【フィジカルAI時代】これから重要になる学問・学部は？

＞組み込みシステムはプログラミングを使いますが、単にコードを書く仕事ではありません。
センサー、プロセッサ、通信、制御、モーターなどのハードウェアとソフトウェアを組み合わせ、「AIと現実世界をつなぐ実装層」を担います。



「ロボットは、東大に入れるか」プロジェクトの「東大ロボくん」では、組み込みシステムを名古屋大学が担当していました。

その名古屋大学と岐阜大学は、現在、東海国立大学機構の枠組みを活用して、大学の垣根を越えて授業を履修できる仕組みも整えています。

こうした取り組みを見ると、大学の価値は入試偏差値だけでは測れない部分があると思います。

旧帝大などの研究力の高い大学を中心に、大学間連携や教育資源の共有によって、学生の学びをさらに引き上げていく。

こうした取り組みは、個々の学生のためだけでなく、日本の技術力や国力を維持していくという意味でも、ぜひ頑張ってほしいところですね。

岐阜大学と名古屋大学の連携は、工学部だけではありませんよ。

名古屋大学は、文科省の「数理・データサイエンス・AI教育強化」の拠点校の1つで、その教育では、理工系だけを対象にするのではなく、

システム系・理工系・生命系・社会・人文系の特性を考慮しながら、数理・データサイエンス教育を構築しています。

つまり、

「DSを学ぶのは情報系の学生だけ」

という発想ではありません。

DS教育では、

専門分野×データサイエンス×AI

という方向で教育が行われている。

まさに今回のスレで考えている、「〇〇×AI」の実例ではないでしょう。

↓

＞米国ノースカロライナ州立大学の協力のもと、4系（システム系、理工系、生命系、社会・人文系）を設け、分野の特性を考慮しつつ、教育プログラムとして構築し、全分野の学生に教育。


◆　名古屋大学　数理・データ科学教育

◎　超スマート社会の実現にに向けたデータサイエンティスト育成事業（文科省）

採択プログラム
・プログラムの概要
超スマート社会のデータサイエンティストに必要な3要素（実世界データ知識，ツールの活⽤スキル，異分野との協業マインド）の育成を⽬的として，2019年度に実践データサイエンティスト育成プログラムを開設しました．本プログラムでは，企業などから提供されるデータを⽤いて，実社会の課題をグループワークで解決する「実世界データ演習」を実施します．また，実世界データ演習の取組に必要な能⼒を養うための講義科⽬を開講します．本プログラムの修了者には「修了証」を授与します．

・事業の実施体制
名古屋大学，岐阜大学，三重大学，広島大学の4大学が連携し，米国ノースカロライナ州立大学の協力のもと，事業を実施しています．

一旦、ここまでの議論を整理してみます。

① これから重要性が増す学問は？

AI・情報系だけでなく、機械、電気電子、制御、半導体、材料など、フィジカルAIを支える幅広い工学分野の重要性について議論。

フィジカルAIは、AIだけで完結するものではなく、現実世界で「見る・判断する・動かす」ための複数の技術が組み合わさって成立するとの意見。


② 具体的に、どの学部・学科が有利になるのか？

「機械×AI」「電気電子×AI」「制御×AI」「半導体×AI」など、専門分野とAIを組み合わせる「〇〇×AI」という考え方が見えてきました。

また、岐阜大学などの実例から、実際の大学でもこうした分野融合が進んでいることの情報を得ました。


③ 「AIを学ぶ」だけで十分なのか？

「AIでコードを書ける」ことと、「AIを現実の機械で動かせる」ことは別の話。

フィジカルAIでは、AI・情報系の知識だけでなく、組み込み、制御、電気電子、機械など、AIを現実世界につなげる技術も重要。

つまり、AIを作る側だけでなく、AIを実際の製品やシステムに実装できる人材も必要になるのでは、との意見。


④ 大学選びでは、何を見るべきなのか？

大学選びでは、単純に偏差値や学部名だけを見るのではなく、

・どのような研究室があるのか
・研究設備は充実しているのか
・企業との共同研究や産学連携はあるのか
・他大学との教育・研究連携があるのか
・大学院まで含めて、どのような専門性を身につけられるのか
・AI、ロボット、半導体、DSなどを専門分野と組み合わせて学べるのか


