AIと人間は同じか、という問いは、雑談でも学会でもよく盛り上がります。盛り上がり続ける理由の一つは、何をもって同じとするのかを、たいてい誰も最初に決めないからです。
この記事では、チューリングマシンの考え方、AIの計算能力、人間の知性の特徴、心を計算とみなす理論への批判を順に確かめます。そのうえで、AIと人間は同じ知的機械か、という問いは、どの物差しで比べるかを決めた時点で答えの向きがほぼ決まってしまう問いであり、問いの形そのものが前提を隠している、という見方を示します。
チューリング完全性は、計算能力の水準を示す言葉です
チューリングマシンは、1936年にアラン・チューリングが考案した計算の数学的モデルです。無限に長いテープ、テープの記号を読み書きするヘッド、有限個の内部状態、状態の移り方を決める規則からできています。仕組みは単純ですが、あらゆるコンピュータのアルゴリズムを実行できるとされます。
ほかの任意のチューリングマシンの動きを模倣できる機械を万能チューリングマシンと呼び、現代のプログラム内蔵式コンピュータの理論的な土台になっています。ある計算の仕組みが万能チューリングマシンと同じ計算能力を持ち、原理的にはどんな計算でも書けて実行できることを、チューリング完全性と言います。
これは理論上の能力です。チューリングマシンは無限のテープと無制限の時間を前提にしていますが、現実のコンピュータも人間の脳も、メモリや神経細胞の数、エネルギーに限りがあります。チューリングマシンの一種だ、と言うときは、チューリングマシンで計算できる手順を実行する能力がある、という意味で読む必要があります。
計算の物差しでは近く、学び方と理解の物差しでは遠く見えます
リカレントニューラルネットワーク（RNN）やTransformerは、無限の精度や無制限の計算時間を仮定すれば、チューリング完全であることが示されています。ニューラルネットワークに外部メモリを組み合わせたニューラルチューリングマシン（NTM）は、より直接的にテープ付きの機械に近い構造を持っています。
けれど、計算能力が理論上十分であることは、意味を理解していることとは別の話です。大規模言語モデルは、もっともらしいが不正確な情報を生み出すハルシネーションを起こし、これを抑えるためにモデルを実際のデータ源に結びつけるグラウンディングという手法が使われます。学習データから得た内部の表現だけでは、現実の事実や文脈と合っている保証がないということです。
人間の知性は、分野によって定義が違います。教育学では伸ばすべき能力の集合、心理学や医学ではIQのように測れる認知機能、認知科学では学習、推論、適応の力です。AIと比べたときには、一度の経験から新しい概念を学べること（ワンショット学習）、他者や文化から学ぶ力、曖昧で不完全な情報を扱い新しい状況に柔軟に対応できること、自分と他者の感情を理解して判断に生かせること、認知が身体の感覚や環境とのやり取りに根ざしていること（身体化された認知）が目立ちます。
心を計算とみなす理論には、二つの壁が指摘されています
計算主義的心脳理論（CTM）は、心は計算システムであり、思考は一種の計算だと考えます。もしすべての心のはたらきが手順として書けるなら、人間の知性もチューリングマシンで模倣できることになります。
一つ目の壁は、構文と意味の隔たりです。ジョン・サールの中国語の部屋という思考実験では、中国語を知らない人が部屋の中で規則書どおりに記号を操作し、外から来た中国語の質問に筋の通った答えを返します。外からは理解しているように見えますが、本人は中国語をまったく理解していません。記号を規則どおりに操作すること（構文）だけでは意味の理解は生まれない、というのがサールの主張です。
二つ目の壁は、意識の説明の隔たりです。赤の赤さや歯の痛みのような、経験の主観的な質をクオリアと呼びます。脳の物理的な過程がなぜ主観的な経験を生むのかを説明する難しさは、デイヴィッド・チャーマーズによってハードプロブレムと名づけられました。ロジャー・ペンローズとスチュワート・ハメロフは意識に量子的な過程が関わるという説を、ジュリオ・トノーニは意識を統合情報の量とみなす説（IIT）を唱えています。いずれも、古典的なチューリングマシンの計算を超える何かを想定する立場です。
同じかどうかは、物差しを選んだ時点でほぼ決まります
ここまでを並べると、答えが物差しによって割れていることが見えてきます。
| 物差し | 答えの向き | 理由 |
| 計算できる範囲 | 同じ側に寄る | どちらもチューリング計算可能な手順を実行できるとされる |
| 学び方 | 違う側に寄る | 大量のデータが必要か、一度の経験で学べるか |
| 意味の理解 | 議論が割れる | 構文の操作から意味が生まれるかに決着がない |
| 意識と主観的な経験 | 分からない | 主観的な経験の有無を外から確かめる方法がない |
仮に両者がともにチューリング計算可能だとしても、それは同じ種類の機械であることを意味しません。チューリング完全性は計算能力の水準を示すだけで、仕組みや知性の性質までは決めないからです。同じかと聞かれて、ある意味では同じで、ある意味では違う、と答えるのは逃げではなく、正確な答えです。逃げになるのは、どの意味かを言わないときです。
しかも、物差しそのものが動きます。かつて知性の証とされたチェスがAIに解かれると、それは知性とみなされなくなりました。このAI効果を見ると、知性の定義は、選手が近づくとゴールポストのほうが走って逃げていく、珍しい競技のように見えます。知性とは何かを先に固定しない限り、AIがどれだけ進歩しても、この問いは決着しません。
どの物差しを選ぶかは、何のために問うかで決まります
では、どの物差しを選べばよいのでしょうか。それは、何のためにこの問いを立てているかによって変わります。AIに仕事をどこまで任せられるかを考えたいなら、計算や処理の物差しが役に立つでしょう。AIの出力に誰が責任を負うのかを考えたいなら、意味の理解や意図の物差しが要ります。AIを道徳的に配慮すべき存在かどうかを考えたいなら、意識の物差しを避けて通れませんが、そこはいまのところ誰にも確かめようがありません。
意識や理解が計算から生まれるのかどうかは、哲学でも科学でも決着していません。この記事も、その問いに答えを出すことはできません。できるのは、問いを立てる前に物差しを選び、その物差しで言えることと言えないことを分けておくことだけです。
あなたが誰かとAIについて議論してすれ違ったとき、相手が使っていた知性や理解という言葉は、あなたと同じ意味だったでしょうか。あなたがAIについて知りたいことは、どの物差しで測れば答えが出る問いでしょうか。
この記事の背景にある考え方は、拙著『GoogleのAI NotebookLM 意思決定の強化書』の1章3節「前提と定義が結論を決める」に書きました。買収の検討で、シナジーという言葉を広く定義するか狭く定義するかによって、AIの結論が積極的な推奨から見送りへと変わる例を扱う節で、そこには「重要な用語をどう定義するかによって、AIが出す結論は180度変わります。」とあります。この節を読むと、議論が噛み合わないとき、結論を争う前に、どの言葉の定義が割れているのかを自分で探せるようになります。
同じ資料を見ているのに、なぜ結論が割れるのか。
『GoogleのAI NotebookLM 意思決定の強化書』
前提が結論を決める。意思決定を根拠、前提、結論の三層に分け、前提を対象、目的、制約、評価基準の四つで言葉にする本です。
読み終えたとき、手元に残るもの
- 意思決定の設計図になる前提リスト
- 資料を事実、意見、噂、ゴミに仕分けるFORT
- 同じ物差しで比べる選択肢表と採点表
- 始める条件と止める条件を書いた決定書
NotebookLMは2026年7月にGemini Notebookへ名称が変わりました。本の手法は、使うAIの種類を問いません。