通じて得られる教育的な意義，それは何だろうか。原稿執筆時，筆者の回答は，

「感性の高次元継承」（2章）
「人の再認識と拡張」（3章）

である。この回答に至った筆者らの具体的な研究内容は論文やWEBページで公開済みであるので，本稿ではこの2点に絞って示す。

2章「感性を高次元に後世に継承するAIのデザインにおける萌芽性」

生命という身体的限界の終わりによりある感性が失われることは人類の損失である。AIにはこの損失を小さくし，ある現象をより高次元に後世へ継承可能にする萌芽性が大いにある。その一例が「特定の作家の感性を学習したAI」という試行である。AIによって特定の感性を高次元に保存・再生可能にする。これは，優れていると評される感性の優位性が希少性によるものであるならば，作家としての存在意義を喪失させることである。しかし身体的限界を超えてある希少な感性を永久に活かすことでもある。つまり広義の意味でAIは新たな歴史の保存方法である。記録すること自体に文化的な意味があるが，デザインにおいてどのような萌芽性を持っているのだろうか。それは下記である。

ペアミーティングAI：

人は対象に対する主観的・客観的な評価群を総体的に高めるようにデザインする。ゆえに時折他者に評価を求める。この評価はあくまで外的な要因であるがデザインを決定付けるゆえ，自身の能力と同等に重要である。この決定要因を優れた作家の感性とするのが「１」である。対象が何であるかという分類・予測はAIの得意分野であり，AIが着目される契機でもある。ある作家・形式・パターンを学習することで，任意のデザインとの類似性という評価から自身のデザインを評価してくれるAI生成の可能性は十分にある^{参考文献1)}。

デザイン生成AI：

人は認知の自覚に関わらず何かしらの記憶から何かを創成している。この前提をデザインとするならばAIにデザインは可能である。画像を例にすれば，画素分布という特性を基に別の画像を生成するAIである。Deep Learningにはこのような技術があり，GAN（敵対的生成ネットワーク）と呼ばれている。GANを用いると学習画像と極めて類似性の高い画像を生成できることが既に分かっている。このAIを敢えて未熟に学習させることで，類似しているが学習画像そのものではない画像を大量に生成することができる。つまり人が任意のデザインソースからそのデザインを抽象的に内包する別のデザインを生み出すように，AIもデザインを生み出すことができる^{参考文献2)}。

デザイン演算AI：

「２」と密接に関わり人は記憶の連関として何かを創成している。複数の記憶を連関させる能力の顕在化がアイデアであり，高次元な情報の抽象的解釈の具現化が建築であることに近い。これを行うのが「３」である。「２」が可能になった段階でAIは特定の画像のデザイン特性（画素分布の特性）を数として再生可能な状態に学習している。これはデザインを数で表現可能にしたことを意味している。すなわちデザインの演算，任意のデザイン同士の四則演算が可能であることを意味している^{参考文献2)}。

アンサンブルデザインAI：

前述のGANには多くの種類が提案されておりそれぞれ特徴がある。その中には対象の形態をできるだけ保持しつつ，別の対象のテクスチャーに変換するという特徴を持つAIがある。これを利用することで「ある作家の形態」と「ある作家のファサード」を組み合わせあることができる。「3」のような中間などではなく，デザインのある要因はA作家，別の要因はB作家，複数の演奏者によって奏でられるアンサンブル演奏のようにデザインを産み出す，そんな時代も場所も超えた共創が可能である^{参考文献3)}。

デザインレンダリングAI：

組み合わせたいと思うデザイン性はもちろん作家であるとは限らない。建築設計行為の過程は建築に限らないデザインソースをデザインコンセプトに持ち，それを検討されたボリュームモデルに反映させる，という場面がある。「４」を応用することでこれも可能である。例えばあるボリュームモデルに地域を象徴するような工芸品は伝統集落を反映させる，いわばデザイン性のレンダリングが可能である^{参考文献3)}。

3章「人の再認識と拡張」

「人の再認識と拡張」は「AIと人間の共創」の二つ目の大義であり，2章に示した萌芽性によって「共創」を実現するための課題でもある。この大義は，建築家とは何だろうか，人とは何だろうか，自分とは何だろうか，という哲学的な問いに対する自分なりの回答である。AI研究は人の特有性や価値をAIと相対化することで浮かび上がらせる行為でもある。AIの技術的な課題と背景から改めて認識する「人」の価値から「共創」にむけた課題やAIと人の関係性における人の役割が見えてくる。まずAIの技術的な課題と背景を示す。

