学者がインテリジェンス、モデルとデータAI、デジタルトランスフォーメーションについて語る。このAIイベントには技術的な内容が含まれている。

2022年、学者たちは人工知能の将来の発展をどのように見ているのでしょうか?将来、AI はモデル駆動型になるのでしょうか、それともデータ駆動型になるのでしょうか? AI開発における現在の課題は何ですか?

2月26日、「統合と開放の新しいエコシステムの構築」をテーマにしたWAIC 2022上海人工知能開発者会議のメインフォーラムで、学界の学者と業界の技術専門家がこれらの問題について深く議論しました。

中国工程院会員で中国人工知能学会監事の江長軍院士と、南方科技大学副学長兼主席教授で米国工学アカデミー会員の張東暁氏が基調講演を行った。

円卓フォーラムでは、学界と産業界の多くの代表者が、デジタルトランスフォーメーションや AI 開発の課題など、開発者にとって関心の高いホットなトピックについて詳細な議論を行いました。

物質、情報、知性は、私たちの発展過程において非常に重要なシンボルです。今回の基調講演では、中国工程院院士で中国人工知能学会監事の江長軍氏が、まず16世紀以来の人類によるこれら3つの分野への探求と主要な成果を振り返り、それを踏まえた上で知能に関する自身の考えを語った。

江長軍氏は、現在、人々の知能に対する理解は連続構造と離散構造に限られており、これを超える構造形式はまだ探求されていない、ディープラーニングのアルゴリズムは理論的には根本的に変わっておらず、処理レベルがより多く、より広範囲になっていることを除いて、依然としてニューラル階層構造に基づいている、今日まで、知能の世界は理論的にはまだ認められた理論的基礎を形成していない、と述べた。

「人間は計算可能な思考に加えて、洞察力やひらめきなど、説明できない思考も持っています。」彼は、この一連のインテリジェント開発において、予測不可能性と不確実性は考慮すべき基本的なAIの問題であると考えています。

南方科技大学の副学長兼主席教授であり、米国工学アカデミー会員でもある張東暁氏は、理論的な指導の下での人工知能のテーマについての見解を述べた。

モデル駆動型とデータ駆動型は、パターン、マッピング関係などの点で異なります。実用的な問題を解決する場合、モデル駆動型とデータ駆動型のどちらを選択すべきでしょうか?

張東暁氏は、十分なデータがあれば、どんな関数でもどんな精度でも当てはめることができ、データ駆動型で優れた予測能力を実現できると考えています。

しかし、データだけに頼るだけでは十分ではありません。ディープラーニングニューラルネットワークを例にとると、その学習モデルアーキテクチャは、物理法則、エンジニアリング制御、トレーニングの経験増加などの情報を統合し、解釈可能性を高め、堅牢性を向上させることができます。その核心は、ディープラーニングフレームワークに知識を埋め込むことにあります。

張東暁氏は、モデルをマイニングし、データから知識を獲得する方法がAIの最高レベルであると述べた。 「業界 + AI の探求において、データ駆動型とモデル駆動型の有機的な組み合わせは、実際の業界の問題の解決に役立ちます。」

デジタル変革について議論した円卓フォーラムでは、上海科技大学情報科学技術学院の副学長兼副学部長の于静毅氏、ビントン・インテリジェンスのCEOである龔超慧氏、および綏源科技の人工知能コンピューティングの専門家兼製品マーケティング担当ゼネラルマネージャーである高平氏がそれぞれメタバースについての見解を述べた。

「メタバースはまず没入型の体験を持たなければなりません。AIなどの技術の発展により、新たな機会が生まれていると思います。そのためにはデータ駆動型のエンジンを構築する必要があります」とYu Jingyi氏は語った。 「エンターテインメント分野に加えて、メタバースはスマートシティの3Dモデルの再構築など、他の多くの用途があります。最近、GoogleとWaymoはニューラルネットワーク方式を使用してサンフランシスコの多数のブロックを再構築しました。この方法は従来の技術とはまったく異なり、迅速にレンダリングし、大都市を非常に小さなデータセットに圧縮できますが、編集できません。スマートシティでは、メタバースは大きな可能性を秘めています。」

