人工知能の現状を理解するための12枚の写真

スタンフォード大学の人間中心の AI 研究所 (HAI) は毎年、人工知能の現状をまとめた膨大なデータとグラフをまとめた AI インデックスを発表しています。今週発表された 2022 AI インデックスは、研究開発、テクノロジーのパフォーマンス、倫理、ポリシー、教育、経済を網羅した 190 ページで構成されており、これまで以上に印象的です。私はレポートのすべてのページを読み、最も代表的な 12 のグラフを選び出しました。

昨年の 2021 年のインデックスで報告したトレンドの多くが依然として存在していることは注目に値します。たとえば、私たちはまだ AI の黄金時代に生きており、出版物は増え続け、AI の求人市場は依然として世界規模で展開されていますが、AI のリスクに対する企業の認識とそのリスクを軽減する試みの間には不安なギャップが残っています。これらの点についてはここでは繰り返しません。

それでは、今年の概要レポートを始めましょう。

1. 投資の分離

AIに注ぎ込まれる資金の額は、相変わらず驚異的です。最も注目すべき部分は世界の民間投資によるもので、2020年の460億ドルから2021年には935億ドルに急増した。この成長は、大規模な資金調達ラウンドの増加によるもので、2020 年には 5 億ドルを超える資金調達ラウンドが 4 回、2021 年には 15 回ありました。報告書はまた、2018年以降、新たに資金提供を受けたスタートアップ企業の数が減少しているため、この資金がすべてより少数の企業に流れていると指摘した。今は AI スタートアップに参加するには絶好の機会ですが、自分で探すにはそうでもないかもしれません。

2. 米中関係は複雑

最近、中国と米国の間の人工知能競争について多くの議論が行われています。「地政学的緊張に関するニュースを見ると、両国間の協力は減少するだろうと思われるだろう」と、スタンフォード大学HAIの政策研究者で今年のAIインデックス編集長のダニエル・チャン氏は述べた。それどころか、彼はIEEE Spectrumに対し、「中国と米国の協力は過去10年間で上昇傾向にある」と語った。国境を越えた出版物の協力に関して言えば、中国と米国の成果は中国と英国の2倍以上である。

3. 特許を申請することと特許を取得することは別物である

中国は特許出願数で世界第1位であり、報告書は、2021年に中国が世界の特許出願の52％を占めたと指摘した。しかし、特許の付与数では米国が圧倒的なシェアを占めており、世界全体の40％を占めている。張氏は、特許の付与は「その特許が実際に信頼性があり有用であることを証明する」ものであり、その状況は出版物や引用の場合と多少似ていると述べた。中国は論文数、論文引用数、会議論文数でトップを占めているが、会議論文の引用数では米国が依然としてトップであり、米国の研究者による注目論文が依然として大きな影響力を持っていることを示唆している。

4. コンピュータービジョンは停滞期にあるか?

コンピュータービジョンの分野は急速に進歩しているため、最新のニュースについていくのは難しい場合があります。 AI Index は、コンピュータービジョンシステムが、オブジェクト分類や顔認識などの静止画像を伴うタスクに非常に優れており、アクティビティ分類などのビデオタスクでも性能が向上していることを示しています。

しかし、比較的新しいベンチマークは、コンピュータービジョンシステムの限界を示しています。コンピュータービジョンシステムは物体を認識するのは得意ですが、見たものを推論するのはそれほど得意ではありません。 2018 年に開始された Visual Common Sense Reasoning Challenge では、AI システムが画像に関する質問に答え、その理由を説明することが求められます。たとえば、ある画像では、テーブルに座っている人たちと、ウェイターが皿を持って近づいてくる様子が描かれています。テストでは、座っている人の 1 人がテーブルの向こう側にいる人を指差す理由を尋ねます。報告書は、近年パフォーマンスの向上がますます限界に達しており、「パフォーマンスを大幅に向上させるには、新しい技術を発明する必要があるかもしれないことを示唆している」と指摘している。

5. AIはまだロースクールに導入されていない

自然言語処理 (NLP) の分野は、コンピュータービジョンよりも数年遅れて発展し始めましたが、コンピュータービジョンと多少似た位置にあります (図 4)。テキスト要約や基本的な読解などのタスクのベンチマークでは素晴らしい結果が示され、AI システムはしばしば人間のパフォーマンスを上回ります。しかし、NLP システムは、読み取った内容について推論する必要がある場合に問題が発生します。

