人工知能は ICT 専門家にとって味方でしょうか、それとも敵でしょうか?

人工知能 (AI) とそのサブセットである機械学習 (ML) は、今日最も急速に成長しているテクノロジーの 1 つです。同時に、ディープフェイク、欺瞞、偏見、その他の倫理的問題を取り巻く終末シナリオにより、大きな注目を集めています。 5月、ホワイトハウスの科学技術政策局（OSTP）は、AIに関する国家の優先事項に関する情報提供要請書を発行し、AI技術は人々の生活を向上させ、深刻な世界的課題に対処できる可能性がある一方で、「民主主義、国家安全保障、公民権、社会経済情勢に深刻なリスクをもたらす」と指摘した。

リスクがあるにもかかわらず、AI テクノロジーは今後も存在し続け、金融、ヘルスケア、製造から輸送、小売、エンターテインメントに至るまで、あらゆる市場やテクノロジー大手の間で AI の利用が急増しています。 IBM によれば、世界中の企業の 35% がすでに AI を導入しています。

セキュリティおよび監視技術プロバイダーである i-PRO Americas の A&E プログラム マネージャーである Glenn Adair 氏は、ICT プロフェッショナルにとって AI とそれがデータ センターの設計と展開に与える影響についての基礎知識を十分に理解することが非常に重要であると述べています。 LAN – たとえ彼ら自身がその技術を使用していなくても。そのため、アデア氏は、9 月 12 日にラスベガスで開催される BICSI Fall Conference & Expo で「人工知能と機械学習の謎を解明する」と題した講演を行う予定です。実際、カンファレンスではデータセンターにおける人工知能の応用について多くの情報を聞くことができます。

アルゴリズムについて

現在、ほとんどの情報源では、人工知能と機械学習技術は、人間の知能と思考プロセスをシミュレートできるシステムであると言及されています。この定義はロボットが世界を支配するという考えを煽ったが、この技術は数十年前から使用されていた。1997年にIBMのスーパーコンピューター「ディープ・ブルー」がチェスの世界チャンピオン、ガルリ・カスパロフを破るよりずっと以前から使用されていたのだ。

アデア氏によると、最初の AI アルゴリズムは、フローチャートで使用される決定木に似た、より決定論的なものであり、主にデータの分類に使用されていました。 「初期のアルゴリズムは20問の質問をするようなもので、正しい答えが出なかったら動作を調整し、正しい答えが出るまで正しい4～5問の質問をしていました」と彼は語った。

アデア氏は、AI のサブセットである ML を見る 1 つの方法は、アルゴリズムを逆順に記述することだと述べた。たとえば、アルゴリズムに A と B を掛けて C を得るように指示する代わりに、機械学習は機械にそのやり方を指示せずに A と B に基づいて C を達成するように要求します。 「機械学習では、機械は正しい答えに到達するまでさまざまな可能性を試し、データが増えるほど、その答えに到達する能力が向上します」とアデア氏は説明する。 「機械がどうやってその答えを出したのか分からないので、不透明で、常に正しい答えを得られるかどうかは分かりません。それがテクノロジーの限界です。」

人工知能アルゴリズムは、一般的に教師あり学習と教師なし学習に分けられます。教師あり学習は、分類や回帰分析のために明示的にラベル付けされたデータに依存します。回帰分析は、本質的には 2 つ以上の変数間の関係を数学的に決定するものであり、通常、そのうちの 1 つは従属変数です。例としては、値の推定（ROI など）、確率の予測（医療診断、市場の成長など）、境界の特定（許容可能な誤差の量など）などが挙げられます。私たちのほとんどが（気づいていなくても）よく知っている回帰分析の 1 つのタイプは、類似点を探して確率を決定するベイズモデリングです。 「これがNetflixの推奨モデルの仕組みです」とアデア氏は語った。

教師なし学習は、ラベルのないデータや生データ内のパターンと関係性を発見します。類似性を研究するためのベイズモデリングは、生のデータポイントを分析して意味のあるグループに整理するクラスタリング アルゴリズムなど、教師なしで行うこともできます。スパムフィルタリングとマーケティングにおけるターゲティングはクラスタリングの一例です。皮肉なことに、クラスタリングはコンテンツを調べてディープフェイクを識別するためにも使用されています。

最も洗練されたタイプの AI は、通常、教師なし学習と教師あり学習を組み合わせて人間の脳を厳密に模倣するニューラル ネットワーク アルゴリズムです。自動運転車、Siri、顔認識、病気の診断、ChatGPT のような生成 AI などがその例です。これらのアルゴリズムはディープラーニングと見なされ、広範なデータセットに依存します。 「ニューラルネットワークは非常に複雑であり、私たちはこの技術を行動認識や物体識別などの認識機能のセキュリティソリューションに活用することに非常に興味を持っています」とアデア氏は語った。 「この技術を使えば何でも検出できますが、何を探しているのかを伝える必要があります。」

