アメリカの人工知能の簡単な分析

米国の人工知能戦略配置と発展パターンは、高度に体系化され、段階が明確であり、世界の人工知能発展の最新動向を理解する上で大きな実用的意義を持っています。

1. 米国におけるAIの発展

現在、世界的な人工知能のリーダーシップをめぐる競争は白熱した段階に入っています。近年、英国、フランス、ドイツ、カナダ、日本、インド、シンガポールなどの国々が相次いで人工知能戦略を発表し、人工知能の研究開発や産業応用を積極的に推進しています。現代科学技術の急速な発展により、機械の計算能力、アルゴリズム、大量のシーンデータに大きな進歩がもたらされ、人工知能が生まれ変わり、爆発的な成長の傾向を示しています。米国はビッグデータ、クラウドコンピューティング、モノのインターネットなどの先進技術をいち早く活用し、デジタル経済で主導的な地位を築いてきたが、人工知能分野でのリーダーシップを維持するためには、自国の政治、経済、軍事の発展ニーズに基づいて、それに応じた人工知能戦略を策定する必要もある。

1.1 米国の人工知能に関する戦略政策

米国連邦政府は、国家の人工知能戦略の発展を導き、促進するために、いくつかの重要な報告書文書を相次いで発行してきました。オバマ政権は2016年10月、人工知能の発展、応用分野、社会公共政策の現状に対応して「人工知能の未来への準備」を開始し、「国家人工知能研究開発戦略計画」を発表し、人工知能に関する7つの優先研究開発戦略と2つの提言を提案した。2016年12月、「人工知能、自動化、経済報告書」は、人工知能主導の自動化が米国の雇用市場と経済に与える影響、および建設的な政策対応について、体系的な研究と詳細な分析を行った。 2019年2月、トランプ大統領は「人工知能における米国のリーダーシップの維持」に署名し、米国人工知能イニシアチブを立ち上げ、米国が正式に人工知能を国家戦略に昇格させたことを示しました。トランプ政権は、人工知能分野で米国のリーダーシップを維持し続けるためには、技術とイノベーションの進歩を促進し、米国の技術、経済、国家安全保障を守り、外国のパートナーや同盟国との協力を強化するために協力する必要があると強調した。 2021年3月1日、米国国家安全保障委員会人工知能（NSCAI）は、756ページに及ぶ諮問報告書を議会に提出した。報告書の主な勧告には、米国の人工知能分野の発展目標を2025年までに設定し「軍事人工知能即応性」を達成すること、ホワイトハウスに副大統領主導の技術競争力評議会を設立し、さまざまな分野での人工知能の地位向上を支援し、熟練した人材を積極的に育成することなどが含まれている。

オバマ、トランプ、バイデン政権の国家AI政策はそれぞれ重点が異なるものの、一般的に継続性と進歩性の関係を示している。いずれも、AI分野における米国のリーダーシップの維持、リソースのプールによるAI研究開発の優先、国家経済の繁栄の促進、経済と国家の安全保障の強化を強調している。

1.2 人工知能の軍事応用の推進

米国政府は、人員の採用と訓練、作戦の実施、兵器のアップグレード、装備のメンテナンス、医療など、国防総省のあらゆる分野に人工知能が影響を及ぼすと考えています。人工知能は戦争の遂行方法と将来の戦争の性質を変えるでしょう。 AI の潜在力を活用して国防総省を包括的に変革することで、米国統合軍はアメリカ軍人、国民、同盟国、パートナーの利益をより効果的に保護し、部隊の運用能力と有効性を向上させることができます。国防総省は、人工知能の分野における米軍のリーダーシップを維持するために、人工知能の技術的進歩と実際の軍事応用の促進に全力を尽くします。

米国国防総省は、重要な任務に対する人工知能のサポートを非常に重視している。米国政府は、人工知能は状況認識の向上、機器の操作安全性の向上、予知保全の実施、ビジネスプロセスの簡素化において米軍にとって非常に重要であると考えています。人工知能の画像分析機能は、大量の生データから有用な情報を抽出し、軍司令官の状況認識と意思決定能力を高めることができます。 AI は指揮官が最善の行動方針を選択するのを支援し、部隊を配備する際のリスクを最小限に抑えます。 AI は、オペレーターに潜在的な危険を警告することで、複雑な状況における航空機、船舶、車両の人間による操作の安全性を高めることができます。人工知能は、主要な軍事コンポーネントの故障を自動的に予測し、関連データと機器の状態に基づいてメンテナンス計画を提供することができます。これにより、突然の装備事故による軍事作戦への影響を防ぐだけでなく、スペアパーツの在庫レベルを最適化し、指揮官がより低コストで迅速に部隊を展開するのに役立ちます。

