海外の専門家による人工知能の発展見通しに関する衝撃的な4つの予測

海外の専門家による人工知能の発展見通しに関する衝撃的な4つの予測

[[240152]]

人工知能技術が成熟するにつれ、この技術のより広範な社会的、倫理的影響に十分な注意が払われていないのではないかと懸念する人もいる。専門家が、人工知能 (AI) で今後起こると思われる最も恐ろしい 5 つの展開について議論します。

人工知能について考えるとき、人々は殺人ロボットや暴走するコンピューターを想像します。 『ブレードランナー』や『ターミネーター』のようなハリウッド映画は、人工知能がプログラミングから逸脱し、人間に敵対するのではないかという恐怖を私たちに植え付けました。今年1兆ドル以上の事業価値を生み出し、2022年までに4兆ドル近くに達すると見込まれる業界にとって、その倫理的影響について大きな疑問が生じれば、大きな結果を招くことになるだろう。

人工知能は、すでに多くの業界、特に多くの手作業に依存する業界に顕著な影響を与えている流行語です。人工知能技術が成熟し、企業がそれに投資を続けるにつれて、この技術のより広範な社会的、倫理的影響に十分な注意が払われていないのではないかと懸念する人もいる。そこで NBC は数名の専門家を招き、この問題について議論し、人工知能の発展にとって最も恐ろしい 5 つの可能性について検討してもらいました。

1. 世界の失業率

アナリストや労働者は一般的に、仕事がますます自動化され、大量の肉体労働が不要になるため、人工知能の広範な使用によって世界的な失業が発生することを懸念している。

「おそらく最大の懸念は失業だ」と、英国エディンバラ大学情報学部のアラン・バンディ教授は言う。「非常にターゲットを絞ったさまざまなアプリケーションをキュレートし、これらのアプリケーションが対応できないエッジケースを特定する必要があるが、これは予想される大規模な失業の代替にはならない。少なくとも長期間は。」

人工知能の支持者は、この技術が新たな雇用を生み出すと主張する。新しいテクノロジーの複雑さには、それを開発するための適切な人材が必要となるため、エンジニアの需要は増加します。また、人間は日常業務で新たな役割を果たすために AI を活用する必要があるとも言われています。

ガートナーは、2020 年までに AI によって 230 万の雇用が創出され、180 万の雇用が失われると予測しています。つまり、純増は 50 万の雇用です。しかし、AIが世界中で大規模なレイオフを引き起こす可能性を否定するものではない。

2013年に英国オックスフォード大学が行った調査では、最も置き換えられる可能性が高い職業には、経済運営スタッフ、銀行出納係、保険引受人、税務プランナーなどがあると指摘されています。これらの職業は高度な技術を必要としませんが、金融業界を存続させる上で非常に重要なものです。

スキルアップや新しい雇用の創出、さらには普遍的なベーシックインカムの導入によって、AI が労働市場に与えるダメージを最小限に抑えることは可能かもしれないが、失業問題はすぐには解決されないことは明らかだ。

2. 戦争

「殺人ロボット」の出現と軍隊における人工知能の利用により、専門家はこの技術が最終的に戦争につながるのではないかと懸念している。テスラのCEO、イーロン・マスク氏は人工知能に関して率直な意見を述べていることで知られている。昨年、彼は人工知能が第三次世界大戦につながる可能性があると警告した。

マスク氏は誇張表現で知られているが、彼のコメントは専門家の本当の不安を伝えている。一部のアナリストや活動家は、致死性の自律型兵器の開発と軍事上の意思決定における人工知能の利用は、多くの倫理的ジレンマを生み出し、AI主導の戦争の可能性を高めると考えている。

こうした機械を禁止するために活動している非政府組織さえある。 2013年に設立された「Stop Killer Robots」という団体は、政府に対し、人工知能を搭載したドローンやその他のツールの開発を阻止するよう求めている。米国の防衛シンクタンク、ランド研究所は今年初め、軍事分野における人工知能の応用が2040年までに核戦争を引き起こす可能性があると研究で警告した。

アムステルダム自由大学の人工知能研究者フランク・ファン・ハルメレン氏は、「『怖い』という言葉が使えるのは、自律型兵器システムだけだと思います。ロボットのように見えるかもしれないし、そうでないかもしれないシステムです。AIであろうとなかろうと、ミサイル発射など、生死に関わる決定を自動的に下すコンピューターシステムは、非常に恐ろしい考えです」と語った。この大胆な予測の背後にある真実は、軍用AIシステムが状況分析でミスをすれば、各国が無謀な、さらには破滅的な決定を下すことになるということだ。

3. ロボットドクター

医療におけるAIの利用には、病気の早期診断や医療全体のスピードアップなど多くの利点があることに専門家はほぼ同意しているが、一部の医師や学者は、データ主導の医療実践への動きが速すぎるのではないかと懸念している。学者たちはまた、人々がAIが人間のような知能を発達させ、幅広い課題を解決できると信じ、AIに対して過大な期待を抱いていることを懸念している。

