人工知能技術とアプリケーションを徹底的に分析し、人工知能産業チェーンを効果的に理解します。

近年、モノのインターネット、ビッグデータ、人工知能などのホットなテクノロジーワードが毎日テクノロジーの見出しに登場しているようです。どのテクノロジーが人類社会の発展にとってより大きな原動力となるのでしょうか？このような疑問を持つ人はいるでしょうか。実際、それらはすべて将来のトレンドであり、互いに矛盾するものではありません。

あらゆるものがインターネットでつながる時代において、ビッグデータは未来の新たな石油であると主張する人もいます。この文章をどう理解すればよいでしょうか。モノのインターネット技術は主に物理世界（現実世界）と情報世界の統合を実現し、現実世界から大量で動的、多形的、かつ関連性の高いデータを取得するものであることがわかっています。ビッグデータの概念は、このデータの抽象的な説明であり、通常、サイズが従来の規模を超えており、ソフトウェアツールでは取得、保存、管理、分析することが難しいデータを指します。そして、人工知能技術があります。これは、大量のデータに基づいて機械が人間のように考えることができる技術です。

人工知能について話すとき、機械学習とディープラーニングについて言及する必要があります。これをよく理解していない人も多いと思うので、ここではセットを表す図を使って、3つの関係を直感的に説明していきます。

図1 機械学習は人工知能の一分野であり、ディープラーニングは機械学習の一分野である

人工知能、機械学習、ディープラーニング技術の分析

1. 人工知能

[[240802]]

図 2 人工知能 - 機械が人間のように考える

人工知能技術は1956年に提案され、21世紀の3大技術の1つと考えられています。人間の思考と意識の情報処理をシミュレートします。人工知能の概念は非常に広範囲です。表面的には、機械が人間のように考え、問題を解決できるようにするものと理解できます。実際、人工知能の中核技術には、推論、知識、計画、学習、コミュニケーション、知覚、動き、物体を操作する能力など、多くの側面が含まれます。

一般的に、人工知能はその強さに応じて次の 3 つのカテゴリに分類されます。

弱い AI: 単一の側面に優れた AI。たとえば、チェスの世界チャンピオンに勝てる人工知能がありますが、その人工知能はチェスの遊び方しか知りません。ハードドライブにデータをより良く保存する方法を尋ねても、どう答えてよいかわかりません。

強い AI: 人間レベルの AI。強い人工知能とは、あらゆる面で人間と競争でき、人間が行える知的作業をすべて行うことができる人工知能を指します。強い AI を作成することは、弱い AI を作成することよりもはるかに困難です。

スーパー人工知能：スーパー人工知能は、あらゆる面で人間よりわずかに強力になるか、あらゆる面で人間より数倍強力になる可能性があります。それが最終的に実現できるかどうかについては、業界でコンセンサスがありません。

人工知能をコンピューターに実装する方法は 2 つあります。 1 つは、システムの特定の構造が人間の脳と似ているか同一であるかを考慮せずに、従来のプログラミング手法を使用してシステムをインテリジェントに見せることです。もう 1 つはシミュレーション方式で、最終結果を見るだけでなく、その構造が人間の脳と類似しているか同一であることも要求されます。

2. 機械学習

図3 一般的な機械学習アルゴリズムのグラフィカル表現

機械学習は、コンピューターがデータに基づいて学習する方法を調べます。主な研究分野の一つは、コンピュータプログラムがデータに基づいて複雑なパターンを自動的に認識し、インテリジェントな決定を下す方法を学習する方法です。機械学習は急速に成長している分野です。ここでは、データマイニングに関連するいくつかの典型的な機械学習の問題を紹介します。

教師あり学習: 基本的には分類の同義語です。学習における監督は、トレーニング データセット内のラベル付けされた例から行われます。

教師なし学習: 基本的にはクラスタリングと同義です。入力インスタンスにはクラス ラベルがないため、学習プロセスは教師なしです。

半教師あり学習: モデルを学習するときにラベル付きの例とラベルなしの例の両方を使用する機械学習手法の一種です。 1 つのアプローチでは、ラベル付きインスタンスを使用してクラス モデルを学習し、ラベルなしインスタンスを使用してクラス境界を調整します。

アクティブラーニング: ユーザーが学習プロセスで積極的な役割を担うことを可能にする機械学習アプローチです。アクティブ ラーニング メソッドでは、ラベル付けされていないインスタンス セットから取得されるか、学習プログラムによって合成されるインスタンスにユーザーがラベル付けすることが必要になる場合があります。ラベル付けできるインスタンスの数に制約があるため、ユーザーから積極的に知識を獲得することでモデルの品質を向上させることが目標です。

3. ディープラーニング

[[240804]]

