世界中が数億米ドル規模の計算力でAIを追いかけていたとき、機械推論の方法を変えた一本の論文がありました。費用は約5000米ドルにすぎませんでした。
その論文は「思考連鎖」（Chain of Thought）と呼ばれています。そこで行われたことは、突破口とは思えないほど単純に聞こえます。AIに見せる例の中に「解答過程」を数行多く書き、まず中間の手順を考えさせてから答えを出させる、というものです。学生にいきなり結論を書かせるのではなく、先に下書きをさせるようなものです。9人の共著者の中に、淡水生まれの台湾人、紀懐新がいました。
彼は後に、その5000米ドルについてこう説明しています。「その問題は計算力で解決できる問題ではなく、別の思考モデルの問題だったのです。」1
30秒概要： 紀懐新（Ed H. Chi）はGoogle DeepMindの研究担当副社長であり、AIに「一歩ずつ推論する」ことを学ばせた思考連鎖論文の共著者の一人です。あなたがChatGPTやGeminiに「一歩ずつ考えて」と言うたびに、よりよい答えが返ってくるとしたら、その機械に段階的推論をさせる発想の源には、台湾から伸びる一本の線があります。彼は約15歳のとき、博士課程に進む母親に伴って米国へ移住しました。母親の教育心理学の論文執筆を手伝う中で、「人はどのように学ぶのか」に関する心理学の概念を学びました。30年後、彼はその概念を機械の中へ持ち込みました。台湾は半導体を作る「台湾の光」を知っていますが、「AIがどう考えるか」を形づくったこの人物のことは、ほとんど知りません。
母親の博士論文
物語はGoogleから始まるのではありません。一つの机から始まります。
紀懐新は淡水で育ちました。「私は台湾で生まれ育った人間で、淡水で生まれ、その後だいたい15歳のときに両親と一緒に米国へ留学に行きました。母がそのとき博士課程に進んだからです。」2 この言葉の中には、少し珍しい光景が隠れています。当時、海外に出る台湾の子どもの多くは、自分だけが「小留学生」として渡航していました。しかし彼の場合は、母親が博士号を取るために家族全員で西へ移ったのです。母親の学業のために一家で米国へ移住する台湾の家庭は、当時それほど多くありませんでした。
淡水は、紀懐新が生まれ育った場所です。30年以上後、彼がここから持っていったものは、機械に思考を教える方法になります。
母親が専攻していたのは教育心理学の博士課程でした。高校から大学にかけての数年間、彼は母親の論文執筆を手伝いました。まだ学生だった子どもが、自分の母親のために「人はどのように学ぶのか」を論じる学術論文を整理していたのです。その過程で、彼は初めてスイスの心理学者Piagetのスキーマ理論（schema theory）に触れました。
スキーマ理論が語るのは、人間の脳の中には、組織化された知識構造のまとまりがあり、それを「スキーマ」と呼ぶということです。私たちはそれによって世界を理解します。新しいことを学ぶときには、新しい情報を古いスキーマに押し込む場合があります（これを同化と呼びます）。あるいは、古いスキーマでは収まりきらず、書き換えたり新しく作ったりせざるを得ない場合があります（これを調節と呼びます）。抽象的に聞こえますが、これは非常に根本的な問いに答えています。人はどのようにして「できない」状態から「できる」状態になるのか、という問いです。
当時その机の上にあった概念は、30年後、機械に推論を教える方法になります。しかしその前に、彼は長い道のりを歩かなければなりませんでした。しかも、それはほとんど人が歩いていない道でした。
紀懐新はVK科技閱讀時間EP122で、思考連鎖の起源を自ら語っています。母親の教育心理学博士論文を手伝い、Piagetのスキーマ理論を学んだところから、それをどのようにAIに推論を教える方法へ変えたのかまでを語っています。このインタビューは、本記事の核となる出典です。
淡水からミネソタへ、博士課程の入学許可に伴って
ミネソタに着くと、彼は高校、大学、修士課程、博士課程をすべて同じ学校で終えました。ミネソタ大学です。6年半で3つの学位を取得しました3。入学時から最高栄誉（Summa Cum Laude）を得ており、博士論文では情報可視化を扱いました。題目は「A Framework for Information Visualization Spreadsheets」で、指導教授のJohn T. Riedlは推薦システムの先駆者でした。
15歳で母親とともにミネソタへ渡り、その後ミネソタ大学で6年半のうちに3つの学位を取得しました。指導教授のJohn T. Riedlは推薦システム研究の先駆者でした。この線は後に、彼がGoogleで行う仕事へとつながっていきます。
