2019 年の人工知能のトレンド トップ 25!一つの記事が未来を予見する

人工知能の次なる展開は？先週、有名な組織 CBinsights のアナリストがさまざまな業界を分析し、2019 年に最も注目すべき 25 の人工知能トレンドを発見しました。人工知能はさまざまな業界に広まり、頻繁にニュースの見出しを飾っていますが、誇大広告と本当のニュースを区別するのは依然として難しい場合があります。 CBinsights のアナリストは、膨大なデータを分析して、今年最も起こりそうな 25 の AI トレンドを特定しました。

[[260287]]

AIトレンドの概要

2019 年の 25 の AI トレンドは、一般的に、基本フレームワーク、システム アーキテクチャ、アプリケーションの 3 つのカテゴリに分類できます。アプリケーションは、インテリジェント予測、自然言語処理と合成、コンピューター ビジョンの 3 つのカテゴリに分類されます。

▲AIバリューチェーンの25のトレンド

CB Insights は、これら 25 の重要な AI トレンドについて、業界の採用率と市場優位性を 2 つの次元として分析する NExTT フレームワークを使用し、実験段階、移行段階、必要、緊急の 4 つの象限に分割しています。各象限の基準は次のとおりです。

実験段階: 初期段階のスタートアップを除いて広く採用されていません。

移行段階: 企業の協力意欲、市場機会の不確実性。

必要性: 幅広い業界基盤、顧客の採用と投資、市場での受け入れ。

緊急性: 大規模で実行可能な市場予測、注目すべき投資活動、不安定/不確実なアプリケーション。

▲NExTTフレームワークの2つの次元

▲NExTTフレームワークの25のトレンド

[[260288]]

避けられないAIトレンド

1. オープンソースフレームワーク

オープンソース ソフトウェアのおかげで、AI への参入障壁はかつてないほど低くなりました。 Google は 2015 年に TensorFlow 機械学習ライブラリをオープンソース化し、主要な技術者がすぐにそれに追随しました。 Keras、Microsoft Cognitive Toolkit、Apache MXNet など、開発者が選択できるオープンソース ツールは多数あります。

2. エッジAI

リアルタイムの意思決定の必要性により、AI は「エッジ」に近づき、デバイスがローカルで情報を処理し、より迅速に応答できるようになります。 NVIDIA、Apple、そして多くの新興スタートアップ企業は、AI ワークロード専用のチップの構築に注力しています。 2019 年に最も注目すべき AI トレンドの 1 つは、アプリケーションにおけるエッジ AI の成長です。

▲エッジAIの言及率は2018年第3四半期にピークに達した

▲AIがリアルタイムの意思決定を推進

3. 顔認識

携帯電話のロック解除から飛行機への搭乗まで、顔認識が主流になりつつあります。初期の商用アプリケーションは、セキュリティ、小売、家電の分野で普及しつつあり、顔認識は急速に生体認証の主流になりつつあります。

CBinsightsのレポートでは、顔認識の話題で中国が初めて言及され、過去4年間に「顔認識」と「中国」という2つのキーワードを含むニュースがリストアップされており、中国における顔認識技術の重要性が高まっており、中国の顔認識技術に対する需要も高まっていることを示しています。

▲「顔認証」「中国」というキーワードを含むニュース記事数

▲2013年から2018年までの中国の顔認識技術における株式および非株式取引件数

米国における特許出願件数からも、顔認識技術に対する同国の関心が高まっていることが分かる。

▲近年の米国における顔認識・生体検知に関する特許出願件数

まだ成熟していませんが、多数の初期アプリケーションが実装されています。たとえば、Apple は iOS 10 システムに顔認識機能を追加しました。

▲顔認識の初期の応用

4. 医療画像診断

米国食品医薬品局（FDA）はAI医療機器を承認した。 AI ソフトウェア製品の迅速な規制承認により、AI イメージングおよび診断企業に新たな商業的道が開かれました。消費者側では、スマートフォンの普及と高度な画像認識技術により、携帯電話が強力な在宅診断ツールに変わりつつあります。最も影響力のある AI トレンドの 1 つは、医療および診断アプリケーションにおける AI の承認と採用です。データによると、診断アプリケーションが健康関連の AI アプリケーションへの投資取引の主な推進力となっています。

▲診断AI投資取引

Google DeepMind のアルゴリズムはすでに、乳房生検写真に腫瘍が存在する可能性を判定できる。

▲DeepMindの腫瘍認識アルゴリズム

5. 予知保全

メーカーから機器保険会社まで、AI IoT は既存のビジネスにおいて予期せぬ障害による数百万ドルの損失を回避できます。予測保守アルゴリズムは、継続的なデータ収集を使用して機器の故障を予測します。センサーコストの低下、人工知能の進歩、エッジコンピューティングへの推進により、予測保守はより普及するようになりました。 2019年以降、この分野への投資は増加するでしょう。

6. 電子商取引検索

検索用語の文脈的理解は徐々に「実験段階」を脱しつつありますが、広く採用されるまでにはまだまだ時間がかかります。技術的な課題にもかかわらず、サードパーティの小売業者に検索テクノロジーを販売する初期段階の SaaS スタートアップが登場しています。 2019 年の AI の主要なトレンドの 1 つは、大手小売業者を含む業界への投資の増加です。