1.3 AI関連人材の育成

各国間の人工知能競争の核心は、人材のストックと質の競争であり、人材育成能力、人材育成レベル、そして様々なタイプの人材の継続的な輩出が含まれます。現在、各国にはハイレベルな人工知能の有能な人材が不足しています。短期間でハイレベルの人工知能の有能な人材をいかに育成するかは、各国が共に考える課題です。米国の人工知能政策では、専門人材の育成と人材チームの構築が引き続き重要な課題となっており、資金援助、研究開発投資、プラットフォーム構築などの措置を通じて支援されています。 2019 年に発行された「人工知能におけるアメリカのリーダーシップ維持に関する大統領令」では、教育助成金の提供を既存の連邦奨学金およびサービス プログラムの優先事項として考慮し、コンピューターおよび関連分野で従来過小評価されてきたグループの参加を増やし、分野やスキル カテゴリ全体にわたって人工知能の研究者および開発者の専門的才能を育成することが求められています。同時に、米国は「アメリカのリーダーシップを維持するために、あらゆる面で多様で倫理的な人工知能チームを育成する」という人材育成目標を提唱している。

2. アメリカのAIの問題点

2.1 現場の諜報活動は未解決

いわゆるオンサイトインテリジェンスとは、自律システムを環境に埋め込み、環境を知覚または測定する能力を持ち、状況を評価し、状況について考え、目標を達成するための決定を下し、その後、環境に対して行動を起こすことで、反復的でインタラクティブな「観察/思考/行動」の閉ループを形成することです。問題の難易度に応じて、低レベルのルールから高レベルのルールの推論と計画に至るまで、いくつかの異なる「思考」モード（評価、推論、意思決定など）を使用して問題を解決し、予期しない状況にも対処できる十分な柔軟性を持つ能力。

フィールド インテリジェンスは、タスク レベル、タスク時間、環境などに関連するストレス下での人間のパフォーマンスの向上と人間の限界の緩和に現在重点が置かれている状況に適応できます。ジョンソンは2013年にSense-Assess-Augment (SAA)を提唱しました。これは、人間の身体的、生理学的、心理的状態を知覚し、特定のタスク目標の下での人間の状況を考慮し、パフォーマンス目標に従って状態を評価および整理し、評価された状態に基づいて、人間とコンピューターの相互作用、意思決定支援、さらには生化学的エンハンサーの変更など、さまざまな手段を通じてさまざまな人間の能力を強化するというものです。明らかに、人間の能力が適切に強化されれば、ストレス要因の影響は軽減されるはずであり、人間の状態に対する最終的な認識と評価はこれを反映するはずであり、時間の経過とともに強化する必要がある人間の能力は少量のみである。このプロセスの閉ループの性質は明らかである。

2.2 人間と機械の信頼のメカニズムはまだ開発中である

信頼は、基本的な社会心理学的概念であり、対人関係、経済的交流、組織の生産性、学際的および異文化間のコラボレーション、電子的に仲介された取引など、自律性を超えた多くの分野で重要な要素です。信頼にはさまざまな定義がありますが、広く引用されている定義は、一方の当事者が他方の当事者の行動によって侵害されることをいとわないのは、他方の当事者が、その当事者を監視したり管理したりする能力に関係なく、信頼にとって特に重要な方法で行動するという期待に基づくというものです。自律システムソリューションは透明性と追跡可能性が低く、仮定、使用されるデータ、推論方法などの要素に基づいて、自律システムは「自分自身を説明する」能力が欠如しています。自律システムがソリューションセットの合理性を証明し、人間の信頼を得ることは困難です。システムには、自律システムの健全性やコンポーネントの障害モードなどの自己認識と、環境ストレスや敵の攻撃などの環境認識が欠けています。どちらも、無意識のうちにパフォーマンスと熟練度に影響を与え、名目上の「運用範囲」外で自律システム ベースのソリューションに対する信頼を高める可能性があります。