しかし学位以上に記憶すべきなのは、彼が自分をどのように位置づけていたかです。
彼はインタビューで、とても率直な言葉を語っています。「英語で言えば、I'm a generalist……jack of all trades but master of noneというタイプの研究者です。ただ、自分の数学が他の人より優れているわけではないと気づいたとき、もしかすると自分には、橋渡し（bridging）のような研究、ある領域と別の領域の間に橋を架ける研究ができるのではないかと思いました。」4
これは学術界では代償を伴う選択です。彼自身も、橋渡しの研究をすると、「領域Aの中では本物の人間ではなく、領域Bの中でも本物の研究者ではない」と語っています。一方だけを理解する人には、世界は明確な居場所を与えます。しかし二つの側のあいだに立つ人は、しばしばどちら側にも受け入れられません。それでも彼は、その中間地帯に賭けました。後に事実が示したように、AIにおける最も重要な数歩は、まさにこうした地帯で起きました。
✦ 「もしかすると自分には、橋渡しのような研究、ある領域と別の領域の間に橋を架ける研究ができるのではないかと思いました。」
パロアルトで、心理学をプログラムに変えることを学んだ
1997年、彼は伝説的な場所でインターンを始めました。ゼロックス・パロアルト研究所（Xerox PARC）です。
この名前は台湾の読者には馴染みが薄いかもしれませんが、あなたは毎日、そこで発明されたものを使っています。マウス、グラフィカル・ユーザー・インターフェース、レーザープリンター、イーサネット。個人コンピューター時代の基礎を築いたこれらの技術の多くは、スタンフォード大学のそばに設けられたこの複写機会社の研究センターで生まれました。かつてスティーブ・ジョブズはここに入り、そのグラフィカル・インターフェースを見て、アイデアを学び取り、後のMacintoshへとつなげました。紀懐新がそこへ行った時期は、ちょうど同研究所の第二の黄金期でした。
ゼロックス・パロアルト研究所が1973年に開発したAltoは、個人コンピューターとグラフィカル・インターフェースの先駆けです。紀懐新は後にここで、認知心理学を実行可能なプログラムへ変えることを学びました。
重要なのは、彼がどんな華やかな技術を作ったかではなく、どんな人物に出会ったかです。「私の当時の上司はStuart Cardという人で、Allen Newellの学生でした。」5 この師承関係をたどると、ノーベル経済学賞受賞者のHerbert Simonに行き着きます。
Simonは「限定合理性」（bounded rationality）を提唱しました。人が意思決定をするときには、認知、情報、時間の制約を受けるため、そもそも「完全に合理的」であることは不可能だという考えです。彼はまた、「十分によければよい」意思決定を表すsatisficingという言葉も作りました。人は最適解を求めるのではなく、通用する解を求めるということです。SimonとNewellは人間の脳を情報処理機械にたとえ、「問題解決」とは問題空間の中で一歩ずつ答えを探索することだと考えました。Cardはこの思考法をパロアルトに持ち込み、紀懐新はCardからそれを受け継ぎました。
📝 キュレーター・ノート
一般に語られるAIの物語はこうです。機械がますます賢くなっているのは、半導体が速くなり、データが増え、モデルが大きくなっているからだ、と。この語りは便利ですが、もう一本の伏線を見落としています。Simonはすでに1950年代に「人間の脳は制約のもとでどのように意思決定するのか」と問い始めていました。Cardは1974年に心理学をパロアルトのコンピューター研究へ持ち込みました。紀懐新は1990年代にその流れを受け継ぎ、採餌理論を、人々がウェブ上で情報を探すモデルへと変えました。半世紀にわたり、同じ問いを追い続けた人々がいたのです。人は一体どのように考えるのか。主流が機械をより速く計算させることに忙しかったとき、彼らは機械により人間らしく考えさせることに取り組んでいました。思考連鎖は、まさにこの伏線が結んだ果実です。
彼のパロアルトでの主な研究は、「情報採餌」（information foraging）と呼ばれるものでした。その概念はこうです。人がウェブ上で情報を探す行動は、動物が野外で餌を探す行動によく似ています。「匂い」をたどり、匂いが濃ければ追い、薄ければ諦めます。彼はこの生物学と心理学の採餌モデルを工学化し、実際に動くシステムとして、人がウェブサイト間をどのように移動するかを予測しました。これが「橋渡し」の最初の実戦でした。一方には認知心理学、もう一方には情報科学があり、彼はそのあいだに橋を架けたのです。
