2018 年の AI にとって重要なマイルストーンは何でしたか? 2019年に何が起こるでしょうか?

世界中で普及している人工知能は人類に利益をもたらすのでしょうか？それとも世界を破壊するのでしょうか? 2019年に人工知能の分野で何が起こるでしょうか? AI の達人たちに従って、2019 年の人工知能分野における新たな発展を期待しましょう。

人工知能は世界を救うことも、滅ぼすことも出来る技術です。

人工知能がメリットかデメリットかという論争と誇大宣伝に終止符を打つため、海外メディアは、長年にわたり世界的な大手テクノロジー企業や産業企業で働いてきた優秀な人々にインタビューし、人工知能の正しい発展方向に関する彼らの見解を聞いた。

2018 年の AI にとって重要なマイルストーンは何でしたか? 2019年に何が起こるでしょうか?ここでは、Google Brain の共同創設者 Andrew Ng 氏、Cloudera Machine Learning ゼネラルマネージャー兼 Fast Forward Labs 創設者 Hilary Mason 氏、Facebook AI Research 創設者 Yann LeCun 氏、Accenture グローバル AI リーダー Rumman Chowdhury 博士からの洞察を紹介します。

2018年を振り返り、2019年を楽しみにしている人の中には、AIに何ができて何ができないかを理解する人が増えるにつれて、AIが世界を終わらせるという話が減ってきてホッとしているという人もいました。しかし、これらの専門家は、コンピューター科学者やデータ科学者は人工知能を開発する際に、依然として責任ある倫理基準を採用する必要があるとも強調した。

ルマン・チョウドリー

[[254866]]

チョウドリー氏は、アクセンチュアの応用インテリジェンス部門のマネージングディレクターであり、同社の責任ある AI イニシアチブのグローバルリーダーです。 2017年、彼女はBBCの「最も影響力のある女性100人」の一人に選ばれた。

チョウドリー氏は、2018年に人工知能の能力と限界についての一般の理解が深まったことを嬉しく思うとともに、映画「ターミネーター」のように知能機械が世界を支配するのではないかという懸念ではなく、AIがもたらす脅威についてよりバランスの取れた議論が聞けたことを嬉しく思うと述べた。これに伴い、プライバシーやセキュリティの問題、そして人工知能が私たちや将来の世代の形成に果たす役割についての疑問も生じています。

しかし、AIに対する一般の理解は、彼女が考えるレベルには達していない。チョウドリー氏は、来年はより多くの人々が教育リソースを活用して AI システムを理解し、その決定に賢明な疑問を持つようになることを期待しています。

彼女は、テクノロジー企業や AI エコシステムの人々が自分たちの仕事の倫理的影響を考慮し始めたスピードに嬉しい驚きを感じています。しかし彼女は、AIコミュニティから、単なる空虚な道徳的スローガンではなく、より実践的な行動が見られることを期待している。

彼女はこう問いかけた。「倫理とAIについて、トロッコ問題を超えて、AIが提起する難しい未解決の疑問を掘り下げていきたいと思います。例えば、AIとIoT監視の『合理的な』バランスをどうとるか？それは、既存の人種差別を強化する懲罰的な監視に抵抗しながら安全性を確保するものなのか？先進技術の恩恵は、貧富の差をさらに広げないようにどのように再分配されるべきなのか？どの程度のレベルのAIへの接触があれば、子どもたちはAIに操作されたり均質化されたりすることなく『AIネイティブ』になれるのか？そして、子どもたちの創造性と独立した思考を最大限に引き出しながら、AIを使って教育を拡大・自動化するにはどうすればよいのか？」

チョウドリー氏は、来年、世界中の政府がテクノロジー企業に対する監視と規制を強化すると予想している。

「AIとビッグテックが行使してきた力は、業界とテクノロジーを規制する方法について多くの疑問を提起しています」と彼女は語った。「2019年、私たちはこれらの疑問に取り組まなければなりません。状況に応じて多様な用途と結果をもたらすテクノロジーをどのように規制するのか？イノベーションを阻害せず、コンプライアンス費用を負担できる大企業に有利にならないルールをどう作るのか？そして、規制の範囲はどこなのか？グローバル？国内？地域？」