認知の一貫性と認知の透明性は、人間と機械のコラボレーションの信頼性を高めるのに役立ちます。認知の一貫性とは、基礎となる認知表現と認知プロセスにおける自律システムと人間との間の一貫性の度合いを指します。それは、個人内の認知的または心理的一貫性の概念と、その個人が認知的不協和に対処しなければならないときに生じる問題にまで及びます。認知の一貫性の欠如は、状況を理解して行動を起こす自律システムの能力に対する人間の共通の理解と信頼に影響を及ぼします。この行動は、人間が同様の状況で行動する方法と似ています。認識論的透明性とは、自律システムによって実行される推論とアクションが、認知的一貫性があまりなくても人間にとって理解可能であるという事実を指します。透明性は、自律システムによる評価と推論の「監査証跡」を追跡および検証する手段を人間に提供し、自律システムの問題解決のアプローチが人間のアプローチと異なる場合でも信頼を構築するのに役立ちます。

2.3 人間と機械のハイブリッド知能におけるブレークスルーなし

人間とシステムが共通のタスクを完了するために協力する場合、共通の目標、タスクの制約、役割などに対する理解が不十分だと、タスク実行中に人間と機械の意思決定機能の割り当てに不整合が生じる可能性があります。人間と機械のシステム間の不協和の本質的な問題は、「スピード」や「パフォーマンス」ではなく、「変化」や「良さ」をどのように把握するかにあります。そうでなければ、人は人でなくなり、機械は機械でなくなり、環境は環境ではなくなり、それぞれの利点が生かされず、変化すべきときに変化せず、変化すべきでないときにランダムに変化します。また、人間と機械の融合の方法、タイミング、機能は、早すぎず遅すぎず、速すぎず遅すぎず、ちょうど良いものでなければなりません。そうすることで、それぞれの利点が生かされ、最適な組み合わせが実現します。オープンでリアルな環境では、結果として得られるインテリジェンスのレベルとプロアクティブな有効性は最大化されます。

人間と機械のハイブリッド知能における機能の割り当ては分業の一部であり、他の部分は能力の割り当てです。機能の割り当ては受動的であり、外部の要求によって引き起こされますが、能力の割り当ては能動的であり、内部要因によって推進されます。複雑で異質、非構造化、非線形なデータ/情報/知識では、人間または人間のような方向性の前処理が非常に重要です。問題領域を最初に絞り込むと、機械の境界、高速、正確さの利点を活かすことができます。また、大量のデータ/情報/知識を取得した後、機械は最初にそれらをいくつかのフィールドにマッピングし、その後、人間がそれらをさらに処理して分析することもできます。これら 2 つのプロセスの同化、適応、相互バランスは、人間と機械の有機的な統合を反映しています。

米国の人工知能分野では、上記のような人工知能の重要な課題に対して大きな進歩が見られず、期待された応用効果は得られていない。そのため、その研究の核心である人間と機械のハイブリッド知能と状況認識のメカニズムは比較的曖昧で、メカニズムは比較的混沌としています。これによって生成される知能は、事実の計算のみを記述し、人間の感情、価値観、責任が欠けています。人間の知能は大きく異なるため、効率的な人間とコンピュータのコラボレーションを実現できる最も可能性の高いインテリジェント システムは、パーソナライズされたインテリジェント システムです。 「パーソナライズされた」インテリジェント システムは、単に人間の習慣に適応して対応する機械ではなく、人間とコンピューターのコミュニケーションのためのフレームワークとメカニズムを確立する必要があります。例えば、DARPA のインテリジェント意思決定支援システムの意思決定推奨は、指揮官の考え方を補足するものである場合もあれば、指揮官の指揮スタイルとはまったく相反するものである場合もあります。継続的な実践と調整を通じて、複数のフィードバックが得られ、人間と機械のハイブリッド意思決定能力が反復的に開発され、最終的にパーソナライズされた意思決定支援システムが実現され、人間と機械の最適なマッチングが達成されます。