図4: ディープラーニングは新しい考え方

ディープラーニングは、機械学習研究における新しい分野です。その目的は、人間の脳のように分析し学習するニューラル ネットワークを構築し、シミュレートすることです。画像、音声、テキストなどのデータを解釈する人間の脳のメカニズムを模倣します。ディープラーニングの概念は、人工ニューラルネットワークの研究から生まれました。複数の隠れ層を持つ多層パーセプトロンは、ディープラーニング構造です。ディープラーニングは、低レベルの特徴を組み合わせてより抽象的な高レベル表現の属性カテゴリまたは特徴を形成することにより、データの分散された特徴表現を検出します。概念は不明瞭で、理解するのは少し難しいですが、その孤高の外見の背後には、広範囲にわたる応用シナリオと将来性が秘められています。

現在、ディープラーニング技術でトレーニングされた機械は、猫などの画像の認識、血液中の癌細胞の特徴の識別、MRI スキャンでの腫瘍の識別において人間よりも優れています。

通常、人工知能産業チェーンは、人工知能基礎技術、人工知能アルゴリズムプラットフォーム、人工知能アプリケーションの3つのコアリンクに分けられます。次に、人工知能産業チェーンを解釈してみましょう。

図5 人工知能産業チェーンの3層構造

1. 人工知能の基礎技術

人工知能の基礎技術は主にビッグデータ管理とクラウドコンピューティングです。近年の発展を経て、国内のビッグデータ管理とクラウドコンピューティング技術は徐々に新しい分野から公共サービスの基本プラットフォームへと変化してきました。基礎技術は、人工知能技術の実現と応用のための基本的な背景保証を提供し、また、すべての人工知能技術と応用の実現の前提条件でもあります。

クラウド コンピューティングは、使用レベルに応じて、Infrastructure as a Service (IaaS)、Platform as a Service (PaaS)、Software as a Service (SaaS) に分類できます。

IaaS: パブリック クラウド、プライベート クラウド、ハイブリッド クラウドの 3 つの形式に分かれています。消費者に提供されるサービスは、プロセッサ、ストレージ、ネットワーク、その他の基本的なコンピューティング リソースを含むすべての施設の使用です。ユーザーは、オペレーティング システムやアプリケーションを含むあらゆるソフトウェアを展開して実行できます。

PaaS: ソフトウェア開発プラットフォームは、SaaS モデルのサービスとしてユーザーに提供されます。

SaaS: 顧客に提供されるサービスは、オペレーターがクラウド コンピューティング インフラストラクチャ上で実行するアプリケーションであり、ユーザーはさまざまなデバイス上のブラウザーなどのクライアント インターフェイスを通じてアクセスできます。

現在、国内のクラウドコンピューティングの主要参加者としては、Alibaba Cloud、Tencent Cloud、Huawei Cloud、Baidu Cloudなどがあります。

2. 人工知能アルゴリズムプラットフォーム

基礎技術提供プラットフォームとは異なり、人工知能技術プラットフォームは主に機械学習、パターン認識、ヒューマンコンピュータインタラクションに重点を置いています。関連する分野には、マシンビジョン、指紋認識、顔認識、網膜認識、虹彩認識、掌紋認識、エキスパートシステム、自動計画、インテリジェント検索、定理証明、ゲーム、自動プログラミング、インテリジェント制御、ロボット工学、言語と画像の理解、遺伝的プログラミングが含まれます。

機械学習については記事の前半で詳しく説明しているので、ここでは繰り返しません。

パターン認識：パターン認識は、コンピュータが数学的手法を使用してパターンの自動処理と解釈を研究することです。音声認識、顔認識など、信号、画像、音声、テキスト、指紋などの直感的でないデータの処理に焦点を当て、関連する特徴を抽出することで特定の目標を達成します。テキスト認識、音声認識、指紋認識、画像認識はすべてパターン認識のシーンアプリケーションです。

ヒューマン コンピュータ インタラクション: ヒューマン コンピュータ インタラクションは、システムとユーザー間のインタラクティブな関係を研究する分野です。システムには、さまざまな機械やコンピュータ化されたシステム、ソフトウェアが含まれます。アプリケーション レベルでは、人とシステム間の音声によるやり取りと、人とロボット エンティティ間の物理的なやり取りの両方が含まれます。

現在、国内の人工知能技術プラットフォームは、主にアプリケーションレベルでのコンピュータービジョン、音声認識、言語技術処理の分野に焦点を当てています。代表的な企業としては、iFlytek、DeepGlint、Jetcom Huasheng（Lingyun）、Horizo​​n Robotics、SenseTime、Yonghong Technology、Megvii Technology、Unisoundなどがあります。

3. 人工知能の応用

人工知能のアプリケーションには特殊な側面と一般的な側面の両方が含まれており、これらは機械学習、パターン認識、人間とコンピューターの相互作用という 3 つの人工知能テクノロジーの実装形式でもあります。現在、国内の人工知能の応用は、専門的な応用から一般的な応用への移行段階にあります。