彼女はまた、地政学的問題における AI の役割が今後も進化し続けると予想しています。

彼女はこう語った。「AIは単なる技術ではなく、経済や社会を形作るものでもある。この技術で、私たちは自分たちの価値観を反映し、測定し、実践することができる。業界は、何を構築するべきか、どのように構築すべきかの影響について、あまり真剣に考えるべきではない。これを実現するには、AI業界の共通の考え方を捨て去る必要がある。たとえ私たちが構築しなくても、中国が構築するだろう。そして、創造こそが力の源泉である。」

彼女はさらにこう付け加えた。「冷戦が核戦力以上のものであったように、AI競争は計算能力や技術的洞察力以上のものであることを規制当局、技術、研究者が理解してくれることを願っています。私たちには、より公平で公正でオープンな方法で世界を再構築する責任があります。これはまれな機会であり、つかの間のものです。私たちはそれをつかまなければなりません。」

消費者の観点から見ると、2019年は家庭内でAIがより広く使われるようになる年になると彼女は考えています。多くの人々は、Google Home や Amazon Echo などのスマートスピーカーや、その他多くのスマートデバイスの使用に慣れてきました。彼女は、2019 年 1 月の第 2 週にラスベガスで開催されるコンシューマー エレクトロニクス ショーで、AI を人々の日常生活にさらに統合できるような、特に興味深い何かが発表されるかどうかに興味を持っています。

「私たちは皆、ロボット執事を待っていると思います」と彼女は語った。

アンドリュー・ン

[[254867]]

アンドリュー・ン氏はスタンフォード大学のコンピューターサイエンスの准教授です。彼の名前は、さまざまな理由で AI 界ではよく知られています。彼は、Google のすべての製品に人工知能を導入するプロジェクトである Google Brain の共同創設者であり、企業が業務に人工知能を統合するのを支援する会社である Landing AI の創設者でもあります。彼はまた、YouTube や Coursera (Andrew Ng 氏が設立したオンライン学習会社) で最も人気のある機械学習コースの講師でもあります。彼は deeplearning.ai ウェブサイトを設立し、「Deep Learning Yearning」という本を執筆しました。

アンドリュー・ン氏は、百度で3年間勤務し、このテクノロジー大手がAI企業へと変貌するのを手助けした後、百度の主任AI科学者の職を辞した。

彼は後に1億7500万ドルのAI財団に加わり、自動運転車会社Drive.aiの取締役に就任した。

2019年までに大きな進歩や変化が見られるとNg氏は予想している。それは、テクノロジー業界やソフトウェア企業以外でのAIの応用だ。 AIが13兆ドルのGDPを生み出す可能性があるとするマッキンゼーのレポートを引用し、AIの最大の未開発の可能性はソフトウェア業界の外にあると彼は述べた。

「2019年には、ソフトウェア以外でAIが利用される例が数多く見られるようになると思います」と彼は語った。「AIは、Google、Baidu、Facebook、Microsoftなどの企業で素晴らしい成果を上げています。私はこれらの企業とは一切関係ありませんが、Square、Airbnb、Pinterestなどの企業でさえAI機能を使い始めています。そして、次の大きな価値創造の波は、製造会社、農業機器会社、ヘルスケア会社がビジネスを前進させるためにさまざまなAIソリューションを開発する時になると思います。」

チョウドリー氏と同様に、ン氏も2018年にAIの能力と限界に関する一般の理解がどれだけ深まったかに驚いた。 AI に関する議論がもはや殺人ロボットや人工モノリシック知能への恐怖に集中していないことを彼は喜んでいる。

同氏は質問に答える用意はできているが、他の人が同様の考えを持っているとは思っていなかったと述べた。

「実用化に重要と思われる分野をいくつか挙げてみました」と氏は語った。「AIの実用化には一定の障壁がありますが、それらは克服されると思います。」

来年、Ng 氏は人工知能と機械学習の研究が進歩し、分野全体の発展につながることを期待しています。一方、AI はより少ないデータで正確な結論を導き出すことができ、この分野の一部ではこれを「少量学習」と呼んでいます。

「ディープラーニングの第一波は、大企業が大量のデータを使って巨大なニューラルネットワークを作ることだったと思います。つまり、言語認識システムを作りたいなら、10万時間分のデータをシミュレートする必要がありました」と同氏は言う。「機械翻訳システムを作りたいなら、非常に大規模な並列コーパスから文章をシミュレートする必要があり、それが多くの画期的な結果を生み出しました。今では、小さなデータから得られる結果がますます増えています。ですから、たとえ1,000枚の写真があったとしても、何かに挑戦することができます。」