より多くのデータではなく、より人間に近いこと
2011年、彼はパロアルトを離れてGoogleへ移りました。理由は現実的でした。「研究だけではだめで、応用のものも作らなければならない」。ゼロックスのように「基礎研究は深いが、製品に転換できない」モデルを、彼は目の当たりにしていました。
Googleでは、最初にウェブデータ分析に取り組みました。2015年から2017年にかけてはチームを率い、YouTubeのニューラルネットワーク推薦システムを再構築しました。2017年にはGoogle Brainの主席科学者となり、70人のチームを率いました。2021年にはDistinguished Scientistに昇格し、チームは120人規模となり、後にDeepMindの研究担当副社長になりました6。一連の肩書の背後にあるのは、実は同じ方法論の遺伝子の延長です。情報採餌は「人はどのようにものを探すのか」のモデルであり、推薦システムは「人は何を見たいのか」のモデルであり、思考連鎖に至ってそれは「人はどのように推論するのか」のモデルになりました。人間の認知から、機械へと進んでいったのです。
思考連鎖の転機は、当時の主流の機械学習に対する彼の不満から生まれました。「なぜこれほど多くのデータを使わなければ、この機械は本当に学習できないのか」。彼はそう考え始め、「認知心理学の方法で機械に学習を教えられないか」と思うようになりました7。
そこで彼は、あの概念へ戻りました。「このアイデアは実際には……60年代、70年代に出てきたアイデアで、スキーマ理論と呼ばれます。基本的な意味は、ある人がテンプレート（template）を使って問題を解けるなら、私たちもこの方法を使って機械に学習を教えられるかもしれない、ということです。ですから思考連鎖は、実際にはこのアイデアから始まりました」。インタビューの司会者が、それはPiagetのスキーマかと尋ねると、彼はこう答えました。「そうです。Piagetのスキーマのアイデアです。それは実際に、私が高校生、大学生のとき、母の教育心理学分野の博士論文を手伝っていたときに学んだものです。ですから後になって、これらのものが少しずつつながっていきました。」8
机の上の種が、芽を出したのです。
思考連鎖論文で最も有名な図です。左側は通常の方法で質問し、モデルが計算を誤ります。右側は例の中に推論過程（青地部分）を一段加えただけで、モデルが正答します。違いは計算力ではなく、「考えを一歩ずつ書き出す」かどうかにあります。図はWei et al., 2022より。
しかも、ほとんど費用はかかりませんでした。「私たちが合計でどれほどの計算力を使ったか知っていますか。だいたい5000米ドル分の計算力にすぎません。なぜなら、その問題は計算力で解決できる問題ではなく、別の思考モデルの問題だったからです。当時その研究を始めたとき、基本的には予算がありませんでした。自分たちでゼロから考え出したものだったのです。」1
これこそが、本記事が最も言いたいことです。AIに推論を学ばせる鍵は、より多くの計算力ではなく、より人間に近づけることでした。そしてその「より人間に近いもの」は、淡水の少年が母親の教育心理学博士論文を手伝っていた中に育っていたのです。
彼は部下に言った。その方法はやめて、スキーマを試してみよう
ここでは率直でなければなりません。
思考連鎖の論文には9人の著者がおり、紀懐新は7番目です。第一著者はJason Weiで、主な実行者でした。最後の著者、つまり学術慣例上のシニア主導者はDenny Zhouで、Google Brainの推論研究チームの創設者です。この論文を「紀懐新が発明した」と言うのは正確ではありません。Denny Zhouこそがこの研究方向の主導者でした。そしてDenny Zhouは、紀懐新のチームの研究員であり、彼の直属の部下でした。
では、彼の役割は何だったのでしょうか。本人の言葉を聞いてみます。「Denny Zhouは私のチームの研究員でした。彼が私のチームに加わった後、推論の研究をしたいと言ってきました……彼はもともと比較的伝統的な神経記号（neural symbolic）の方法を使っていました。私は彼に、神経記号はあまりうまくいかないように思う、別の方法を考えてみてはどうか、と話しました。それから私たちは少しずつ議論し、スキーマの概念を使えるかもしれないと気づいたのです。」9
