2022年のデータサイエンスとAIの予測

2021 年には技術変化のペースが加速し、歴史が示すように、2022 年もそのペースは加速し続けるでしょう。データサイエンスと人工知能は依然としてテクノロジーの最前線にあり、両テクノロジーは今後も急速に進歩し続けると予想されています。

予測の数を見ると、業界の専門家の間では AI、機械学習、データサイエンスへの関心が非常に高いことがわかります。データサイエンスと機械学習のスタートアップ企業であるDataKitchenのCEO、クリス・バーグ氏も、これらのテクノロジーについて予測を立てた。同氏は、世界のAI市場は2027年まで年平均成長率33%で成長すると予想されていると指摘した。しかし、この驚異的な成長には隠れたリスクが伴います。それは、AI の偏りとその導入における説明責任の欠如により、企業の評判が損なわれることです。

「問題は、AI アルゴリズムが人種、性別、民族、その他の社会的不平等を取り込み、永続させ、大規模に展開される可能性があることです」とバーグ氏は述べました。「データ業界の開発者は、AI バイアスの深刻な影響を認識しており、それを軽減するために積極的な措置を講じようとしています。彼らは、AI バイアスは単なる品質の問題であり、AI システムは組み立てラインから出荷される自動車と同じレベルのプロセス管理を受ける必要があることを認識しています。2022 年には、データ組織は AI システムを中心に堅牢な自動化プロセスを構築し、利害関係者に対する説明責任を強化するでしょう。」

最近発表されたTIOBE Indexによると、Pythonは2021年に急成長し、Javaを抜いて世界で最も人気のある言語となった。では、この多用途のスクリプト言語は 2022 年に何をもたらすのでしょうか? Anaconda のコミュニティ イノベーション担当シニア ディレクターである Stan Seibert 氏は、Python は今後も人々の生活に溶け込んでいくだろうと述べています。

「2022年には、Pythonはデータサイエンスを超えた新しいユースケースにも拡大し続けるだろう」と彼は2022年の予測を記したブログ記事に書いている。「マイクロコントローラーやIoTデバイスなど、これまでは他のプログラミング言語が主流だったユースケースでは、Micro PythonやCircuit Pythonの台頭により、Pythonの採用が拡大し続けるだろう。」

Anaconda のシニア テクニカル アカウント マネージャーである Joseph J. Currenti 氏と Lucia 氏は、別の角度から質問し、開発者が人工知能を通じてより没入感のあるゲーム体験を生み出そうとしているため、ゲーム開発で Python がより多く使用されるようになると予想していると述べました。

AI が成功するには、データとコンピューティング (通常はクラウド) の組み合わせが必要です。 PwCのグローバル人工知能リーダーであるアナンド・ラオ氏は、2022年までにAIがデータやクラウドコンピューティングと融合し、より統一された管理アプローチが必要になるだろうと述べた。

「AI だけでは重要な問題を解決できません。データとスケーラブルなコンピューティング パワーが必要です。そのため、業界をリードする組織は、データ、AI、クラウド (DAC) を統合された全体として管理する傾向が強まっています」と Rao 氏は言います。「2022 年には、これら 3 つの相互に関連する運用を管理するライフサイクル アプローチを採用する組織が急増するでしょう。組織は、戦略と運用の強化に継続的に注力しています。データ、AI、クラウドがスムーズに連携すると、データからより多くの価値を実現し、より多くの問題をより迅速に解決できる柔軟で強力なシステムが実現します。」

Excelero の製品担当副社長 Jeff Whitaker 氏は、分析は 2021 年に急速に成長しているが、企業は依然としてデータセンターで達成できることとクラウドで実行したい Web スケールの展開の種類との間にギャップに直面していると述べています。

