「なぜAIの学習には、これほど膨大なデータが必要なのか」
近年、大規模言語モデル（LLM）の進化が目覚ましいですが、同時にその舞台裏にあるデータの桁違いの多さに驚かされます。高性能AIの訓練には十数兆ものトークンという、オックスフォード大学図書館の全書籍の10倍以上のテキストデータが費やされています。
一方で、私たち人間はどうでしょうか。3歳の子供であれば、猫の写真を3〜5枚ほど見せれば、世の中のあらゆる猫を正確に見分けることができます。かつてGoogleがAIに猫を認識させるために1000万枚の画像を用意し、丸3日間訓練し続けた歴史を考えると、人間とAIの間には数百万倍もの学習効率の差が存在します。
人間の脳は、なぜこれほど高効率なのでしょうか。その答えを鮮やかに提示してくれるのが、AI企業の創業者であるマックス・ベネット氏の2023年著書『A Brief History of Intelligence: Why the Evolution of the Brain Holds the Key to the Future of Ai』（知性の未来―脳はいかに進化し、AIは何を変えるのか―2025年邦訳出版）です。
著者は、人類の知能には40億年の進化の過程で「5つの重大なブレイクスルー（突破口）」があったことを突き止めました。本記事では、この5つの進化のステップを紐解きながら、新世代、教育関係者、リスキリングに励む現代人に向けて、「人間の知能を開花させるための5層のインプット法」を解説します。
共通するロジックは、「どのような材料（データ）を与えるかが、どのような脳（知能）を形作るかを決定する」というシンプルな事実です。
第1の突破口：線虫から学ぶ「因果関係の回路」と「現実世界の経験」
今から約5億年前、地球上に全長わずか1ミリの透明な生物「線虫」が現れました。神経細胞（ニューロン）は302個しかありません。これは脳ではなく、単なる「神経節」です。
しかし、この302個のニューロンのおかげで、線虫は自ら動いて餌を探す能力を獲得しました。頭部で細菌の化学信号を感知すると前進し、尾部で危険な毒素を感知すると後退します。ここに、最古の知能である「もしAならBである」という因果関係の回路が誕生しました。
- 現代の学びへの示唆：まずはリアルな「一次情報」に触れさせる
線虫が学習するための材料は、環境に漂うリアルな化学信号でした。初期のAIもこれに倣い、人間が「IF-THEN」の規則を記述してプログラムを組む手法をとっていましたが、これではAI自身が自律的に学ぶことはできません。現代の日本の教育現場や家庭でも、これと同じ問題が起きています。たとえば、理科の授業で「ビタミンDは腸でのカルシウム吸収を促す」と学んだ高校生が、テストの「ビタミンDが不足すると骨粗鬆症になる理由を答えよ」という問いに対して、「腸で吸収される話と骨の病気の話が繋がらない」と困惑するケースがあります。これは、知識が文字という「二次情報」の中に閉じ込められ、基礎的な因果関係の回路が脳に育っていないことが原因です。第1層のインプットとして重要なのは、植物の観察や実生活の常識など、「現実世界（リアル）の直接的な経験」に触れ、脳に生きた因果関係の原材料を与えることです。
第2の突破口：原始の魚類から学ぶ「試行錯誤の回路」と「失敗の機会」
約5億年前の「カンブリア爆発」の時代に、人類の脳の原型となる「最初の本物の脳」を持つ脊椎動物（原始の魚類）が登場しました。大脳皮質、基底核、視床などを備えたこの脳は、「強化学習（試行錯誤による学習）」という武器をもたらしました。
試行錯誤の難しい点は、「数多くのプロセスのうち、どの行動が正しかったのか」を判定することです。1980年代にAI研究者が開発した「時間差（TD）学習法」は、最終結果だけでなく「次の一手への予測誤差」を報酬として計算することで、この問題を解決しました。のちに脳科学者たちは、脊椎動物の脳もまた、神経伝達物質である「ドーパミン」を「予測誤差シグナル」として利用し、このアルゴリズムと全く同じ仕組みで脳内ネットワークを最適化していることを突き止めました。
- 現代の学びへの示唆：過保護を止め、失敗による「予測誤差」を経験させる
生物の脳は、行動してみて「思った結果と違った」というエラーを繰り返すことで、効率的な予測モデルを構築していきます。これは、チェスのAIが自己対局という膨大な試行錯誤を経て、わずか数日で人間を超えたプロセスとも重なります。しかし現代は、親が「先回りして失敗を防ぐ」過保護な傾向が強まっています。アメリカの研究でも、過保護に育てられた学生ほど、前頭前皮質の発育が滞り、新しい環境に対して極めて脆弱で、不安症になりやすいことが判明しています。失敗の機会を奪うことは、脳の学習インフラであるドーパミンシステムを錆びつかせることに他なりません。安全な範囲であれば、「あえて失敗させ、そこから自律的に予測を修正させる機会」を与えることが、第2層の不可欠なインプットとなります。
第3の突破口：初期の哺乳類から学ぶ「シミュレーションの回路」と「想像の素材」
約6600万年前、小惑星の衝突によって恐竜たちが絶滅し、生き残った小型の哺乳類たちの脳に大きな変化が起きました。「新皮質」の発達です。これにより、生物は「想像力」という素晴らしい能力を手に入れました。
研究により、ネズミのような哺乳類であっても、迷路の分岐点に立ったとき、海馬と新皮質を連動させて「どの道に進むべきか、脳内で未来のルートを予行演習（シミュレーション）している」ことが証明されています。人間が深い思考に没頭しているときに瞳孔が大きく拡大するのは、脳が内部のシミュレーションにリソースを集中させ、外部の視覚情報の処理を一時的に抑えるためです。
