IEEE年末AIレビュー：ネットユーザーがGPT-3に悪態をつくよう教える、DeepMindが再びロボットを作る

[[442763]]

2021年、「人工知能の奇跡」はもはや単なる物語ではありません！

年末が近づく中、IEEE Spectrum は、2021 年に読者の間で最も人気があった AI 記事 10 件を時間順にまとめています。これらの記事の一部は、2021 年 10 月の AI 特集号「The Great AI Reckoning」からのものです。

1. ディープラーニングは、トレーニングコストが高すぎるため、収益が減少する

MITのニール・トンプソン氏のチームは、ディープラーニングシステムのトレーニングにかかる​​計算コストとエネルギーコストに関する論文でトップの座を獲得した。

この論文では、研究者らが画像分類器の改善プロセスを分析し、画像認識のエラー率を半分にするには 500 倍の計算リソースが必要であることを発見しました。

記事では、「コストの高騰に直面して、研究者はこれらの問題を解決するより効率的な方法を考え出すか、これらの問題に関する研究を断念して画像分類器のパフォーマンスを停滞させるかのいずれかをしなければならない」と述べている。しかし、記事は将来の方向性に関するいくつかの有望なアイデアでも終わっている。

https://spectrum.ieee.org/ディープラーニングの計算コスト

2. 2021年のAIトレンドを理解するには、これらの15のグラフを見るだけで十分です

AI Indexは毎年、AIに関する会話に豊富なデータをもたらします。2021年のIndexは、学界と産業界からの世界的な視点を提示し、AI人材の多様性の問題とAIアプリケーションの倫理的課題に焦点を当てています。この記事では、222ページのレポートを15のグラフに凝縮し、雇用、投資などの分野をカバーしています。

https://spectrum.ieee.org/the-state-of-ai-in-15-graphs

3. ディープマインドはロボットを「再発明」している

DeepMind は近年、AI における最も印象的なブレークスルーのいくつかを支えてきました。たとえば、タンパク質折り畳みの画期的な研究や、囲碁でプロの人間プレイヤーに勝利した AlphaGo などです。そのため、DeepMind が多用途で適応性の高いロボットの開発に取り組む準備が整ったと発表したとき、当然のことながら幅広い注目を集めました。

https://spectrum.ieee.org/how-deepmind-is-reinventing-the-robot

4. AIの簡単な歴史：波乱に満ちた過去と不確かな未来

この記事は、1956 年から現在までの AI 分野の経緯を説明するとともに、他の記事へのヒントも提供します。 AI が純粋な概念から今日までどのように発展してきたかを理解したい場合、この記事は最適です。

本稿では、「エキスパートシステム」にこだわった記号主義者とニューラルネットワークを発明した「コネクショニスト」の間で過去に繰り広げられた大論争を整理し、「ハイブリッドニューラル記号システム」誕生の可能性を提唱します。

https://spectrum.ieee.org/aiの歴史

5. アンドリュー・ン氏の「AIブーム」に対する見解

この記事は、AI の先駆者である Andrew Ng 氏との Zoom インタビューの質疑応答セッションからの抜粋です。 Andrew Ng 氏は、Google Brain と Baidu での初期の AI 研究に深く関わり、現在は Landing AI という会社を率いています。

記事の中でアンドリュー・ン氏は、スタンフォード大学で開発された、放射線科医よりも正確に胸部X線写真から肺炎を検出できるAIシステムについて語った。しかし、現時点では、AI システムが実際の臨床現場に応用されるまでには、まだ長い道のりがあります。

https://spectrum.ieee.org/andrew-ng-xrays-the-ai-hype

6. OpenAI の GPT-3 は会話できますが、それほどうまくないかもしれません...

OpenAIが2020年に言語生成システムGPT-3を発表したとき、AIコミュニティの最初の反応は畏敬の念でした。 GPT-3 は、最小限のプロンプトを与えると、あらゆるトピックやスタイルで流暢かつ一貫性のあるテキストを生成できます。

しかし、GPT-3 には別の側面もあります。 GPT-3 はインターネットからの大量のテキストでトレーニングされ、オンラインの世界における一般的な人間の偏見を理解しており、皮肉や悪態をつくことを学ぶというひどい習慣を身につけている可能性があります。

ここで疑問が生じます。企業が顧客サービス、オンラインコーチング、メンタルヘルスカウンセリングなどの分野で GPT-3 を使用したい場合、誤って顧客に対して皮肉な発言をしてしまうのをどう防ぐことができるでしょうか。

https://spectrum.ieee.org/open-ais-powerful-text-generating-tool-is-ready-for-business

7. AIがトンボの脳を再現することに成功

トンボの脳はミサイル防衛とどのような関係があるのでしょうか?サンディア国立研究所のフランシス・チャンスに聞いてみてください。彼女はトンボが約100万個のニューロンを効率的に使用して、驚くほどの精度で空中の獲物を捕らえる方法を研究しています。

チャンス氏の研究は、規模と複雑さが増すニューラル ネットワークを構築している研究室とは興味深い対照をなしています。

「私たちの目標は、トンボの神経系のスピード、シンプルさ、効率性を活用して、従来のコンピュータシステムのほんの一部のパワーで、これらの機能をはるかに高速に実行できるコンピュータを設計することです」と彼女は語った。

https://spectrum.ieee.org/fast-efficient-neural-networks-copy-dragonfly-brains

8. ディープラーニングは人間の脳を再現できない限り、十分に深いとは言えない

ジェフ・ホーキンスがPDAを発明し、スマートフォンの時代を切り開きました。現在、彼は人間の脳における知能の基礎を研究しており、汎用人工知能（AGI）の新しい時代を切り開きたいと考えている。

ホーキンス氏とのこのインタビューでは、彼の最も物議を醸したアイデアのいくつかに触れています。ホーキンス氏は、超知能AIが人類に実存的な脅威を与えることはなく、意識の問題はそれほど難しい問題ではないと固く信じている。

https://spectrum.ieee.org/deep-learning-isnt-deep-enough-unless-it-copies-from-the-brain

9. AIアルゴリズムが食料品店を「前進」させる

私たちの生活を便利にするテクノロジーについて学ぶのはいつも楽しいことです。

食料品の買い物と配達を手がけるインスタカートのエンジニア、シャラス・ラオ氏とリリー・チャン氏は、同社のAIインフラは「数十億の異なるデータポイントをカバーし、約4万の食料品店で」商品が在庫切れかどうかを予測できるほか、交換に関する推奨を行ったり、買い物客の数を予測したり、注文と配達ルートを効率的にグループ化したりできると述べた。

https://spectrum.ieee.org/the-algorithms-that-make-instacart-roll

10. AIが避けられない7つの弱点

AIは飛躍的な進歩を遂げ続けていますが、同時に数え切れないほどの失敗も経験しています。

この記事では、AI モデルの失敗例を 7 つ挙げ、回避できない現在の AI の弱点を明らかにします。科学者たちは、これらの問題のいくつかに対処するための可能な方法について議論していますが、AI には、現在説明されていない、あるいは哲学的に言えば決定的な解決策がまったくない可能性のある限界もあります。

https://spectrum.ieee.org/ai-failures

2022年はAI科学者が困難な問題に取り組む年になるでしょうか? AIのアルゴリズムの偏りは解決されるでしょうか?破滅的な忘却の問題は克服されるでしょうか?地球のエネルギーを破壊せずに AI のパフォーマンスを向上させる方法を見つけることはできるでしょうか?

答えはまだ分かりませんが、楽しみです！