「2022年までに、コンピューティング、ネットワーク、ストレージ用の新しいクラウド インフラストラクチャが構築され、分析環境の統合が進むでしょう」とウィテカー氏は語ります。「その結果、多くの企業がコア ビジネス アプリケーションとデータベース環境をクラウドに移行し、データを中央リソースに統合することになります。ビジネス インテリジェンスやデータベース分析から AI/機械学習環境まで、クラウド コンピューティング エンジンと Web スケールのデータ プラットフォームを使用して、クラウドでほぼリアルタイムのデータ分析を実行することが完全に可能になりました。」

Explorium の共同創設者兼 CTO である Omer Har 氏は、優れた AI モデルを持つことは素晴らしいことだが、より優れたデータが必要だと述べています。

同氏は、「業界の専門家は、AIの先駆者であるアンドリュー・ン氏が提唱した、AIのパフォーマンスを向上させる最善の方法は、より良いアルゴリズムではなく、より良いデータであるという考えに熱中しています。アルゴリズムが重要ではないと言っているわけではありません。調査によると、企業は既存のアルゴリズムをより広範囲の厳選されたデータでトレーニングすることで、AIのパフォーマンスをより速く、より向上させることができます。2022年までには、外部データへのアクセスが強力な競争上の優位性となるでしょう。以前は、企業はAIテクノロジーを使用して優位性を獲得することを望んでいましたが、現在は最新の関連データでAIをトレーニングすることで競合他社を上回ることを目指しています。」と述べています。

多くの組織が自然言語処理 (NLP) や画像分析などの情報量の多い分野に AI をうまく適用している一方で、Sema4 の最高データ責任者である Andrew Kasarskis 氏は、データ管理リソースの効率的な割り当てという基本的な要件が満たされていないため、これらの AI 展開を拡張する能力が大きな障壁になっていると考えています。

「これは、テクノロジーとプロセスの両方の革新が必要なことです」とカサルスキス氏は言います。「AI をトレーニングするために、適切にラベル付けされた大量のデータを取得するには、必然的に手作業や半手作業が必要になります。この作業は常にコストがかかり、拡張性が低く、重要な価値を生み出す活動から技術専門家を遠ざけてしまうことがよくあります。」

エヌビディアのエンジニアリング部門のシミュレーション技術担当副社長レブ・レバレディアン氏は、合成データの出現が一部の人工知能アプリケーションの開発を牽引しており、この傾向は2022年に新たな高みに達するだろうと述べた。

「過去10年間でAIの革新のペースは加速していますが、AIは高品質で多様な大量のデータなしには進歩できません」とレバレディアン氏は言う。「現実世界から収集され、人間がラベル付けした今日のデータは、AIを次のレベルに進めるには質と多様性の点で不十分です。2022年までには、高度なニューラルネットワークを訓練するための正確なシミュレーターを介して仮想世界から生成される合成データが急増するでしょう。」

Ubuntu Linuxの開発元であるCanonicalのプロダクトマネージャー、ロブ・ギボン氏は、機械学習と人工知能が2022年にさらに広く採用されるようになると考えている。

「TensorFlow、Keras、PyTorch、MXNetディープラーニングプロジェクトなどのオープンソースの共同イニシアチブのおかげで、AIはようやく成熟期を迎えました」と彼は語った。「2022年には、最も些細で平凡なものから真に革新的なものまで、想像できる最も幅広いアプリケーションで機械学習とAIがさらに広く採用されるようになるでしょう。」

2022年にロボティック・プロセス・オートメーションを導入することをお考えですか？ より良いアイデアは、AIと人を活用して特定のプロセスを自動化することかもしれない、とAKASAの共同創設者兼CTOであるVarun Ganapathi氏は言います。

「過去 10 年間、多くの業界でデジタル トランスフォーメーションの取り組みが、ロボティック プロセス オートメーション (RPA) の大量導入を促進してきました」とガナパヒ氏は言います。「現実には、RPA は数十年前の技術であり、その機能には限界があります。また、壊れた RPA の修復にはコストと時間がかかります。新しい機械学習ベースの技術プラットフォームは、自動化のアプローチと組み合わされ、すでに複数の業界で自動化の可能性を再定義しつつあります。」