3. 米国における人工知能の今後の動向

3.1 説明可能なAI

説明可能性の本質は、小さなデータ情報を知識ベースに変換することであり、それは人間の学習の秘密でもあります。これまでの人工知能手法の開発は、人間の経験を含む大規模な知識ベースの発掘と応用にまで遡ることができる一連の重要な進歩を達成してきました。しかし、多くの一般的なアプリケーションでは、収集できるデータの量と品質がディープラーニングタスクの要件を満たすことができず、実際の複雑なシステムの主要な動作を学習するときにモデルが解釈できないことがよくあります。近年、ディープラーニングは人工知能の飛躍的発展を促進してきました。しかし、技術的には、構築されたニューラルネットワークのパラメータ数が多く、階層構造が複雑で、パラメータ間の結合が深いため、ニューラルネットワークのトレーニングと学習プロセスの信頼性、ネットワーク層の構築メカニズム、パラメータの特性属性に疑問があります。人工知能の目標は、データから複雑なシステムの暗黙の内部法則を学習することです。そのため、人工知能方法の解釈可能性、一般化性能、再現性に関する詳細な研究は、現在の世界の人工知能の発展における中核的な重要な科学的課題であり、米国はまだ大きな進歩を遂げていません。

既存の人工知能は、データの前処理とモデリング分析のための過去の経験と統計モデルに基づいています。その数学的な本質は、統計線形動的モデリングと分析です。ビッグデータ分析と人工知能の学習プロセスは、統計モデルまたは線形動的モデルの進化と最適化を通じて、元の複雑なシステムの特性と動作を特徴付けたり、近似したりします。従来の人工知能の発展におけるボトルネックは、その基本的な理論的枠組みが統計と動的線形化に基づくモデリングのアイデアであるという事実に起因しています。機械学習やディープラーニングなどの技術はこのカテゴリに属します。非線形性に関する多くの探求はある程度の進歩を遂げてきましたが、上記の枠組みを突破することはできませんでした。

3.2 人間と機械のハイブリッド知能

人工知能は人間の知能のうち記述可能かつプログラム可能な部分に過ぎず、人間の知能は人間、機械（物体）、環境システム間の相互作用によって生み出されます。人間と機械の機能/能力のマッチングレベルは、完全手動、人間とホストマシンのデータ支援、人間とホストマシンの正規化された計算推論支援、人間とホストマシンの確率的計算推論支援、人間とホストマシンの弱い決定論的意思決定支援、および人間とホストマシンの強い決定論的意思決定支援に分類できます。ただし、いずれの場合も、人間は人間と機械のシステムで常に優位な立場にあります。つまり、システムが制御を失うことを避けるために、人間がプロセス全体を通じて主なコントローラーとなります。

人間と機械のハイブリッド知能の仕組みの難しさ：計算の仕組み、知能計算（計算計算）の仕組み、人間と機械のハイブリッドにおける信頼、理解、意図、適応などの基本概念の定義、人間と機械のハイブリッド知能における機能と能力の境界設定と適応、知能計算（計算計算）の鍵は、計算と計算の弁証法的統一をどのように実現するか（反計算に関して言えば、反計算は逆説的で矛盾している可能性があり、反計算は無限循環である可能性がある）、状況がどのように相互作用するか/認識がどのように統合されるか、敵のように考え、客観的な判断と推論を行うことをどのように学ぶかにあります。

米国は、トップダウンの政府政策（防衛政策など）とボトムアップの企業イノベーションエコシステム（独占禁止法など）を通じて、AI における世界的なリーダーシップを維持しています。価値観の指導に関して、米国は、人工知能技術は自由、人権保護、法の支配、制度の安定性、プライバシー、知的財産権の尊重、誰もが夢を追求する機会など、米国の中核的価値観を反映しなければならないことを強調しています。これには、AI テクノロジーが理解可能で、信頼でき、堅牢で、安全であること、そして AI が社会に及ぼすより広範な影響が考慮されることが求められます。参加団体に関しては、連邦政府機関、学界、民間セクターのイノベーター、非営利団体がそれぞれ独自の必要な役割を果たし、これらの関係者が相互に協力してプラスの相乗効果を生み出します。データ リソースに関しては、米国の政策は、連邦政府が資金提供する AI 研究開発のために、専門家が高品質で効果的かつ完全に追跡可能な連邦政府のデータ、モデル、コンピューティング リソースにアクセスできるようにし、米国の AI 専門家の競争力を高めることです。人間と機械のコラボレーションに関しては、AI システムが人間の能力を補完および強化し、「置き換え、強化、修正、再形成」を通じて人間に力を与える役割に重点が置かれています。

