2019年に注目すべき5つのAIトレンド

2018 年には、機械学習と人工知能に基づくプラットフォーム、ツール、アプリケーションの劇的な成長が見られました。 これらのテクノロジーは、ソフトウェアやインターネット業界だけでなく、医療、法律、製造、自動車、農業などの他の業界にも影響を与えています。

[[252129]]

2019 年以降も ML および AI 関連テクノロジーの進歩は続くでしょう。 Amazon、Apple、Facebook、Google、IBM、Microsoft などの企業は AI の研究開発に投資しており、これによりエコシステムが AI を消費者に近づけることに貢献します。

2019 年に注目すべき 5 つの AI トレンドは次のとおりです。

1. AI対応チップの台頭

他のソフトウェアとは異なり、AI は CPU を補完する専用のプロセッサに大きく依存しています。 最速かつ最先端の CPU でも、AI モデルのトレーニング速度を上げることができない場合があります。 推論時には、物体検出や顔認識などのタスクを高速化するために、モデルは複雑な数学的計算を実行するための追加のハードウェアを必要とします。

2019 年には、Intel、NVIDIA、AMD、ARM、Qualcomm などのチップメーカーが、AI アプリケーションの実行を高速化するための専用チップを発売する予定です。 チップは、コンピューター ビジョン、自然言語処理、音声認識に関連する特定のユース ケースとシナリオに合わせて最適化されます。 ヘルスケア業界や自動車業界の次世代アプリケーションは、エンドユーザーにインテリジェンスを提供するためにこれらのチップを利用することになります。

[[252130]]

2019年は、Amazon、Microsoft、Google、Facebookなどのハイパースケールインフラ企業が、フィールドプログラマブルゲートアレイ（FPGA）や特定用途向け集積回路（ASIC）をベースにしたカスタムチップへの投資を増やす年にもなるでしょう。 これらのチップは、AI と高性能コンピューティング (HPC) に基づく最新のワークロードを実行するために大幅に最適化されます。 これらのチップの一部は、次世代データベースのクエリ処理と予測分析の高速化にも役立ちます。

2. エッジにおけるIoTとAIの統合

2019 年、AI はエッジ コンピューティング層で IoT と出会います。 パブリック クラウドでトレーニングされたモデルのほとんどはエッジにデプロイされます。

産業用 IoT は、異常検出、根本原因分析、機器の予測保守を実行できる AI の主要な使用例です。

ディープ ニューラル ネットワークに基づく高度な ML モデルは、エッジで実行できるように最適化されます。 ビデオフレーム、音声合成、時系列データ、カメラ、マイク、その他のセンサーなどのデバイスによって生成された非構造化データを処理できるようになります。

モノのインターネットは、企業における AI の最大の推進力となるでしょう。エッジデバイスには、FPGA と ASIC をベースにした特殊な AI チップが搭載されます。

2016 年に Google は、Google の TensorFlow フレームワーク専用に設計されたチップとして知られる Tensor Processing Units (TPU) を導入しました。 今年、このテクノロジー大手は、モノのインターネット (IoT) デバイスでの機械学習ワークロードを可能にする小型 AI アクセラレータである Edge TPU を発売しました。

Edge TPU は、機械学習アルゴリズムのトレーニングなどのタスクを実行するように設計されています。 たとえば、写真内の物体を認識できるようになります。 アルゴリズムトレーニングの「事前トレーニングタスク」のこの部分は「推論」と呼ばれます。 Edge TPU は推論を実行するように設計されていますが、Google のサーバーベースの TPU はアルゴリズムのトレーニングを担当します。

3. ニューラルネットワーク間の相互運用性が鍵となる

ニューラル ネットワーク モデルの開発における重要な課題の 1 つは、適切なフレームワークを選択することです。 データ サイエンティストと開発者は、Caffe2、PyTorch、Apache MXNet、Microsoft Cognitive Toolkit、TensorFlow などの多数のオプションから適切なツールを選択する必要があります。 モデルが特定のフレームワークでトレーニングされ評価されると、トレーニングされたモデルを別のフレームワークに移植することは困難です。

ニューラル ネットワーク ツールキット間の相互運用性の欠如が AI の導入を妨げています。 この課題に対処するために、AWS、Facebook、Microsoft が協力して Open Neural Network Exchange (ONNX) を構築しました。これにより、トレーニング済みのニューラル ネットワーク モデルを複数のフレームワークで再利用できるようになります。

2019 年には、ONNX が業界にとって重要なテクノロジーになるでしょう。 研究者からエッジデバイスメーカーまで、エコシステム内のすべての主要プレーヤーは、推論の標準ランタイムとして ONNX に依存することになります。

4. 自動化された機械学習が注目を集める

ML ベースのソリューションを根本的に変えるトレンドの 1 つが AutoML です。 これにより、ビジネスアナリストや開発者は、ML モデルの一般的なトレーニング プロセスを経ることなく、複雑なシナリオを解決できる機械学習モデルを進化させることができます。

AutoML プラットフォームを扱う場合、ビジネス アナリストはプロセスやワークフローに迷うことなく、ビジネスの問題に集中できます。

AutoML は、コグニティブ API とカスタム ML プラットフォームの間に完璧に適合します。 開発者に複雑なワークフローを強制することなく、適切なレベルのカスタマイズを提供します。 ブラック ボックスと見なされることが多いコグニティブ API とは異なり、AutoML は同程度の柔軟性を提供しますが、カスタム データと移植性が組み合わされています。

5. AIはAIOpsを通じてDevOpsを自動化する

最新のアプリケーションとインフラストラクチャは、インデックス作成、検索、分析のためにキャプチャされるログ データを生成します。 ハードウェア、オペレーティング システム、サーバー ソフトウェア、アプリケーション ソフトウェアから得られた膨大なデータ セットを集約して相関させ、洞察やパターンを見つけることができます。 これらのデータ セットに機械学習モデルを適用すると、IT 運用はリアクティブから予測的なものへと移行します。

[[252131]]

AI のパワーが運用に適用されると、インフラストラクチャの管理方法が再定義されます。 IT 運用と DevOps に ML と AI を適用することで、組織にインテリジェンスが提供されます。 これにより、運用チームは正確かつ正確な根本原因分析を実施できるようになります。

AIOps は 2019 年に主流になるでしょう。パブリック クラウド ベンダーと企業は、AI と DevOps の融合からメリットを得られます。

機械学習と人工知能は、2019 年の主要な技術トレンドになるでしょう。ビジネスアプリケーションから IT サポートまで、AI は業界に大きな影響を与えます。