写真はイメージです Photo:PIXTA
ChatGPTをはじめとする生成AIは、まるで人間が話しているかのような文章を出力する。その自然さから、「AIは言語を理解し始めている」と感じる人も少なくないだろう。しかし本当に、人間の言語と同一視してよいのだろうか？言語学者・川原繁人が、違和感の正体を考察する。※本稿は、言語学者の川原繁人『言語学者、生成AIを危ぶむ 子どもにとって毒か薬か』（朝日新聞出版）の一部を抜粋・編集したものです。
生成AIが使う「言語」は
人間の言語と似て非なるモノ
「生成AI」と「人間言語」の違いについて考えていきましょう。生成AIの特徴の一つとして「訓練データの量を増やせば増やすほど、精度があがる」という「べき乗則」が発見されています。例えば、ChatGPTで使われているGPTでは、新しいバージョンほど訓練データの量が多く、性能があがっています。
ChatGPTの開発に使われている訓練データの詳細は公表されていませんが、ChatGPTが公開される2年前にOpenAIが発表したGPT-3では約4000億トークンが使われており、GPT-4の訓練データは、具体的な量は未発表なものの、GPT-3の倍以上ではないかと推測されています。
これらが、どれだけ膨大な量なのかを実感するために、概算となりますが計算してみましょう。「トークン」という単位は、コンピューターが文章を理解しやすいように、単語や文字を小さく区切ったもので、言語における「単語」とは必ずしも一致しないのですが、あくまで概算ですし、結論は変わりませんから、本節では「トークン」＝「単語」と簡略化します。