4. 期待

4.1 人工知能の基礎研究を総合的に強化する

人工知能の基礎研究は多額の投資、長いサイクル、高いリスクを必要とするという特徴があるため、経済社会の発展と国家安全保障という大きなニーズに焦点を当て、チーム構築、支援プラットフォーム、資金、運営メカニズム、政策保証など、人工知能に関連するいくつかの重大な科学技術問題の解決に力を注ぎ、前向きな基礎理論研究で大きな突破口を開き、独創的な成果を先導します。基礎応用理論のボトルネックを打破し、明確な応用目標を持ち、人工知能技術の向上をリードする可能性を秘めた基礎理論の方向に重点を置き、ビッグデータインテリジェンス、クロスメディア知覚コンピューティング、ヒューマンコンピュータハイブリッドインテリジェンス、群知能、自律的なコラボレーションと意思決定などの基礎理論研究を強化する必要がある。人工知能のパラダイムシフトを引き起こす可能性のある方向性をターゲットに、最先端の基礎理論研究を計画するとともに、高度な機械学習、自律知能コンピューティングシステム、量子知能コンピューティングなどの分野横断的な基礎理論研究を積極的に計画する必要があります。

4.2 高品質な開発によるAIエコシステムの構築

人工知能エコシステムは、コアバリュー、管理システム、参加団体、文化機関、産業アプリケーション、データリソース、サポートプラットフォームで構成され、自己規制と協調開発を備えた動的でオープンなシステムです。いわゆる高品質な発展とは、システム要素間の相互作用、調整、協力を通じて、各システム要素とエコシステム全体の「高品質、高効率、高公平、高持続可能性」に向けた発展を促進することを意味します。人工知能と経済、社会、国防との深い融合を加速させるためには、知識集団、技術集団、産業集団が交流・融合し、人材、システム、文化が互いに支え合うエコシステムを構築する必要がある。

4.3 人工知能の多面的な統合開発を強化する

人工知能技術の多面的な統合と発展を継続的に深め、未来を支配することを望んでいます。多くの伝統的なハイテク技術とは異なり、人工知能技術の最新の開発クライマックスは民生分野から始まり、徐々に民生分野から軍事用途に移行しました。現在、最先端の人工知能技術を習得している機関は、基本的に民間のハイテク企業であり、特にGoogle、IBM、Microsoft、Amazonなどのインターネットサービスに携わる企業です。この場合、軍事研究だけに頼ることはできません。先進国は、これらの技術を長期にわたって自国の手で管理し、技術の普及を妨げ、新たな科学技術革命を主導することを望んでいる。基盤が弱い発展途上国は、国際競争や世界の生産に参加する機会がますます少なくなるでしょう。

4.4 その他の提案

まず、人工知能のトップレベルの設計が重要です。

第二に、今後の人工知能技術戦略の急速な発展の鍵は、人間と機械の環境システムの協調的発展である。ここでの「人間」は、人工知能分野の専門人材を指すだけでなく、より多くの複合人材も含むことになる。ここでの「機械」は、人工知能マシンのソフトウェアとハ​​ードウェアを指すだけでなく、より多くの職業/産業/分野間の協力メカニズムも含むことになる。その中でも、人工知能の基本メカニズム理論の理論的突破は、各国の注目の的となるだろう。ここでの「環境」は、人工知能分野の研究開発環境を指すだけでなく、より多くの分野における「政府、産学、研究、ビジネス」の協力イノベーションシステム環境も含むことになる。

第三に、「五つの唯一」から脱却し、事実から真実を求め、人を第一に考え、真に複合的な人材/チームの選抜、トレーニング、開発エコシステムを確立し、人工知能、コンピューター、オートメーション、人文社会科学などの関連専攻の関連インテリジェント一般教育コースを設置し、関連企業に関連トレーニング、常勤求人、製品事前研究介入などを実施するよう奨励する。

第四に、人工知能製品やシステムは、単一の人工知能製品やシステムの生産や製造ではなく、人間と機械の環境システムの協調的な開発です。同時に、自動化と知能を区別し、人工知能現象を排除する必要があります。

第五に、知能技術研究における倫理と価値観の実際的な難しさは、利益と制約の矛盾（顔認識の使用における個人のプライバシーと公共の安全のバランスなど）です。解決策は、東洋の倫理と道徳を西洋の法律や規制と統合し、お互いの長所と短所を学び、補完し合い、倫理的な先制予防と法的事後処罰を組み合わせた制度的エコロジーを実現する理論体系を確立することです。

第六に、今後の人工知能の発展は、もはや特定の国の問題ではなく、運命を共有する世界社会の共同の努力となり、「包囲と抑圧」を打ち破り、人類運命共同体の新しい秩序を確立することを目指すものとなるだろう。