この発言は、彼の本当の貢献を示しています。彼は論文の主たる実行者ではありませんでした。しかし重要な分岐点で「その道ではない」と言った人物でした。当時は自然に見えた神経記号という方向を退け、議論をスキーマへと向けました。さらに重要なのは、彼がスキーマを思いつくことができたのは、30年にわたる認知科学の視点をチームに持ち込んでいたからです。言い換えれば、彼はDenny Zhouが「スキーマを思いつくことを可能にした」人物でした。
📝 キュレーター・ノート
「台湾の光」を語るときによくある問題は、複雑な貢献を「彼がXを発明した」という一言に圧縮してしまうことです。しかし現実は、たいていそのほうがずっと面白いものです。紀懐新が本当に代替不可能だったのは、20年にわたる長い弧です。彼は認知心理学を少しずつ機械へ持ち込みました。情報採餌から推薦システムへ、そして思考連鎖へ。論文には9人の著者がおり、順番があり、功績をめぐる議論もあります。しかし「20年にわたり、人はどのように考えるのかという問題を工学の現場へ持ち込み続けた」ということは、チーム全体の中で彼にしかできなかったことです。彼の価値を見るには、著者リスト一枚で止まるのではなく、20年の尺度まで引いて見る必要があります。
彼自身は、より深い枠組みで思考連鎖のその後を説明しています。AIがテンプレートに従って問題を解くだけでなく、自分の考え方を「反省」し、戻って修正するようになったとき、彼はこう語りました。「これはPiagetの認知学、あるいは学習科学の中では、同化と調節と呼ばれるものです……機械によるこのような本当の学習が、どうやら本当に始まったように見えます。」10 テンプレートに沿って問題を解くのが同化であり、戻ってテンプレートを書き換えるのが調節です。彼はかつて母親の論文を手伝いながら学んだその一対の概念を、そのまま機械の学習を説明するために持ち込んでいます。
彼はまた、思考連鎖を別の心理学者の枠組みにも接続しています。「思考連鎖に微調整を加え、次トークン予測を加えると、推論機械の始まりのように見えます。いわゆるシステム2思考、Kahnemanが言うものです。」11 システム1は直感的で、速く、努力を要しない思考です（マイクを見れば、それがマイクだとわかるようなものです）。システム2は努力を要し、理性的で、一歩ずつ進める必要がある思考です（「AGIの定義とは何か」と問われたときに働く頭です）。彼の見方では、過去の深層学習はすでにシステム1をかなり深く作り込んでおり、思考連鎖は機械がシステム2を始める起点なのです。
推論できる機械と、おばあちゃんの基準
では、AIはいつ本当に「到達した」と言えるのでしょうか。紀懐新の答えは、どんな技術指標の中にもありません。おばあちゃんの中にあります。
「いつかあなたのおばあちゃんが家のロボットに向かって『一度教えたでしょう、どうしてまだできないの』と叱る日が来たら、AGIが到来したとわかります……私たちの評価基準は、おばあちゃんの中にあるのです。」12
この言葉は、聞こえる以上に鋭いものです。今日のロボット掃除機はまだコードに絡まったり、家具にぶつかったりします。私たちはそれを愚かだと思うことはありますが、本気で怒ることはありません。なぜなら心の底では、「機械はもともと自分より愚かで、何度も教えるのは当然だ」と思っているからです。しかしある日、おばあちゃんが、学べない人間を叱るようにロボットを叱るようになったなら、それは彼女の心の中ですでにロボットが「一度教えればできるはずの対象」になっていることを意味します。AGIが到来する瞬間とは、何らかのベンチマークを超えることというより、人間の期待が静かに変わることに近いのです。
これは彼の汎用人工知能に対する見方にもつながっています。彼は、AGIが成立するには二つのことが必要だと考えています。一つは、AIが仮想世界の中だけに生きるのではなく、人間の現実の生活環境に溶け込めること。もう一つは、「一度教えれば、次からできる」ことです。つまり応用が利き、自分で探索でき、人間が繰り返し教える必要がないことです。彼が現在率いるProject Astraは、まさに一つ目のことを行っています。あなたが置かれている状況を感知できる汎用アシスタントです。