一方、コンピュータービジョンには「ユニバーサル ビジビリティ」と呼ばれる進歩があります。スタンフォード大学の高性能 X 線装置で撮影された生画像でトレーニングされたコンピューター ビジョン システムは、非常に優れたパフォーマンスを発揮します。この分野の先進的な企業や研究者の多くは、放射線科医よりも優れたパフォーマンスを発揮するシステムを開発してきましたが、それらのシステムは柔軟性に欠けています。

「しかし、訓練したモデルを低性能のレントゲン装置や、少しぼやけた写真を撮る他の病院のレントゲン装置に適用し、技師が患者を右に向け、角度が少しずれたとしても、放射線科医は今日のアルゴリズムよりも良い仕事をするでしょう。ですから、興味深い研究は、学習アルゴリズムの新たな状況への一般化を改善しようとしているのだと思います。」

ヤン・ルカン

[[254868]]

ヤン・ルカン氏はニューヨーク大学の教授であり、Facebook の主任 AI 科学者であり、Facebook 人工知能研究所 (FAIR) の創設者です。 Facebook AI Researchは、PyTorch 1.0、Caffe2のほか、Facebookが1日に数十億回使用するテキスト翻訳用のAIツールや、囲碁をプレイするための高度な強化学習システムなど、多数の人工知能システムを開発してきました。

彼は、FAIR の研究とツールに対するオープンソース ポリシーが他の大手テクノロジー企業による採用を促進し、AI 分野全体の進歩につながったと考えています。先月の NeurIPS カンファレンスと FAIR 創立 50 周年記念式典で、LeCun 氏は FAIR を「機械学習のあらゆる可能性を実現するテクノロジーと数学の裏側」に特化した研究所と表現しました。

「より多くの人がAI研究について議論するようになれば、この分野の進歩はより速くなり、AI研究に大きな影響を与えます」と彼は語った。「今日のAI開発の急速なペースは、主に、より多くの人がより速く、より効果的にコミュニケーションを取り、よりオープンな研究を行っていることによるものです。」

倫理的なレベルでは、ルカン氏は、一般の人々が AI の仕事の倫理的な意味合いや偏った意思決定の危険性について考え始めていることを喜ばしく思っている。

「状況は2、3年前とは違います」と彼は言う。「今では人々は倫理的問題を十分認識しています。」

AI分野における倫理や偏見の問題はまだすぐに対処しなければならない大きな問題にはなっていないが、人々は事前に備えておくべきだと彼は考えている。

まるで、今すぐ対処する必要がある重大な生死に関わる問題がすでに存在しているかのように。しかし、問題は遅かれ早かれ起こるものであり、それを理解し、起こる前に予防する必要があります。

Andrew Ng 氏と同様に、LeCun 氏も将来的にはより柔軟な AI システムが登場することを期待しています。これらのシステムでは、正確な出力を生成するために元の入力データや正確な条件は必要ありません。

また、研究者はディープラーニングを通じて知覚をうまく扱うことができるものの、AI システムの全体的なアーキテクチャに対する理解が不足しているとも述べました。

世界を観察して学習するように機械に教えるには、自己教師学習またはモデルベースの強化学習が必要です。

「人によって呼び方は様々ですが、人間も動物も、多くの背景知識を観察し理解することで、世界の仕組みを学んでいます」と同氏は語った。「機械にこれを教える方法はまだわかっておらず、大きな課題です。この研究の結果は、AIとコンピューターの真の発展を促進し、機械が常識を持つようになり、人々がイライラすることなく、より幅広い話題について機械アシスタントとコミュニケーションできるようになるでしょう。」

フェイスブックの社内業務に役立つアプリケーションについては、少量のデータで正確な結果を出力できる自己教師あり学習と人工知能の進歩が重要になるだろうとルカン氏は述べた。

また、問題を解決する過程で、機械翻訳や画像認識などの特定のタスクに必要なデータ量を削減する方法を見つけたいと考えており、この方向で一定の進歩を遂げていると述べました。私たちは、弱教師あり学習や自己教師あり学習を活用して、Facebook の機械翻訳と画像認識に大きな影響を与えてきました。したがって、これらの影響は長期的なものであるだけでなく、短期的な影響も及ぼします。

