AIへの幻滅？ AIの発展を妨げる8つのトレンド

それは「もし」ではなく「いつ」の問題です。

以前の記事では、AI が革新的な可能性においてこれまでのテクノロジーの波とどう違うのかについて書きました。この記事の中心的なテーマは、最近の主流のテクノロジーの波の中で出現した、完全に分散されたイノベーション モデルです。

過去数年間、AI の無限の可能性について多くの誇大宣伝がなされてきました。これらの主張の一部は真実だが、多くは誇張されている。

実際、現在脚光を浴びている技術については、将来どのような困難に直面するかを人々が想像するのは難しいです。人工知能と関連技術は長い間求められてきたが、常識的に考えてその衰退の頂点が近づいている。私は過去 1 年半にわたってこの考えを抱いてきましたが、ガートナーの 2016 年の「ハイプ サイクル」もこの見解を裏付けています (機械学習を参照)。

ガートナー ハイプ サイクル 2016

全体的に見ると、AI は幻滅の兆候を見せ始めているのかもしれない。幻滅は主観的な推論であるため、幻滅が起こる時期を科学的に測定することはできません。しかし、信じるかどうかに関わらず、AIの人気は必然的に回復するでしょう。しかし、AI に対する幻滅は必ずしも悪いことではありません。多くの場合、誇大宣伝は現在の最先端技術をはるかに超えているからです。

しかし、私はこれが起こることを心配していません。なぜなら、私は長期的なことに興味があるからです。過去数年間の素晴らしい成果は今後も発展し続けるのでしょうか？私たちは完全に分散化されたイノベーションモデルに従い続けることができるのでしょうか？それとも、その逆が起こり、AIは最終的に寒い冬を告げるのでしょうか？

これを予測するのは困難です。多くの要因が現在のイノベーションの速度を鈍化させるからです。これについては以下で詳しく説明します。

1. 特許は論文よりも優先される

従来のテクノロジーに対する AI の重要な利点の 1 つは、強力な研究背景です。コンピュータサイエンスでは、イノベーションは公開された論文の数と、それらの論文が AI テクノロジーに与える影響によって測定されます。 Google、Facebook、その他の大手 AI 企業は、学校から多くの優秀な AI 人材を引き抜き、これらの人材が業界で論文を発表し続けています。

学術論文は難解に見えることが多いが、そこには新しい方法やアルゴリズムを適用して技術の将来像を描くための青写真が含まれている。そのため、AI のイノベーションのほとんどが公開されているのだ。場合によっては、新しい論文が公開されてから数日以内に、対応するアプリケーション例が GitHub に表示されることもあります。

大企業では、アイデアを特許化するか否かについて常に論争が起こります。機械学習の進歩のペースが速いため、研究者は新しいアイデアの所有権を主張するためにできるだけ早く論文を発表したいと考えています。現在、Google は word2vec などの一部の特許製品を除いて、他の製品に対して比較的オープンな姿勢を示しています。 Google がこれを継続してくれることを願っています。そうでなければ、この現象が AI コミュニティの発展を深刻に妨げる可能性があります。

2. 少数の大企業がAI人材を雇用している

テクノロジー大手が大学から AI の才能ある人材を獲得しているという話は数多くあります。過去数年間、多くの注目を集めた買収は、AI の中核人材の獲得を目的としていました。この現象の利点は、AI技術の価値が高まることですが、欠点は、その才能が少数の大企業に流れてしまうことです。

Google、Facebook、Amazon、Baidu、Microsoft、Tesla、Apple、IBM はいずれも AI センターを積極的に構築しており、見つけられる限りの博士課程の学生を雇用しています。これらの企業は AI 研究コミュニティ内での評判を維持するために懸命に取り組んでいますが、社内の勤務スケジュールのせいで、大企業に来た優秀な人材が学校や自分の会社で自分のアイデアを実践する自由を得ることが難しくなっています。