彼は実体験の一場面を語っています。約1年前、まだ秘密段階だったProject Astraをバルセロナの会議に持っていきました。ホテル屋上のバーで、彼はスマートフォンを取り出して街のスカイラインをさっと映し、「私はどこにいるか」と尋ねました。それは「バルセロナにいるようです」と答えました。彼がどの地区かと追って尋ねると、正しい地区名を答えました。さらに近くに良いレストランはあるか、「ミシュラン星付きならなおよい」と聞くと、それも答えました。「『予約を手伝ってくれますか』と言うと、『今はまだできませんが、将来はできるかもしれません』と答えました」。その瞬間、彼は、本当に身近にいて、こちらの状況を理解する個人アシスタントが、自分の生きているうちに作れると気づいたのです。13
紀懐新は塞掐Sidechat E350で、スマートグラス、AGIの「おばあちゃん基準」、台湾の機会について語っています。インタビュー中、彼はProject Astraのスマートグラス試作機を取り出し、これはおそらく台湾で最初の一台だと述べました。
インタビューの場で、彼はポケットからProject Astraを搭載したスマートグラスの試作機を取り出し、これは「おそらく」台湾初の一台だと述べました。彼は、台湾に最も大きな機会がある場所について語りました。ハードウェアはその一部です。「台湾は半導体、特に製造の部分で、その地位を揺るがすのは非常に難しい」。しかし彼はそこで方向を変え、「台湾がハードウェアとソフトウェアをうまく統合し、大規模言語モデルの能力を活用できれば、確かに非常に大きな機会です」と語りました14。
台湾は半導体を知っているが、この頭脳を知らない
ここまで来ると、一つの問いを避けて通れません。彼は台湾人なのでしょうか。
事実は明らかです。彼は約15歳で台湾を離れ、高校、大学、大学院をすべて米国で過ごし、職業人生のすべてをシリコンバレーで築きました。彼はTaiwanese American、台湾で生まれ、米国で育ち実力を開花させた人物です。もし誰かが「台湾の光」という冠は、すでに移民した人物を消費しているだけだと言うなら、その疑問は的外れではありません。
しかし天秤の反対側にも、確かなものがあります。彼は中国語でインタビューを受け、自ら「淡水生まれ、台湾で生まれ育った」と述べ、まったく避けていません。彼は継続的に台湾へ戻って講演しています。台湾師範大学、中興大学、陽明交通大学には、いずれも彼の足跡が残っています。彼は台湾の長期ケアの困難、半導体の地位、AIスタートアップのエコシステムについて具体的な観察を示し、台湾ではすでに約1万5000人のユーザーがDeepMindのタンパク質構造予測ツールを使っているとも名指しで語っています。
彼の「内側にも外側にもいる」位置を最もよく示しているのは、台湾の研究者に向けて語った次の一節です。「この部分の研究については、私は実際に台湾へ戻ってくるたび、何年も話してきました。しかし台湾の研究者が……この方面で取り組んでいるのはあまり見ません。多くの半導体を使わなくてもできる研究です。」15
この言葉の中では、二つの身分が引き合っています。彼は「台湾へ戻って」と語ります。つまり、自分をここに属する人間だと認識しています。しかし「毎回話しているのに、誰もやらない」には、外部者の距離感もあります。長く家を離れていた人が戻ってきて、家のある一角がずっと片付けられていないのを見て、焦っているのに手が届かないような感覚です。彼を台湾の光と呼ぶべきかどうか、本記事は結論を代わりに下しません。事実はここにあります。あなた自身で判断してください。
📊 数字で見る彼
出典：紀懐新VK EP122インタビュー、Google Scholar、OpenAI o1 System Card（arXiv 2412.16720）
推論を見せることは、より透明なのか、それともより理屈を語れるだけなのか
思考連鎖は、AIに推論過程を「見せる」ようにしました。表面的には、これによって機械はより透明になったように見えます。どのように考えたのかを見ることができるからです。しかしここには、誠実な人なら併記すべき懸念が隠れています。
⚠️ 論争的な見方
思考連鎖は、AIの「考えた過程」を目の前に広げて見せます。そのため、より信頼でき、より信用に値するように見えます。しかし学術界ではすでに疑問が提示されています。モデルが見せるその推論の列は、必ずしも内部で意思決定した過程を本当に反映しているとは限りません（研究上は推論連鎖の「忠実性」の問題と呼ばれます）。言い換えれば、先に答えを出し、その後で見栄えのよい説明を補っている可能性があります。より理屈を語れることは、より誠実であることと同じではありません。同じ時期の2026年3月、米国ロサンゼルスの陪審団は、あるソーシャルメディア依存訴訟で、YouTubeなどのプラットフォームが青少年の依存に責任を負うと認定し、Googleに約3割の責任があると判断しました。紀懐新はまさにYouTube推薦システムなどの成果によって米国計算機協会（ACM）フェローとなりましたが、アルゴリズムがもたらし得る害について公に語ることは、ほとんどありませんでした。機械を「より推論できる」ようにした人物が、「機械がより理屈を語れるようになった後、責任追及はむしろ難しくなるのではないか」という問題について、現時点では沈黙しているのです。この点を指摘するのは、誰かを糾弾するためではありません。ただ、AIの最前線に台湾人が立っていることを誇るなら、こうした問題も視野に入れるべきだと言いたいのです。