将来、ルカン氏は、AI がイベント間の因果関係を確立する上で進歩を遂げることを期待しています。この能力は、単に観察するだけでは身に付かず、実践を通じて理解することも必要です。たとえば、人々が傘をさしているときは、雨が降っている可能性が高いです。

彼は、観察を通じて世界の仕組みを機械に理解させたいのであれば、世界にどのような影響を与えることができるかを機械が知ることが重要だと述べました。目の前にテーブルがあり、テーブルの上にカップのような物体がある部屋にいるとします。カップを押すと動くことは分かっていますが、テーブルは重くて大きいため動かすことができません。こういったことはすべて原因と結果に関するものです。

ヒラリー・メイソン

[[254869]]

Cloudera が 2017 年に Fast Forward Labs を買収した後、Hilary Mason が Cloudera Machine Learning のゼネラルマネージャーに就任しました。 Fast Forward Labs は買収されましたが、現在も運営されています。ユーザーに応用機械学習レポートと推奨事項を提供し、今後 6 ～ 2 年間の企業の発展方向を予測します。

2018年、メイソン氏はマルチタスク学習に関連する AI の進歩に驚きました。マルチタスク学習では、画像内に表示される複数のオブジェクトなど、推論時に複数のラベルを適用するように単一のニューラル ネットワークをトレーニングします。

Fast Forward Labs は、AI システムの倫理的影響について顧客にアドバイスを提供してきました。メイソン氏は、AI システムの倫理的枠組みを構築することの重要性も認識しています。

「これは、私たちが Fast Forward を設立して以来ずっとやってきたことです」とメイソン氏は言います。「5 年前は、すべてのレポートに倫理ガイドラインを盛り込んでいました。しかし、今年、一般の人々が倫理ガイドラインに本当に注目し始めました。来年までには、注意を払わない企業や個人は、それ相応の結果と責任を負うことになります。私が明確にしなかったことの 1 つは、将来、データ サイエンスと AI 開発の実践において、技術者やビジネス リーダーが、今日のように倫理や偏見の問題に目をつぶるのではなく、AI 製品を開発する際に自律的に考慮するようになることを期待しているということです。」

来年にはさらに多くの AI システムがビジネス オペレーションの一部となるため、最適な立場にあるプロダクト マネージャーとプロダクト オーナーが AI にさらに貢献するようになるだろうとメイソン氏は期待しています。

「当然、製品フレームワークと業界全体を理解していれば、どの製品が価値があり、どの製品が価値がないかがわかります。また、投資の方向性に関して誰が最善の意思決定者かもわかっています」と彼女は言う。「ですから、私が予測するなら、スプレッドシートを使って単純なモデルを構築する人たちは非常に無能になり、自社の製品に AI を適用する機会がほとんどないことにすぐに気づくと思います。」

AI の民主化、つまりデータ サイエンス チームを超えて企業のあらゆる部門に AI を拡張することは、Kubeflow Pipelines や AI Hub などの Google Cloud AI 製品や、AI システムが実際に企業内で使用されるようにするための CI&T 企業からの推奨事項など、多くの企業が重視していることです。

メイソン氏は、複数の AI システムを管理するための構造を構築する必要のある企業がますます増えると考えています。

DevOps プロフェッショナルが直面する課題と同様に、手動で展開されたカスタム スクリプトを使用して単一のシステムを管理することも、cron スクリプトを使用して数十のシステムを管理することもできます。しかし、セキュリティ、ガバナンス、リスクの要件を備えた企業内の数百または数千のシステムを管理する場合は、より専門的で堅牢なツールが必要です。

彼女はまた、企業が有能で才能のある人材を求めることから、機械学習や AI の機会を体系的に追求することへとシフトしていると述べました。

Cloudera が最近コンテナベースの機械学習プラットフォームをリリースしたため、Mason が AI の展開に必要なコンテナを強調するのは当然のことでした。彼女は、この傾向は今後も継続し、企業がオンプレミス AI とクラウド AI の導入を選択できるようになると確信しています。

メイソン氏はまた、AI ビジネスは個々の企業だけでなく、業界全体で成長し続けると考えています。

「AI の分野では、専門的実践が継続的に進化していくでしょう」と彼女は言います。「現在、ある企業でデータ サイエンティストや機械学習エンジニアとして働いていて、別の企業に移ると、仕事はまったく異なるものになります。ツールも、期待されるものも、報告体制も異なります。しかし、一貫性は保たれると思います。」