デザインにおけるAIの技術的な課題とその背景

Deep Learningの特性は，学習させたい入力の特徴量や出力との因果関係の事前設定が学習しようとする複雑な関係性に比して少ない，という性質である。同時にDeep Learningの課題は，上記の特性を持つゆえに獲得された因果関係の理解が人間には困難という性質である。この課題をデザインに置き換えると，

A)：AIは生成したデザインをプレゼンしてくれない。

ということである。そしてこの背景には，

B)：人間（自分）のことは人間（自分）自身が分かっているという前提
C)：AIというデザインプロセスからは「汗」「魂」「コンセプト」が想起しづらい

という壁がある。

A)は，AIが人のデザイン認知を超えた優れたデザインを生成したとしても人がそれを理解・説明するまで陽の目をみない，ということである。この課題は社会的責任を強く担う建築設計において特に重要である。言わば「説明可能性の壁」である。この背景には，説明責任やエビデンスベースが重要視される社会情勢だけでなく，B)という前提の壁も考えらえる。人の理解を前提とすると，人が用意または理解可能な特徴量・因果関係から産み出されるデザイン可能帯を超えづらい，ということでもある。しかし素朴に振り返ると，言語にできないが直感的に何となく好き，ということは誰にもあろう。これは人の心理評価は不確実で曖昧な現象であることを意味している。さらに言えば，ある瞬間に限定すれば人はデザインを評価できるが，時間やシチュエーションと共に変化する不確実で，量的なのか質的なのかすら曖昧で分布不明な確率現象である。このように考えると，人による説明可能性は本当に必須で，意思決定において本当に確かな根拠なのだろうか。果たして，先人達のデザインは，その瞬間においてどれほど説明可能で，エビデンスベースだったのだろうか。C)も重要であるが学術的な内容からさらに逸脱するので記述は割愛する。

4章「人の特有性と価値」「AIと人間との共創に向けて」

上述の課題は「人の特有性や価値」，そして「共創」に向けた「AIと人の関係性」を浮かび上がらせる。現状でAIには，A) B) C)を持つパートナー，自身の認知を超えたデザインの可能性があるという柔軟性，気付きを見出す連関力，説明力を持つ人間が必要である。現代社会において「AIが言ったらから」で済ます訳には当然行かない。加えて，極端に言えば現在の人間のデザイン力や判断力を超え，かつ機械的な判断が世の中に許容されても，「AIが言ったらから」で優れたデザインが実現しても「AIと人間との共創」の大義は果たされない。なぜだろうか，大義を思い出して欲しい。それは「人が拡張されていない」からである。AIが人によって成長するように，人もAIによって成長する，それも大義なのである。技術進歩や社会的風潮に関わらず，AIを怪しい道具でも無く超凄い道具でもなく，事前認知を超える可能性を引き出し得る一つの個性と向き合うことが「共創」には必要であろう。

元来ブラックボックスである人の感性を保存したAIは，しばらくブラックボックスであろう。しばらくは言わば言葉足らずな一風変わったパートナーである。人間の言葉が話せなかったとしても，個性的なパートナーとの対話には気付きがある。説明可能性に規定されてしまっている未知の建築設計・都市計画の可能性があるなれば，AIの完全読解や超凄いAIを待たずとも，このような姿勢により「説明可能性を超えたデザイン」が導出されると信じたい。このためには既往を恐れない挑戦心と柔軟な思考，そして技術に対する経験的理解が必要である。「シンギュラリティは既に起きているかもしれない，人が気付いていないだけかもしれない」，AI研究はこのような思考を養うための筆者自身の学びの場であり，大学教育の場でもある。

参考文献

山田悟史，大野耕太郎：Deep Learning を用いた印象評価推定AI の作成と検証−街並み画像の街路名と訪問意欲を対象に−,日本建築学会計画系論文集,第84巻,第759号,pp1323-pp1331,2019.5
山田悟史，大野耕太郎：Deep Learning を用いたデザインAI の作成と検証−街並みと建築物外観の画像生成を対象に−,日本建築学会計画系論文集,第85巻,第770号,pp.987-995,2020.4
ジェネレーティブデザイン AI　その２（筆者らの研究室WEBページ）:http://satoshi-bon.jp/2019/11/06/generative-design-ai/

建築学会の会報誌「建築雑誌」2020年10月号