このグラフは、ロースクール入学試験として使用される LSAT 試験の論理的推論問題で構成されたベンチマークテストのパフォーマンスを示しています。 NLP システムはベンチマークの簡単な問題セットでは優れたパフォーマンスを発揮しましたが、より難しい問題セットでは最高のパフォーマンスを発揮したモデルの精度はわずか 69% でした。研究者らは、NLP システムが不完全な情報から結論を導き出すことを要求するベンチマークテストでも同様の結果を得ました。推論は AI の最前線に留まります。

6. 道徳はどこにでもある

このレポートには良いニュースもあります。ACM の公平性、説明責任、透明性に関する会議 (FAccT) や NeurIPS での倫理関連のワークショップへの出席状況から判断すると、現在 AI 倫理に対する関心が非常に高まっています。 FAccT について聞いたことのない人のために、レポートでは、FAccT がアルゴリズムの社会技術的分析に焦点を当てた最初の主要な会議の 1 つであったと指摘しています。このグラフは、FAccT への業界の参加が増加していることを示しており、Zhang 氏はこれをさらなる良いニュースと見ています。「この分野は常に学術研究者が中心だった」と同氏は述べ、「しかし今では民間部門の関与が増えている」とした。チャン氏は、産業界におけるAIシステムの設計と導入にこうした関与がどのような意味を持つのか推測するのは難しいが、これは前向きな兆候だとした。

7. デトックス：やらなくても、やっても、どちらにしても悪い結果になる

AI における大きな倫理的問題の 1 つは、OpenAI の GPT-3 などの大規模な言語モデルに関係しています。これらのモデルには、トレーニングデータ (インターネット) から学習したあらゆる偏見や先入観に満ちたテキストを生成するという非常に悪い癖があります。複数の研究グループ（OpenAI 自体を含む）が、偏見と解毒の取り組みを測定するための新しいベンチマークを使用して、この有害な言語の問題に取り組んでいます。しかし、上の図は、言語モデル GPT-2 を 3 つの異なるデトックス方法で実行した結果を示しています。これら 3 つのアプローチはすべて、モデルのパフォーマンスを「困惑度」と呼ばれる指標 (スコアが低いほど良い) で低下させ、アフリカ系アメリカ人の配置を含む英語のテキストと少数民族に言及したテキストに最も悪影響を及ぼしました。専門家が言うように、さらなる研究が必要だ。

8. 大学にはコンピュータサイエンスの学生が溢れている

AI パイプラインはかつてないほど充実しています。北米の200以上の大学からデータを収集しているコンピューティング研究協会の年次調査の最新データによると、2020年には31,000人以上の学部生がコンピューターサイエンスの学位を取得した。これは2019年の数字より11.6%の増加となります。

9. AIには女性が必要

同じ調査で人工知能分野の新博士号取得者も調査したが、結果は悲惨なものだった。過去 10 年間で、少なくとも北米では、AI および CS の新たな博士号取得者のうち女性の割合はわずか数パーセントしか増加していません。この点は、実は昨年の2021年レポートの報道の繰り返しですが、状況が変化するまで誰もがこの話題について語り続けるべきです。

10. AIにはあらゆる民族的背景を持つ人材が必要

この点については同感です。 AI Index では、AI と CS の博士号に関するデータが別々のグラフで示されていますが、同じことが言えます。 AI の分野では、人々が博士号を取得するずっと前から、多様性の実現に取り組む必要があります。

11. 議員らは注目している

2021年には、AI関連の法案がこれまで以上に増えています。 AI Indexが追跡している25カ国のうち、スペイン、英国、米国が昨年それぞれ3つの法案を可決し、先頭に立っている。報告書はまた、米国では提出された130もの法案のうち、可決された3つの法案が含まれていたと指摘した。これらの法案のほとんどが公的資金を通じて AI を推進するものなのか、それとも AI がもたらす可能性のあるリスクを管理するための規制を設けるものなのかは、報告書からは明らかではない。張氏は、それは複合的なものだと述べ、HAIは来年、世界の法律に関するより詳細な分析を発表する予定だと語った。

12. 気候変動

AI Indexは、AI関連の論文を発表している米国の公共政策グループ55団体を追跡しており、このグラフはこれらのグループが昨年重点的に取り組んだトピックを示しています。私はこのグラフを、AI の増大するエネルギーフットプリント (大規模なモデルのトレーニングには大量の計算が必要) とそれが気候変動に及ぼす潜在的な影響という話題を取り上げる口実として使いました。政策グループは、これらが2021年の重要なテーマであるとは考えていないようだ。また、張氏にAI Indexが来年のレポートでこれらの問題について議論するかどうかを尋ねたところ、同氏は、コンピューティングの効率性と気候への影響に関するデータをどのように測定し収集するかについて、同氏のチームがさまざまな組織と協議中であると述べた。では、お楽しみに。