アデア氏は、ニューラル ネットワーク アルゴリズムが機能するには、ある程度の不確実性が必要であると考えています。 「直感に反するように聞こえるかもしれないが、アルゴリズムが常に100％正解するのであれば、何か問題が起こったときに何をすればいいのか分からなくなってしまう」と彼は語った。 「多少のエラーは許容したいのです。結局のところ、人間は間違いを犯します。私たちの目標は、それを人間のエラーのレベル以下にすることですが、これまでに見たことのないものに遭遇したときに壊滅的な障害に陥るほど低くはありません。」

潜在的な業界ユースケース

人工知能は、ICT および建設業界に大きな可能性をもたらします。システムの使用パターンの異常を識別して潜在的な悪意のあるアクティビティやデータ侵害を特定することで、サイバーセキュリティ システムの耐障害性が向上しています。 Microsoft の Cyber​​Signal プログラムは、人工知能を使用して悪意のあるアクティビティやソフトウェア関連の脆弱性を検出し、357 億件以上のフィッシング攻撃と 256 億件以上の個人情報盗難の試みをブロックすることに成功したと報告しています。 AI には、コンプライアンスや監査、サービス リクエスト、デバイス構成やソフトウェア アップグレードなどの資産管理機能など​​、多くの一般的な IT プロセスを自動化する可能性もあります。

スマート ビルディング業界では、Siemens、Honeywell、Johnson Controls などのベンダーが、AI アルゴリズムをビル管理システム (BMS) プラットフォームに統合して、コストを削減し、エネルギー、環境、居住者のエクスペリエンスの目標を達成するための意思決定を行っています。たとえば、パターンを分析して HVAC やその他の機器内の異常を検出して診断したり、過去の占有データの分析に基づいてスペースを最適化したりすることで、システム障害を防ぐことができます。

AI はデザイナーがより良い計画を立てるのにも役立ちます。英国の新しい高速鉄道 HS2 では、AI を使用して乗客の感情を分析し、いつどこで混乱が生じるかを判断し、標識の配置を最適化しています。 「検査や計画のための予測モデルにAIがますます利用されるようになると思います」とアデア氏は語った。 「ネットワーク インフラストラクチャの設計に使用して、最小限の材料で最も効率的なケーブル ルートを見つけることもできます。」

Chatsworth Products の戦略的提携および電子機器製品管理担当ディレクターの Ashish Moondra 氏は、 AI がデータセンターのインフラストラクチャ管理プラットフォームにも導入されると予想しています。 「データセンターの設計には、スマート PDU、UPS、環境センサーなどのデバイスによって収集されたデータが組み込まれています」と彼は述べています。

データとコンピューティングの増加により、機会も増える

ケーブル インフラストラクチャの専門家として、私たちは AI とそれが必要とするデータが、私たちが日常的に扱うデータ センターや LAN の設計と展開にどのような影響を与えるのか疑問に思うかもしれません。アデア氏は、ICT専門家は心配するよりもむしろ喜ぶべきだと語った。 「これは大きなチャンスを意味するだろう。なぜなら、それはすべてデータの質と量に関するものであり、それがデータセンターの大きな発展を推進することになるからだ」と彼は語った。

より多くの建物システムが AI を活用するようになると、より多くのデータが必要となり、より多くの場所に接続されたエンドポイントとセンサーが必要になります。これにより、LAN におけるワイヤレス テクノロジとシングル ペア イーサネットの導入が促進される可能性があります。大量のデータを分析する必要があるため、人工知能アルゴリズムを実行するデータセンター機器も従来のコンピューティング機能のほぼ 3 倍の電力を必要とし、ラックあたり最大 30kW 以上が必要になります。一方、ハイパースケールおよびクラウドレベルの高性能コンピューティングのラック密度は 50kW を超えます。ラックの電力密度が高まると、データ センターの設計に大きな影響を与え、液体冷却などのより高度な熱管理および冷却テクノロジの必要性が高まります。

アデア氏は、こうした機会があるにもかかわらず、AI は依然として人間の入力によって動かされていると指摘した。 「AIの『A』は明白なはずだ。機械には欲望やニーズはなく、私たちが機械に与えたデータに基づいて、機械に何をしてほしいかを決めるのは私たちの責任だ。アルゴリズムが何を探せばいいか分からなければ、あまり役に立たない」と彼は語った。 「同時に、アルゴリズムが人間の監視なしに実行され、人間には分からないセキュリティ上の脆弱性が生じないようにするための一連の標準が必要です。」