といった点を見ることも重要だと分かってきました。

ここまでをまとめると、「AI時代だから情報系」という単純な話ではなく、
「自分の専門分野に、AI・データサイエンスをどう掛け合わせるのか？」
という視点で、学問・学部・大学を考えていくことが重要なのではないか、という方向性が見えてきたように思います。

これまでの議論では、概ねこの点について共通した認識が得られてきたのではないでしょうか。

⑤ 「頭」と「手足」に分けて考えてよいのか？

ここまで「〇〇×AI」という考え方を見てきましたが、もう一つ考えておきたいのが、
「AI＝頭、機械・制御＝手足」
という捉え方です。

一見すると分かりやすい比喩ですが、フィジカルAIを考えるうえでは、むしろこの分け方自体が適切ではないのではないでしょうか。

フィジカルAIとは無縁の文系者には、「AI＝頭、機械・制御＝手足」という例えは、直感的には分かりやすいんだけど、ちょっと単純化しすぎかな。

ロボットって、

センサーで見る
↓
AIが認識・判断する
↓
制御する
↓
モーターやアクチュエーターを動かす
↓
実際に動く
↓
その結果をまたセンサーで見る

というループで動いているわけでしょ。

AIがどんなに賢くても、センサーが情報を取れなければ判断できないし、制御が間に合わなければ動かせない。
アクチュエーターや機械構造の性能が足りなければ、AIの判断そのものを実現できない。

逆に、センサーや制御、機械側の性能が上がれば、AIが扱える情報や実現できることも変わってくる。

そう考えると、

「頭が上位で、手足が下位」

というより、全部がつながった一つのシステムと考えた方が自然でしょうね。

そもそも「有機的全体」と言うのであれば、最初から「高次」「低次」と上下に分けてしまうのも、ちょっと不思議な話。

自動運転でもロボットでも、重要なのは「誰が頭なのか」ではなく、

AI・センサー・半導体・制御・機械・駆動系を、どこまで一体として成立させられるか、ですよね。

「頭と手足」という比喩、一般人に説明するには便利ではあるけど、フィジカルAIを考えるなら、むしろこの比喩から一度離れた方がいい気がする。

「頭と手足」という比喩が適切かどうか以前に、ここまでの議論は少し話が飛びすぎています。

AI・機械・制御・電気電子などが一体になってフィジカルAIを構成することと、「だから幅広い分野を大学で学ぶことが重要」という話は別です。企業が必要としているのは、各分野を少しずつ知っている人ではなく、それぞれの専門領域で深い知識を持ち、必要に応じて他領域と接続できる人材です。

例えば制御工学を専攻した人にAIの基礎を身につけさせることと、機械・電気・制御・AIを全部浅く学ばせることでは、全く意味が違います。フィジカルAIは分野融合だからこそ、それぞれの専門性の深さが必要になる。

そして大学間連携やDS教育の実例をいくら挙げても、それだけで「大学の価値」や「これから有利な学部」が示されるわけでもありません。重要なのは、そこで何をどの深さまで身につけ、卒業後にどの産業・研究開発で価値を生み出せるかです。

「AI＝頭、機械・制御＝手足ではない」という結論自体はその通りですが、そこから「だから〇〇×AIという教育が重要」「大学間連携を進めれば国力につながる」と話を広げるのは、単なる一般論です。

結局、問うべきなのは比喩でも大学の取り組み紹介でもなく、フィジカルAIのどの技術領域で今後どれだけの付加価値と雇用が生まれ、そのためにどの専門人材が何人必要になるのか、でしょう。