Expert.ai の創設者兼 CTO である Marco Varone 氏は、今日では高度な分析および予測ツールとテクノロジーが多数存在すると述べています。彼は、2022年までに、それらをハイブリッドな方法で組み合わせて価値のある目標を達成できる新しいレベルに到達すると予測しています。

ヴァローネ氏は、「ハイブリッド AI は、2022 年にさらに多くの例が見られる重要なトレンドであり、戦略的方向性です。最近では、シンボリック AI と機械学習というさまざまなテクノロジーの組み合わせに基づく自然言語理解 (NLU) が大きく進歩し、全体的な結果が向上し、より複雑なエンタープライズ認知の問題をより適切に解決できるようになりました。これは、既存の最高のテクノロジーを使用して問題を解決できるため、AI の将来の開発方向です。」と述べています。

AIアプリケーションの開発に必要な経験とスキルを持つデータサイエンスの専門家は、職務範囲が狭いことが多いと、Neo4jのデータサイエンス製品管理ディレクターのアリシア・フレーム氏は語る。そして、2022年の採用難の中、AI専門家の責任範囲は拡大するでしょう。

「2022年までに、企業の従業員は、予測的/処方的分析モデルを使用するものの、主な職務がデータサイエンスや分析分野ではない『市民データサイエンティスト』の役割を担う必要がある」とフレーム氏は述べた。「データサイエンス分野は最も急速に成長している分野の1つであり、現在、労働力の『離職の波』が起こっているため、企業はチームメンバーの不足を補うために、データサイエンスの人材をよりアクセスしやすくする必要がある。」

多くの企業は完全にデータ主導型になりたいと考えています。しかし、ドミノ・データ・ラボのCEOニック・エルプリン氏は、AIにあまり多くの卵を入れるのは間違いだと述べ、アルゴリズム事業で新たな大きな失敗が起こると予見した。

「Zillow が iBuying から撤退したことについては、公に検証されていませんが、これはアルゴリズム ビジネスのリスクを示す警告サインです」とエルプリン氏は語ります。「モデル駆動型ビジネスは非常に強力ですが、正しく実行するのは非常に困難です。モデル駆動型戦略を開発する企業が増えるにつれて、確率的リスクを正しく管理していない、データ サイエンスをビジネス プロセスやドメイン知識と適切に統合していない、または基礎や統計を理解せずに AI に過度に依存しているなどの理由で苦戦する企業が増えるでしょう。」

分析的な洞察力を持つことは重要ですが、実際にそれについて何かを実行することは全く別のことです。 TIBCOの最高分析責任者マイケル・オコネル氏は、2022年までに分析から行動と意思決定へと移行する企業が増えるだろうと語った。

「今日の急速に変化するビジネス環境では、データと分析から得られるリアルタイムの可視性と最新の洞察が必要です」とオコネル氏は言います。「パンデミック後の世界で生き残るためには、企業は保有するデータに基づいて次に何が起こるかを予測し、意思決定と行動にさらに規律を課す必要があります。影響を測定し、意思決定に関する情報のループを閉じるプロセスにより、焦点が明確になります。」

リコーの技術担当上級副社長兼デジタルサービスセンター責任者のボブ・ラメンドラ氏は、これまでAIを導入するのは大企業が多かったと語った。しかし、2022年には中小企業の参加も増え始めるでしょう。

「現在、AI は多くのパイロット プロジェクトで導入され、技術の理解を深め、課題を特定し、結果を検証するために検討されています」と Lamendola 氏は述べています。「現在、AI の導入は大企業で多くなっていますが、今後 1 年間で中規模市場や一部の中小企業でも重点と導入が大きくシフトすると予想しています。自己修復と自動修復の機能を備えた洞察と分析主導のエンジンを通じて IT 運用を再考する機会は、無視できないほど魅力的です。」