2022年に注目すべき8つのAIトレンド

1. 5G上のAI

2022年には産業用AIとAI-on-5G IoTアプリケーションが主流になるでしょう。メタバースを目指すのと同じように、物理的な空間も同じように印象的な方法でアップグレードできるとしたらどうなるか想像してみてください。

AI-on-5G 統合コンピューティング インフラストラクチャは、オンサイト、オンプレミス、クラウドのいずれにおいても、センサー、コンピューティング プラットフォーム、人工知能アプリケーションを統合するための高性能で安全なリンク ファブリックを提供します。具体的には以下が含まれます:

• 自動車システム;
• スマートスペース;
• 新しい自動化やロボットシステムなどのインダストリー 4.0。

AI-on-5G は、超低遅延、サービス品質の保証、ワイヤレス環境におけるセキュリティの向上と関連付けられることが多いです。 AI と IIoT ソリューションの融合、およびエッジ AI の開発により、これが可能になり、実現しやすくなります。

2. 生成AI

生成 AI は、既存のデータ (テキスト、オーディオ、ビジュアル ファイルなど) を評価してそのデータ内の基本的なパターンを識別し、そのパターンを複製して同様のコンテンツを生成するアルゴリズムです。このアルゴリズムは徐々に改善されつつあります。モデルへの入力データが変更され、ビジネス結果が変化すると、モデル自体も調整する必要があります。メンテナンスが不足すると、AI アルゴリズムは最終的に価値を失います。

具体的には、生成 AI にはさまざまなテクノロジーが含まれます。

• 生成的敵対ネットワーク。生成的敵対ネットワークは、ジェネレーターとディスクリミネーターの 2 つのニューラル ネットワークで構成され、これらが互いに競合して 2 つのネットワーク間のバランスを見つけます。ジェネレーター ネットワークは、ソース データに類似した新しいデータまたはコンテンツを生成する役割を担います。識別器ネットワークは、ソース データと生成されたデータを区別し、どのデータが元のデータに近いかを識別する役割を果たします。
• トランス。 GPT-3、LaMDA、Wu-Dao などのトランスフォーマーは、認知的注意をシミュレートし、入力データの各部分の重要性の差分測定を実行します。言語や画像を理解し、いくつかの分類タスクを学習し、大規模なデータセットからテキストや画像を生成するようにトレーニングされます。
• 変分オートエンコーダ。エンコーダーは入力を圧縮コードにエンコードし、デコーダーはコードから元の情報を再現します。正しく選択され、トレーニングされた場合、この圧縮表現は、入力データ分布をより小さな次元の表現で格納します。

3. 拡張人間とAIのハイブリッド労働力の到来

ワークフロー管理は職場における新たな標準ですが、仕事の未来は拡張された環境での人工知能との組み合わせに重点が置かれます。すべての反復タスクは可能であり、自動化されます。

人事、管理、マーケティング、営業、エンジニアリングのいずれの分野で働いていても、AI/ML ツールが普及し続けると、生産性も向上します。これも将来の仕事の単なる日常的な一部です。

たとえば、AI/ML 技術は、法律や医学などの知識分野で、増え続けるデータをナビゲートし、特定のタスクに適した情報を見つけるために広く使用されています。したがって、多くのホワイトカラーの仕事には昇進の余地が大きく、彼らは本来得意なことをできる、より生産性の高い仕事を創り出すことができるかもしれません。

あらゆる業界で、その業界の個人が効率的に作業するのに役立つ AI 駆動のスマート ツールが登場しています。これは、拡張労働力または人間と AI のハイブリッド作業と呼ばれることがよくあります。

4. ITにおけるクラウドコンピューティングとエッジ管理

エッジ コンピューティングは急速に多くの企業にとって必須のものになりつつありますが、導入はまだ初期段階にあります。クラウド コンピューティングとエッジネイティブのビジネス プロセスは、IT でさらに主流となり、ビジネスの世界でより普及するようになります。

AI 管理は IT 部門の責任になると考える人もいます。管理性、セキュリティ、スケールに関連するエッジ コンピューティングの課題に対処するために、IT 部門はクラウド ネイティブ テクノロジーに目を向けるようになります。たとえば、コンテナ化されたマイクロサービスのプラットフォームである Kubernetes は、大規模なエッジ AI アプリケーションを管理するための主要なツールになっています。

クラウドで Kubernetes を使用する IT 部門は、その経験を活かして、エッジ向けの独自のクラウドネイティブ管理ソリューションを構築できます。今後、さらに多くのサードパーティや関連サービスが採用されることが予想されます。