- 現代の学びへの示唆：良質な「モデル（シミュレーションの原材料）」を蓄積する
自動運転のAIも、単にぶつかって覚えるだけでなく、システム内部に構築した世界モデルの中でシミュレーションを繰り返す手法をとることで、学習効率を飛躍的に高めています。人間の脳のシミュレーション能力を高めるためのインプットとは、「想像の素材となる良質なコンテンツ」です。文学作品を深く読み、他者の心理や複雑な人間模様を脳内で追体験すること、あるいは良質なドキュメンタリーを通じて世界の生態系や社会構造を観察すること。これらはすべて、新皮質が世界をシミュレーションするための「精緻なモデル（内的な世界地図）」を豊かにする作業です。動画の倍速視聴や、要約された情報ばかりを摂取していると、脳のシミュレーション回路は退化してしまいます。
第4の突破口：霊長類から学ぶ「他者理解の回路」と「リアルな人間関係」
約1500万年前、霊長類へと進化した私たちの祖先は、社会的な群れの中で生き抜くために脳を巨大化させました。他者の行動を見るだけで自分の脳内でも同じ領域が活性化する「ミラーニューロン」であり、他者の意図や知識、信念を推測する「心の理論」の獲得です。武力だけで序列が決まる他の哺乳類と違い、霊長類は「他者が何を考え、誰と協力関係にあるか」を推測する認知能力を駆使して、生存率を高めてきました。
- 現代の学びへの示唆：スマホの画面を離れ、泥臭い「社会的相互作用」を経験する
最先端のAIであっても、この「心の理論」の実装は極めて困難です。AIは人間の言葉を流暢に処理しますが、「人間の真の意図や暗黙のニーズ」までは理解していません。人間の子供たちが4歳前後に、他者の意図を察する脳の領域を急速に発達させるためには、「リアルな人間関係の摩擦と社交の刺激」が不可欠です。幼少期からスマートフォンやゲーム画面ばかりに向き合っていると、この他者理解の回路が十分にトレーニングされず、相手の文脈を察する、他者の失敗から教訓を得るといった高度な社会的学習の効率が著しく低下します。リアルな集団活動や他者との対面での関わりこそが、知能を高めるための第4層のインプットなのです。
第5の突破口：ホモ・サピエンスから学ぶ「言語と思育の回路」と「厳選された知の摂取」
約10万年前、人類は「言語」という最大の知能の兵器を手にしました。言語の登場は、生物学的な学習の限界を根底から覆す革命でした。
言語があれば、「あの森の赤いヘビには毒があるから近づくな」という一言だけで、実際にヘビに噛まれるリスクを冒すことなく、次世代に正確な知識を継承できます。つまり、「他人が時間とリスクをかけて行った学習の成果を、言語を通じてそのまま自分の脳へインストールできる」ようになったのです。これにより、知識は個人の脳を超えて「人類のネットワーク全体」に蓄積され、無限の進化を始めました。
- 現代の学びへの示唆：ネットのノイズを捨て、古典や原著（良質な言語）をインプットする
現在の生成AIも、まさにこの言語という人類の遺産を食べて学習しています。しかし、AIと人間の言語学習には致命的な違いがあります。AIは、インターネット上の有象無象のテキストを無差別に受動的に詰め込まれているため、時として荒唐無稽なハルシネーション（幻覚）を起こします。しかし、人間には「インプットする言語を主体的に選択する権利（価値観）」があります。読書は脳の物理的構造を変化させ、文字処理に特化した「視覚文字語形領域」を発達させます。短文のSNSやインスタントな情報ばかりを読んでいる脳は、浅い快楽を求める回路に書き換わります。第5層のインプットで成人が目指すべきは、「人類の知恵が凝縮された古典、科学的根拠のある原著、論理的な思考で書かれた書籍」を深く精読し、強固な言語的思考のフレームワークを脳内に確立することです。
結論：You are what you read（あなたの大脳は、あなたが摂取したデータでできている）
「なぜ人間は数枚の写真で猫を理解できるのか」という問いの答えが、ここにあります。私たち人間の脳は、40億年の進化のロードマップを経て、5つの強力な神経回路を地層のように重ね合わせて事前にプログラム（事前学習）してきたからです。
- リアルな世界の経験が、強固な「因果関係の回路」を作る。
- 安全な範囲での試行錯誤が、柔軟な「予測モデル」を作る。
- 良質なコンテンツの蓄積が、高度な「シミュレーションの回路」を作る。
- 泥臭いリアルな人間関係が、鋭い「他者理解（心の理論）の回路」を作る。
- 厳選された知（古典や原著）の精読が、深い「言語的思考の回路」を作る。
AIの進化スピードは高速ですが、AIは学習の材料を受動的に与えられるだけの存在です。目標も、メタ認知能力も、価値観も持っていません。
しかし、私たち人間は違います。目標意識に基づき、脳に与える材料を能動的に選ぶことができます。「You are what you eat」という言葉がありますが、知能の世界においては、「You are what you read / experience（あなたの知性は、あなたが読み、経験したデータでできている）」と言えます。
AI時代における人間の最大の優位性は、その高度な脳のレイヤー構造を理解し、主体的に良質なインプットを選び取る能力にこそあるのです。私たちの脳には5億年かけて育まれた「世界を深く解釈するための5つの地層」がすでに備わっていることに勇気づけられます。情報が溢れる現代だからこそ、より人間らしく、より深い知性を磨くための、古典や現実世界の経験という最高の「材料」を自分の脳に与えていきたいものです。
『知性の未来―脳はいかに進化し、AIは何を変えるのか―』 マックス・ベネット (著)
恩蔵絢子 (訳) 2025年
コメント