このうち、特殊分野の応用は顔認識、音声認識、サービスロボットなど、現在の国内の人工知能応用のほとんどをカバーしており、一般分野の応用は医療、スマートホーム、金融などに重点を置いています。

（１）知能ロボット

[[240805]]

図6 知能ロボット：人間の良きパートナー

産業発展とインテリジェントライフのニーズにより、国内のインテリジェントロボット産業の現在の研究開発は、主に家庭用ロボット、産業・企業サービス、インテリジェントアシスタントの3つの側面に集中しています。

その中で、産業用および企業向けサービスロボットの研究開発企業は、政策的背景と市場のニーズに依存して、比較的進んだ発展段階にあります。代表的な企業としては、Siasun Robotics、DJI、Boshi Holdings、UAIBO Robotics、Slamtecなどがあります。

上記3つのカテゴリーのうち、家庭用ロボットやスマートアシスタントを手掛ける企業が圧倒的多数を占め、国内企業は約300社に上ります。

代表的な家庭用ロボット企業としては、UBTECH Robotics、Rokid、Gongzi Xiaobai Robot、Beiming Xingmou、Jisiwei Intelligent Technology などがあります。

代表的なスマートアシスタント企業としては、Baidu、Xiaoi Robot、Turing Robot、UBTECH Robotics、GalaxyEye、Carrot Technologyなどがあります。

（２）スマートホーム

[[240806]]

図7 人工知能があなたの家をよりスマートにする

スマートホームにおける人工知能の応用も注目の話題です。ハイアールや美的を代表とする伝統的な家電メーカーは、独自のチャネル、技術、サポート製品の優位性に基づいて、物理的なスマートホーム製品エコシステムを確立しています。 Alibaba、Tencent、JD.com、Xiaomi、LeTV などのインターネット企業に代表される企業は、それぞれのプラットフォーム上のデータと端末リソースを通じて、さまざまなソフトウェアおよびハードウェア サービスを提供しています。

Ecovacs、Orvibo、Broadlink、Ganju IoT、Fengxiangbiao Technology、IoT Sensing、Huaweiなどのテクノロジーソリューションプロバイダーが、一般的なハードウェアとテクノロジー、およびシステムレベルのソリューションにおいて、多くのスマートホーム企業のパートナーになっていることは注目に値します。

全体的に、スマートホームやモノのインターネットの他の分野の企業は、市場分類、技術の種類、データの蓄積の違いにより、それぞれ差別化されたソリューションを提供しています。特定の市場においては、競争が絶対的に排除されるわけではなく、企業間の協力と統合の度合いが比較的強い。

インターネット企業：Ali Xiaozhi、QQ IoT、JD.com、Xiaomi、LeTV Home Furnishing など。

伝統的な家電メーカー：Haier U+、Midea M-Smartなど。

テクノロジーソリューションプロバイダー: Orvibo、Ecovacs、Broadlink、Ganju IoT、Fengxiangbiao Technology など。

（３）スマートヘルスケア

[[240807]]

図8: インテリジェント医療は医師と患者の間の対立を緩和し、人間にとってより困難で複雑な病気の解決に役立ちます

現在、中国におけるインテリジェント医療分野の研究は、主に医療ロボット、医療ソリューション、生命科学に焦点を当てています。

遅れてスタートしたことと技術的な限界のせいで、現在の国内医療ロボットの研究開発レベルと普及率は、国際的な第一線レベルと比べてまだ一定の差があります。これらの企業は主に、手術ロボットとリハビリテーションロボットの2つの主要分野に集中しています。

医療ソリューションの面では、テンセント、アリババ、百度、iFLYTEKなどの企業が政府や医療機関との協力を通じて、脳科学、疾病予防・治療、医療情報データに関するインテリジェントソリューションを提供しています。

ライフサイエンス分野では、遺伝子・細胞検査に代表される最先端の研究領域に注力しており、代表的な企業としては、BGI、iCarbonX、Berry Genomicsなどが挙げられます。

代表的な医療ロボット企業：Siasun Robotics、Boshi Holdings、Miaoshou Robotics、Jinghe Technologyなど。

医療ソリューションを提供する代表的な企業：Tencent、Alibaba、Baidu、iFLYTEK など

代表的なライフサイエンス企業：BGI、iCarbonX、Berry Genomics、Annoroad、United Gene、Beike Bio など。

国内の人工知能産業チェーンの基礎技術チェーンは成熟して構築されており、人工知能技術とアプリケーションは、顔や画像認識、音声アシスタント、スマートライフなどの専門分野におけるシナリオベースのソリューションに集中しています。動向から判断すると、今後国内の人工知能分野における差別化された競争と躍進は、人工知能関連技術の躍進と応用シナリオのアップグレードという2つのレベルに主に焦点が当てられることになるだろう。