この矛盾には、きれいな答えはありません。しかしそもそも、きれいな答えがあるべきものでもありません。AIをより人間に近づける技術は、人間の最良の特質と、最も厄介な特質を同時に拡大します。人は推論します。そして人は、自分の決定に理由を後づけもします。この両面を同時に見ることこそ、この出来事を真剣に扱うことです。
では、その先は
紀懐新は8年周期を観察しています。1991年のインターネット、1999年のGoogle誕生、2007年のiPhone、2015年の深層学習の成熟、2023年のGeminiとChatGPT。このリズムに従えば、次の転換点は2031年前後に来ます。彼は、その頃には「大規模モデルを使って仕事をしているからといって驚く人はいない」と語ります。今日、スマートフォンを使っていることに誰も驚かないのと同じです。
彼が現在賭けている方向は、AIを画面の外へ出し、現実世界へ入れることです。あなたの状況を感知できるProject Astra、家事をこなせるロボット。彼が最も感情を込めて語るのは、台湾の長期ケアです。「本当に、比較的手頃な価格のロボットが出てきて、家の中の家事を手伝えるようになるでしょうか」。洗濯、料理、患者の体位交換、時間通りの服薬支援。ある社会で人手不足が起き、看護人材が不足し、病院のベッドが足りないとき、これらのSFのように聞こえるものは、実は非常に現実的な願いなのです。
Googleが公式に公開したProject Astraのビジョン映像です。これは紀懐新が現在担当している方向性であり、あなたと同じ環境に共存し、あなたの状況を理解できる汎用アシスタントです。
あの机に戻りましょう。
淡水の少年は、約15歳で母親とともにミネソタへ渡り、母親の教育心理学博士論文を手伝う中で、「人はどのように学ぶのか」を学びました。30年後、彼は人間に関するその概念を、機械に思考を教える方法へと変えました。いつかあなたのおばあちゃんが家のロボットに向かって「一度教えたでしょう、どうしてまだできないの」と言う日が来たとき、その機械が段階的に推論し、反省し、応用できるようになる背後には、長い一本の線があります。線のこちら側にはシリコンバレーの研究所があり、もう一方の端には淡水があります。
画像出典
- 紀懐新講演写真（hero）：GQ Taiwan《GQ 專訪》紀懷新 — fair use editorial commentary
- Junyu-K / Wikimedia Commons — CC BY-SA 4.0（淡水油車口木桟道の夕日）
- SavagePanda845 (Elliot F) / Wikimedia Commons — CC BY-SA 4.0（ミネソタ大学キャンパス）
- The wub / Wikimedia Commons — CC BY-SA 4.0（Xerox Altoコンピューター）
- 思考連鎖論文Figure 1：Wei et al. 2022, arXiv:2201.11903 — fair use academic
関連記事
- 黄仁勲——AIをより速く動かす台湾の光、ハードウェアの側面
- 張忠謀——台湾半導体の礎を築いた人物であり、紀懐新が「地位を揺るがすのは難しい」と語った山
- AI人工知能産業——世界のAIサプライチェーンにおける台湾の位置
- 台湾の人工知能発展と未来戦略——台湾AIの全体像
- 台湾AIの日常——AIはすでにどのように台湾人の生活へ入り込んでいるのか
参考資料
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — VK公式チャンネルのインタビュー。紀懐新本人が出演。約52分の箇所で、思考連鎖論文が約5000米ドル分の計算力しか使っていないと本人が説明しており、「反計算力軍拡」を示す最も有力な一次証拠です。↩