そこまで数字を出さずに「分野融合が大切」でまとめてしまえば、聞こえはいいですが、大学選びの判断材料としてはほとんど何も答えていません。

ところで、ウェ〜イさんは「AI＝頭、機械・制御＝手足」という考え方については、どう考えているのでしょう？

私は、ここが今回の話では結構重要だと思っています。

人間なら「頭が命令して、手足が動く」という関係で説明できますけど、フィジカルAIも本当に同じなのでしょうか。

ロボットは、センサーで取得した情報をAIが処理し、その結果を制御系が動作に変換して、モーターなどが動き、その結果をまたセンサーが取得する。

つまり、頭から手足への一方向の命令系統ではなく、身体側からの情報も含めたフィードバックループですよね。

センサーの性能が変わればAIが判断できることも変わるし、制御や駆動系の性能が変われば、AIが実現できる動作も変わる。

そう考えると、

「AI＝上位の頭脳、機械・制御＝下位の手足」

という捉え方そのものが、フィジカルAIにはあまり適していないように思うのですが。

「専門性の深さ」の話とは別に、まずこの「頭と手足」という上下関係をどう考えるのか、そこを聞いてみたいですね。

そこは私もAI＝頭、機械・制御＝手足という比喩を文字通りの階層構造として捉える必要はないと思います。ただ、ここで議論を一段上げると、上がっている指摘はフィジカルAIの構造を説明しているだけで、私が問題にしている専門性の深さの話を反証してはいません。

むしろ現在のロボティクス研究を見ると、知能と身体を統合的に扱うことと、各専門領域の高度な専門性が不要になることは全く別です。NVIDIAのロボティクス研究ですら、perception、planning、control、reinforcement learning、simulation、VLAを明確に研究領域として分け、その上で統合しています。制御についても、位置・速度・力を高精度かつ安全に実現する独立した高度技術領域として扱っています。フィジカルAIを全部つながった一つのシステムと表現することと、だから全部を一人の人間が横断的に学ぶべきという結論の間には、大きな論理の飛躍があります。

さらに重要なのは、フィジカルAIでは身体側が単なる出力装置ではない、という話は既に研究上かなり明確になっていることです。Nature系のレビューでも、embodied intelligenceは物理的身体と環境との相互作用を利用するものとして整理され、形態、アクチュエータ、環境、制御を結合して考える必要性が論じられています。つまり頭と手足という単純な二分法が不十分なのはその通りです。ですが、それは専門性を浅く広く持つ人材が重要という話ではありません。むしろ逆で、身体・制御・知能の結合が高度になるほど、それぞれの専門領域を深く理解した上で統合する能力が必要になります。

実際、現在のPhysical AIの開発フローもAIだけではありません。学習、シミュレーション、データ生成、制御、オンロボット推論までを別々の技術として構築し、それを最後に実機へ統合する構成です。NVIDIA自身も、基盤モデルの学習、シミュレーション、ロボットへの展開という複数のレイヤーを明確に分けています。

だから頭と手足ではなく一つのシステムという説明は、フィジカルAIのシステム論としては正しい。しかし、そこから大学教育も分野横断型にすればよいと短絡すると、研究開発の実態とは逆方向になります。

企業が必要とするのは、機械も制御もAIも少しずつ知っている人を大量に作ることではありません。例えば制御なら制御、機械なら機械、半導体なら半導体、AIならAIで、まず代替困難な専門性を持たせ、その専門家同士をシステムとして接続することです。

ここをAI＝頭、機械・制御＝手足という比喩の是非に置き換えてしまうと、肝心の人材政策の論点から外れてしまいます。

要するに、フィジカルAIが一つのシステムであることと、そこで働く人材が一人で全部を学ぶべきであることは同義ではありません。システムは統合されても、専門性まで統合して浅くしてよい理由にはならない。むしろ高度な統合システムだからこそ、各領域の専門性の深さが重要になる、というのが現在のロボティクス研究・開発の実態でしょう。