「既存の技術的手段の観点から見ると、メタバースの概念は、いくつかの画像と視覚技術を使用して、私たちの認識にある物理的な宇宙を描写し、他の技術的手段を通じてそれを再表現することを望んでいます。」ゴン・チャオフイ氏は、「将​​来、仮想世界と物理世界の間に閉ループと相互作用を形成する新しい技術的手段が登場する可能性が非常に高いです。私たちはこの世界で新しい形の相互作用を作り出し、新しいビジネスモデルとアプリケーションシナリオをもたらすかもしれません。」と述べました。

「メタバースは、それを支える強力なコンピューティングパワーを必要とする新しい形のデジタル経済だと思います。メタバースで行われるコンテンツ制作は、ビデオなどのメディアのインターネットコンテンツ基盤に基づいて、私たちが現在理解しているものをはるかに超えています。将来的には、仮想環境のレンダリングをサポートするために膨大なコンピューティングパワーが必要になり、生成されるコンピューティングパワー要件はAIデータによってサポートされる必要があります」とガオ・ピンは述べています。 「2B企業にとっては、メタバース2Bの基盤の上に構築されたビジネスが多数存在し、その上で開発者がビジネスを構築していくことになるでしょう。人々はそれぞれが才能を発揮して、メタバース業界のエコシステムを繁栄させていくでしょう。」

開発者はアイデンティティです。大学でアルゴリズム研究に携わる開発者もいれば、企業でAIアプリケーション開発に携わる開発者もおり、分野を超えて活躍する開発者もいます。開発者のキャリアは多岐にわたります。この円卓討論会では、数名のゲストが2022年のAI開発の難しさについて議論しました。

まず、AIアルゴリズムの研究開発は数年前と比べて簡単になったのか、難しくなったのかという話題が取り上げられ、数名のゲストが意見を述べました。

上海交通大学ジョン・ホップクロフト・コンピュータサイエンスセンターの終身在職権を持つ助教授兼博士課程指導者であるウェン・イン氏は、生態学的発展の観点からAIアルゴリズムの研究開発の難易度の変化を説明した。同氏は次のように語った。「ディープラーニングは2015年にすでに登場していましたが、当時は研究を実施するための完全なツールはありませんでした。」 TensorFlow は 2015 年末に初めてリリースされ、エコシステムは 2016 年と 2017 年に徐々に成熟しました。今日では、大規模モデルや新しいアルゴリズムの推進により、モデルのしきい値が高くなり、非常に高い計算能力が必要になっています。

東方理工大学の助教授である陳雲田氏は、一方ではより多くのフレームワークが登場したため、他方では現在の良好なオープンソース文化によりコンピュータサイエンスと他の分野の交差点でより多くの進歩が可能になったため、AIアルゴリズムの研究開発はよりシンプルになったと述べた。

上海人工知能研究所総合視覚グループのコンピュータービジョン研究者である何一南氏も、数年前と比べてAI開発を始めるのが容易になり、コミュニティでオープンソースコードを提供する開発者が増え、大企業によるオープンソースのツールやプラットフォームも数多く存在すると述べた。開発者が今やるべきことは、より高度な問題を解決するための知識と能力を向上させることです。

では、基礎が築かれた後、この段階で私たちが直面するより高度な課題は何でしょうか?

何怡南氏は、現在直面している第一の課題はデータの問題だと指摘した。モデルのトレーニングには大量のデータの収集が必要であり、第二にトレーニングの効率を向上させる必要がある。

陳雲田氏はまた、少量データで機械学習を行うのは困難であり、説明可能性と知識の埋め込みも解決しなければならない難しい問題であると述べた。

ウェン・イン氏は、強化学習はゲーム分野で大きな進歩を遂げているものの、現実世界のアプリケーションシナリオではまだその役割を十分に実証しておらず、強化学習で大規模なモデルを使用してみたいと述べました。