5. サイバーセキュリティにおける人工知能の応用

現代の企業環境におけるサイバー攻撃対象領域は膨大であり、急速に拡大し続けています。つまり、組織のサイバーセキュリティ体制を分析して改善するには、人間による介入以上のものが必要です。人工知能はさまざまな分野で大きな応用の見込みがあり、ネットワーク セキュリティはその重要な部分です。具体的には以下が含まれます:

• 脅威の検出;
• 戦闘ロボット;
• エンドポイント保護。
• デフォルトリスク保護;
• サービスのダウンタイム保護。

サイバーセキュリティにおいては、自動化を通じて AI の役割を強化する必要があります。組織の 69% は、サイバー攻撃に対処するには人工知能が必要だと考えていますが、この分野は 2022 年から 2032 年の間にアップグレードが必要になります。

6. より大きく、より優れた言語モデル

OpenMind の GPT-4 は何ができるのでしょうか? 北京人工知能アカデミー (BAAI) は追いつくことができるでしょうか? 2022 年は、より大きく優れた言語モデルがどのようにして新しい仕事、新しいアプリケーション、新しいビジネス モデルを生み出すことができるのか、そしてインターネットを変え、メタバースでコンテンツを整理するのに役立つ新しいタイプのテクノロジー スタートアップについて、多くの疑問に答えてくれるでしょう。

より大きな AI モデルにより、AI が何らかのことを達成できるようになるか、あるいは AI が新たな可能性を学習できるようになるかもしれません。人工知能と機械学習モデルは大量のデータを必要とし、これらのモデルは今後も拡大を続け、より大きなデータセットを活用して、より正確な意思決定を行っていきます。

OpenAI による大規模な生成型事前トレーニング済み Transformer (GPT) モデルの継続的な開発が注目を集めていますが、DeepMind、Microsoft Research などの取り組みも注目に値します。高度に進化した大規模 AI 言語モデルを中心に、数十の新しいスタートアップ企業が登場しています。

2022年は私たちをどこに導くのでしょうか?

一部のアナリストは、GPT-4 には約 100 兆個のパラメータが含まれており、GPT-3 の 500 倍の大きさになる可能性があると考えているか、明らかにしています。この開発は、言語を発達させ、人間と区別がつかない会話をすることができる機械の創造に一歩近づくものであると推測できます。

7. メタバースにおける人工知能の応用

AI は、メタバースや VR におけるより没入感のある仕事やソーシャル シナリオにどのような応用が考えられますか。また、それが消費者向け脳コンピューター インターフェイスの進化とどのように関係するのでしょうか。携帯電話は最終的にどのように破壊されるのでしょうか。

メタバースとは、複数のユーザーが一緒に作業したり遊んだりできる環境、より具体的にはデジタル環境を指す用語です。私たちが今日、愚かなアルゴリズムと推奨エンジンを備えたプラットフォームでゲームをするなら、明日の AI は本当に仮想世界での将来の仕事、社会生活、デート生活をナビゲートし、監視するのに役立つのでしょうか?

新しいタイプのアプリケーション、よりスマートなデジタルエージェント、ディープフェイクヒューマン（実際はロボット）など、これらすべてがインターネットの未来で私たちを待っており、メタバースの産物のようです。

8. AIの民主化とアクセシビリティ ローコード/ノーコードAI

AI は真に民主化されるのでしょうか? より自動化された世界では、億万長者が生み出した富は私たち一般人に分配されるのでしょうか? この意味で、地球を救うのは暗号通貨ではなく、ローコード/ノーコードの AI です。

将来的には、高価なエンジニアチームや非常に専門的なスキルがなくても、新しいビジネスを始めることができるようになります。現在、AIエンジニアの需要は高まっていますが、全く異なる世界を想像することができます。 AIが自らをコーディングできる世界。 AIは最終的には自身のコードを変更できるようになるでしょう。そして2022年には、この方向で画期的な進歩を遂げると信じています。

今日の組織が直面している主な課題の 1 つは、必要なツールとアルゴリズムを開発できる経験豊富な AI エンジニアが不足していることです。ノーコードまたはローコード ソリューションの登場により、AI 上で複雑なシステムを作成するために使用できるシンプルで直感的なインターフェイスを提供することで、この課題に対処できるようになりました。

ビジネスにおける AI の導入が加速し、AI プロセスがアップグレードされるにつれて、ソフトウェア エンジニアリングを通じて製品を構築するアプローチは根本的に変化し、誰もがよりアクセスしやすくなり、プログラマーが AI と人間のシステムと連携することで、その価値の一部がより分散化された方法で分配されるようになります。