人工知能の台頭は難しく、普通のAI開発者が普及する

[[241542]]

Forbes によれば、FORTRAN のパンチカードから Go を使用した分散システムの作成まで、この分野は本質的に同じ考え方を維持しています。つまり、問題について深く考え、巧妙なアプローチ (つまりアルゴリズム) を考え出し、マシンに一連の実行命令を提供します。

明示的プログラミングと呼ばれるこのアプローチは、メインフレームからスマートフォンまで、インターネットブームからモバイル革命まで、不可欠なものでした。これにより、まったく新しい市場が生まれ、Apple、Microsoft、Google、Facebook などの企業が一般に知られるようになりました。

しかし、何かが欠けていました。フィリップ・K・ディックの『ブレードランナー』に登場するロボットタクシーや、ジョージ・ルーカスの『スターウォーズ』に登場するC-3POなど、コンピューター時代の初期の作家たちが思い描いたインテリジェントシステムは、今でもSFの世界の産物である。一見単純なタスクは、最も才能あるコンピューター科学者によって設計された自動化手法でさえ頑固に抵抗してきました。専門家は、シリコンバレーがこれらの課題に直面しても根本的な問題の解決を避け、代わりに漸進的なビジネスや注目のビジネスに注力していると非難している。

もちろん、それはもうすぐ変わります。 Waymo の自動運転車は最近、800 万マイルの道路テストを完了しました。 Microsoft の翻訳エンジンは、中国語を英語に翻訳する場合、人間の翻訳者とほぼ同等の精度を持っています。スタートアップ企業は、スマートアシスタント、産業オートメーション、不正検出などの分野で新たなブレークスルーを実現しています。

これらの新しいテクノロジーは、さまざまな形で私たちの日常生活に影響を与えると予想されます。これらは全体として、明示的なプログラミング モデルから大きく逸脱した、ソフトウェア開発に関する考え方の大きな変化を表しています。

これらの進歩の背後にある中核的なブレークスルーは、人間の脳の構造にヒントを得た人工知能技術であるディープラーニングです。比較的限定されたデータ分析ツールとして始まったものが、今ではほぼ汎用コンピューティング プラットフォームとして機能しています。幅広いタスクにおいて従来のソフトウェアよりも優れたパフォーマンスを発揮し、最終的にはコンピューター科学者が長らく実現できなかったインテリジェント システムの実現につながる可能性があります。メディアは時々、AI テクノロジーのこうした可能性を誇張して伝えます。

しかし、ディープラーニングが大々的に宣伝される中、多くの観察者は、ディープラーニングの将来について楽観的になれる最大の理由を見逃している。ディープラーニングでは、プログラマーが実際にコードをほとんど書く必要がないのだ。ディープラーニング システムは、事前に設定されたルールに頼るのではなく、過去の例に基づいてルールを自動的に記述します。ソフトウェア開発者は「大まかな骨組み」を作成するだけでよく、残りはコンピューターに任せます。例えば、テスラはディープラーニングとコンピュータービジョンの専門家であるアンドレイ・カルパシー氏を雇用し、ディープラーニング技術を自社の自動運転事業に取り入れてくれることを期待した。

この新しい世界では、開発者は問題ごとに独自のアルゴリズムを設計する必要がなくなりました。代わりに、ほとんどの作業は、望ましい動作を反映するデータセットの生成とトレーニング プロセスの管理に重点を置いています。 GoogleのTensorFlowチームのPete Warden氏は2014年にこのことを指摘し、「私はプログラマーだったが、今はコンピューターに自らプログラミングすることを教えている」と書いている。

今日、最も重要なソフトウェアの進歩を推進するプログラミング モデルでは、実際のプログラミングをあまり必要としません。

これはソフトウェア開発の将来にとって何を意味するのでしょうか?

プログラミングとデータサイエンスはますます融合していきます。近い将来、ほとんどのソフトウェアは「エンドツーエンド」の学習システムではなく、ユーザーと対話して結果を解釈するためのコア認知機能と明示的なロジックを提供するデータ モデルに依存することになります。今後ますます聞かれる質問は、「この問題を解決するには AI を使うべきか、それとも従来の方法を使うべきか」というものです。実際、インテリジェント システムの設計者は、両方に精通している必要があります。

人工知能の実践者は、求められる人材となるでしょう。人工知能技術の研究開発は難しい。将来、一般的な AI 開発者はソフトウェア企業にとって最も貴重なリソースの 1 つになるでしょう。伝統的なコーダーにとって、これは皮肉なことです。 1950 年代から、他の産業の仕事を自動化し始め、現在では自らの仕事も部分的に自動化されつつあります。彼らの仕事に対する需要が減ることは絶対にありませんが、最先端に留まりたい人は、健全な懐疑心を持って AI の世界に臨まなければなりません。

AI ツールチェーンを構築する必要があります。 Lyft の機械学習責任者である Gil Arditi 氏は、それを非常に明確に述べています。 「機械学習はまだ初期段階だ」と同氏は言う。「1980年代初頭や1970年代後半のデータベースと似ている。適切に機能させるには世界的な専門家でなければならない」。研究により、多くのAIモデルは説明が難しく、簡単に騙されやすく、偏見の影響を受けやすいことも明らかになった。 AI 開発者の可能性を実現するには、これらの問題を解決するためのツールを習得する必要があります。

私たちは皆、予測できない行動を受け入れる必要があります。開発者もユーザーも、コンピューターの「命令」という比喩に慣れています。 「指示」は、コンピューターが指示通りに動作し、入力によって常にほぼ同じ量の出力が生成されるという信念を強化します。対照的に、AI モデルは生き、呼吸するシステムのようなものです。新しいツールにより、特に安全性が重要な設定では、明示的なプログラミングに似たものになりますが、制限を厳しく設定しすぎると、AlphaGo の予期しない動きのように、これらの AI システムの特別な価値が失われるリスクがあります。 AI アプリケーションを開発して使用する際には、さまざまな確率的な結果を理解し、受け入れる必要があります。

世界が人工知能に支配される可能性はゼロに近い。