少数の企業が世界の AI 人材の大部分を獲得してしまうと、ユニークなアイデアや新しいソリューションは生まれなくなります。大企業のほとんどは、革新を起こして新しい製品を迅速に生み出すことができません。したがって、新たなインスピレーションを刺激するための健全な起業家環境が必要です。

3. 良い結果が出るまで待ちすぎる

誰もがグッドモーニングアメリカで AI について知った頃には、心理的なカウントダウンはすでに始まっていました。それを支える良い製品がなければ、宣伝によって一定期間熱が続いた後、人々は最終的に AI への信頼を失い、AI を誇大宣伝というゴミ箱に捨ててしまいます。

つまり、新たな解決策や結論が見つからなければ、人々は注目しなくなるということです。

4. いくつかの重大な失敗例

AI の発展を遅らせる避けられないシナリオの 1 つは、大きな失敗です。 AI企業が約束した価値を提供できなかったり、新製品のリリース後に反応が鈍かったりすると、一般の人々の間に疑念の種が撒かれることになる。ニュースになるような画期的な発見がないのと同じように、MDアンダーソンがIBMワトソンとの提携を解消したような大きな失敗は、かつてAIに熱心だった大衆を懐疑的にさせ始める可能性がある。

5. Tensorflowは複雑になりすぎて主流になりすぎている

これは意味が分からないかも知れませんが、現状のように Tensorflow が主流になるのではなく、AI 開発プラットフォームが多数存在する方がよいというのが現実です。いずれにしても、新しい AI テクノロジーを適用するのは、小規模なチームや個人にとっては困難です。モノリシックな展開ソフトウェア (オペレーティング システムなど) の開発には多数の開発者の協力が必要ですが、AI プラットフォームは異なります。新しい論文が発表されると、数週間または数日以内に競合する慣行が出現することがよくあります。

Tensorflow は最も人気のある機械学習フレームワークであり、ますます強力かつ洗練されつつあります。 Tensorflow が複雑になりすぎて使いにくくなったり、Google が頻繁に更新することに興味を失ったりすると、Tensorflow 自体がイノベーションを妨げることになります。短期的には、Tensorflow を誰もが使用するのは良いことですが、長期的には隠れた危険になる可能性があります。

6. ディープラーニングはまだ部分的なレベルにしか達していない

ディープラーニングがヒットしました。今ではソフトウェアが医師の代わりを務め、料理や掃除、食器洗いまで行うことが可能になっています。まだ実現されていないものもあるかもしれませんが、ディープラーニングに注目しすぎると他の分野への注目が足りなくなり、その過程で次のブレークスルーが見逃されてしまう可能性があります。ディープラーニングにも欠点があるため、新しいアイデアや概念を探求し続ける必要があります。

7. 社会的、政治的圧力がAIの進歩を妨げる

AI 開発が減速する主な理由は、テクノロジー自体や新しいソリューションを生み出す能力ではなく、むしろこれらのソリューションを実装することに対する一般の人々の熱意にあると思います。

国民はレベル5の自動運転技術の応用を非常に待ち望んでおり、無人航空機にも非常に興味を持っていますが、現在はまだコックピットに人間が座っています。

国民が長年かけて築き上げてきた信頼は、たった一つの事故で破壊される可能性がある。将来的にはAIが原因の事故が複数発生することが予想されます。機械操作の事故率は手動操作より低いかもしれませんが、それでも AI はこれらのいくつかの「事故」のために悲惨な結末を迎えることになります。

8. ゆっくりするのは良いことだ

将来、AIがあまり主流にならないことを願っています。ある程度、大きな注目を集めることは良いことです。個人や企業が新しいテクノロジーの開発に熱中できるようになるからです。しかし、これは過剰な宣伝や、見返りを考えずにお金を使う盲目的な追随者の増加にもつながります。同時に、私がもっと心配しているのは、暑さが増すほど、転倒もひどくなるということです。