- 塞掐 Sidechat E350（ft. 紀懷新） — INSIDE傘下のテック系podcast公式インタビュー。番組冒頭で紀懐新が自己紹介し、淡水生まれで、約15歳のときに母親とともに渡米したことを逐語的に説明しています。↩
- Ed H. Chi 個人履歴 — 紀懐新本人の公式サイト上の履歴。ミネソタ大学コンピューターサイエンス学士（1992–1994）、同修士（1994–1996）、コンピューター・情報科学博士（1996–1999）、最高栄誉での卒業、指導教授John T. Riedlが記載されています。↩
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 約56分の箇所で、紀懐新が数学では同輩に及ばないと自覚し、「橋渡し」研究へ向かった心の過程を語っています。彼の研究スタイルを理解するための重要な自己証言です。↩
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 約5分の箇所で、紀懐新がパロアルト研究所での師承関係を説明し、上司のStuart CardがAllen Newellの学生だったと述べています。固有名詞は学術情報源で校正済みです（Stuart Card Wikipedia）。↩
- Ed H. Chi｜Google Research — Google Research公式個人ページ。Googleでの職歴と研究領域が記載されています。職歴の詳細は本人履歴 edchi.net/resume も参照しています。↩
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 約9分の箇所で、紀懐新が「なぜこれほど多くのデータを使わなければ機械は学べないのか」という不満を説明しています。これが思考連鎖の出発点です。↩
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 約9〜10分の箇所。思考連鎖の起源に関する最も核心的な一次証言です。スキーマ理論、Piaget、そして母親の教育心理学博士論文を手伝った個人的経験がつながっています。本記事の核となる段落です。↩
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 約57分の箇所で、紀懐新がDenny Zhouの神経記号的方法を退け、スキーマへ転じた重要な過程を自ら語っています。彼の功績上の役割を判断する一次根拠です。論文の著者と順序は arXiv 2201.11903 を参照しています。↩
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 約15分の箇所で、紀懐新がPiagetの同化と調節の枠組みを使い、思考連鎖から反省的推論への進化を説明しています。教育心理学の言語を直接AIへ持ち込む彼の思考が表れています。↩
- VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 約17分の箇所で、紀懐新が思考連鎖をKahneman『Thinking, Fast and Slow』のシステム1／システム2思考の枠組みに結びつけています。Kahnemanの著作『Thinking, Fast and Slow』は2011年に刊行されました。↩
- 塞掐 Sidechat E350（ft. 紀懷新） — インタビュー冒頭および約60分の箇所で、紀懐新はAGIの「おばあちゃん基準」を提示しています。おばあちゃんが人を叱るようにロボットへ「一度教えたのに、どうしてまだできないの」と言うようになれば、AGIが来たという基準です。↩
- 塞掐 Sidechat E350（ft. 紀懷新） — 約30分の箇所で、紀懐新は秘密段階のProject Astraをバルセロナへ持って行き、ホテル屋上のバーで街のスカイラインをスキャンさせ、所在都市と地区を正しく認識させた実体験を語っています。↩
- 塞掐 Sidechat E350（ft. 紀懷新） — 約40分の箇所で、紀懐新は台湾の半導体製造の地位は「揺るがすのが非常に難しい」と評価し、ハードウェアとソフトウェアの統合は台湾にとって「非常に大きな機会」だと述べています。↩
- 塞掐 Sidechat E350（ft. 紀懷新） — 約52分の箇所で、紀懐新は台湾の研究者に向け、この方面の研究は「多くの半導体を使わなくても」できるが、台湾へ何年も戻るたびに話しても研究者の取り組みが見られないと語っています。彼のoutsider-insiderとしての身分上の緊張を最もよく示す発言です。↩