「これまでのAIの応用はすべて非常に成功しているが、その範囲は非常に狭い」とエディンバラ大学のバンディ氏は述べ、こうした期待は医療などの業界に悲惨な結果をもたらす可能性があると付け加えた。先週、ある健康関連出版物がIBMの内部文書を引用した記事を掲載した。報告書によると、IBMのスーパーコンピューター「ワトソン」は多くの「安全でない、誤った」がん治療の推奨を行っていたが、このソフトウェアは仮想シナリオの下で少数のケースのみに対処するように訓練されていた。

もうひとつの懸念は、コンピューターが消費し共有するデータ、およびそのデータを使用してアプリケーションを自動化するデータ駆動型アルゴリズムが、患者のプライバシーを侵害する可能性があることです。データの保存と共有には問題が伴うことが判明しました。 DeepMind を例に挙げましょう。2015 年、Google が所有するこの人工知能企業は、英国国民保健サービス (NHS) と契約を結び、英国の患者 160 万人の健康データを取得しました。この合意は、病気を検出するプログラムの能力を向上させるために、患者が自社にデータを提供することを意味する。これにより、腎臓病患者を検出し、症状が悪化した場合に医師に警告するように設計されたStreamsと呼ばれるアプリも誕生しました。

しかし昨年、英国のプライバシー監視機関である情報コミッショナー事務局(ICO)は、NHSとDeepMindの間の契約はデータ保護法に違反していると判断した。 ICOは、ロンドンのロイヤル・フリー病院は契約の一環として患者データをどのように使用しているかについて透明性が欠けていると述べた。

IV. 差別

読者の中には、2年前に話題となったマイクロソフト社が開発したAIチャットボット「Tay」を覚えている方もいるかもしれません。

このボットにはTwitterアカウントがあり、1日も経たないうちに、一部のユーザーがボットにアドルフ・ヒトラーと白人至上主義を支持する攻撃的なツイートを投稿するように訓練した。このエラーによりマイクロソフトはアカウントを無効化せざるを得なくなり、この事件は人工知能における差別の可能性についての白熱した議論も巻き起こした。

ウォルシュ氏は、差別はテクノロジーがもたらす数々の「予期せぬ結果」の一つだと述べた。 「私たちは、コンピュータープログラム、特に機械学習において、人種や性別の偏見につながる可能性のある意図しない偏見を目にしている。私たちは過去50年ほど、社会から排除しようと努めてきたのだ」と彼は語った。

専門家らは、この問題は人工知能を特定の人種や性別に偏らない客観的かつ合理的な思考者に変えることに関係していると述べている。これは研究者や開発者が真剣に検討してきた問題です。

IBM には、人工知能の分野における差別の解決に取り組む研究者もいます。 IBMは今年初め、人工知能の顔認識システムにおける偏見を減らす取り組みの一環として、肌の色やその他の顔の特徴が異なる顔のデータセット2つを公開すると発表した。

<<:  このアルゴリズムに関する優れた本を読めば、AIを本当に理解できる

>>:  普通のプログラマーから人工知能の仕事に転職するにはどうすればいいでしょうか?

ブログ    

推薦する

機械学習において、トレーニングおよび検証メトリック グラフから何がわかるでしょうか?

この記事では、トレーニングと検証の考えられる状況をまとめ、これらのチャートがどのような情報を提供でき...

...

74KBの写真も高解像度です。Googleはニューラルネットワークを使用して新しい画像圧縮アルゴリズムを作成しました

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

産業用ロボットのプログラミングにはどの言語が使用されますか?

多くの友人から、産業用ロボットのプログラミングにはどの言語が使用されるのかと尋ねられました。今回は、...

テレンス・タオが、60 年前のもう一つの幾何学の問題に取り組みます。周期的タイル分割問題における新たなブレークスルー

テレンス・タオ氏が研究してきた周期的モザイク化問題に新たな進歩がありました。 9月18日、Teren...

成功する機械学習チームを構築するための 4 つのステップ

導入企業にとって、機械学習チームを 0 から 1 まで構築する方法は、多くの企業にとって非常に頭の痛...

機械学習プロジェクトにおけるデータの前処理とデータ ラングリング

要点一般的な機械学習/ディープラーニング プロジェクトでは、データ準備が分析パイプライン全体の 60...

人工知能の便利な日常的な活用例8つ

「人工知能」という用語を Google で検索して、何らかの形でこの記事にたどり着いた場合、または ...

機械学習に必須: TensorFlow を使用するための 11 のヒント

[[326623]] TensorFlow 2.x は、モデルの構築と全体的な使用において多くの利便...

電子商取引用に作成されたナレッジグラフは、ユーザーのニーズをどのように感知するのでしょうか?

[[243140]] 1. 背景2017年6月に電子商取引認知マップが発表されて以来、実践から体系...

...