7. カプセルネットワーク

今日の AI アプリケーションのほとんどはディープラーニングによって推進されていますが、カプセル ネットワークが近いうちにその代わりとなるかもしれません。現在の畳み込みニューラル ネットワーク (CNN) と比較して、カプセル ネットワークには多くの利点があります。カプセル ネットワークの研究はまだ初期段階ですが、現在の最先端の画像認識方法に挑戦する可能性があります。

8. 次世代義肢

ごく初期段階の研究では、生物学、物理学、機械学習を組み合わせて、義肢における最も難しい問題の 1 つである器用さを解決しようとしています。研究者たちは機械学習を利用して、身体の感覚からの信号を解読し、それを義肢を動かすコマンドに変換している。今年は、消費者向け製品の試験を含め、業界のさらなる発展を目指します。

9. AI臨床試験

臨床試験における比較的大きなボトルネックの 1 つは、適切な患者を募集することです。理想的には、AI は医療記録から情報を抽出し、それを進行中の研究と比較し、医師や患者に適切な研究の推奨を行うことができます。

臨床試験の分野で顧客と直接連携しているスタートアップ企業はほとんどないが、Appleのようなテクノロジー大手は大きな進歩を遂げている。 2015年以来、Appleは臨床試験で患者を募集し、遠隔で健康状態をモニタリングするのに役立つ2つのオープンソースフレームワークを立ち上げている。

▲AI臨床試験

10. 生成的敵対ネットワーク (GAN)

GAN は「AI 対 AI」という概念を採用しており、ジェネレーターとディスクリミネーターの両方が含まれています。ジェネレーターは偽の画像を作成し、識別器はそれを現実世界の画像と比較して、ジェネレーターにフィードバックを提供します。 最終結果は、ますます複雑な画像を生成する一定のフィードバック ループになります。研究が進むにつれて、ジャーナリズム、メディア、芸術、さらにはサイバーセキュリティの未来が変わる可能性があります。 2019 年の最も重要な AI トレンドの 1 つは、GAN のさらなる開発と他のアプリケーションへの波及効果です。

11. フェデレーテッドラーニング

固有のローカル データセットを使用して AI をトレーニングすると、パフォーマンスが大幅に向上しますが、ユーザー データも非公開になります。 Google のフェデレーテッド ラーニング アプローチは、機密データを保護しながらこれらの豊富なデータセットを使用するように設計されています。今年は、創薬やその他のユースケースにおける連合学習のさらなる応用が模索されるでしょう。

12. 高度なヘルスケア生物学

研究者たちは、ニューラル ネットワークを使用して、これまで定量化が困難だった非定型的なリスク要因を研究し、測定し始めています。網膜スキャンから肌の色の変化の分析まで、AI は無数のソースから新たな医学的洞察を解き放ちます。 AI は今後も新たな診断方法を開発し、これまで知られていなかったリスク要因を特定し続けるでしょう。

13. 自動請求処理

保険会社やスタートアップ企業は、AIを利用して自動車所有者の「リスクスコア」を計算し、事故画像を分析し、運転者の行動を監視している。人工知能の進歩により、以前は時間がかかり、人間が主導していたプロセスが変革され、請求処理がより迅速化されています。

14. 偽造品の識別

偽造品を見分けるのはますます難しくなってきており、オンラインショッピングでは偽造品を購入するのがこれまで以上に簡単になっています。反撃するために、ブランドや質屋は人工知能技術の実験を始めている。オンライン商取引と実店舗商取引の両方において、偽造品や不正な商標侵害を識別するために AI が使用されています。

15. 無人小売業

Amazon Goは今のところ唯一成功しているレジなし小売店だが、同社は「成功」の定義については口を閉ざしている。盗難防止は、他の問題の中でも、事業の規模や入手可能な製品の種類によって異なります。短期的には、導入コストや潜在的な技術的障害による在庫損失コストなどの問題もあります。

16. バックオフィスの自動化

AI は管理タスクを自動化しますが、データの性質と形式が多様であるため、これは困難なタスクとなります。各業界やアプリケーションには独自の課題がありますが、さまざまな業界で機械学習ベースのワークフロー ソリューションが徐々に導入されています。

他の分野では、予測分析に先立ってデジタル化を行う必要があります。 2019 年の最も重要な AI トレンドの 1 つは、ロボットによるプロセス自動化における革新と探求の増加です。

17. 翻訳

翻訳のための自然言語処理は課題であり、未開拓の市場機会でもあります。 Baidu や Google のような大手テクノロジー企業がこの分野で波を起こし始めています。企業が翻訳フレームワークの改善に取り組むにつれて、効率性と言語能力が向上し、業界全体で導入率が上昇します。

18. 包括的なトレーニングデータ

AI アルゴリズムをトレーニングするには、大規模なラベル付きデータセットへのアクセスが不可欠です。しかし、一部のアプリケーションでは、十分な実データにアクセスできない場合があります。現実的な偽データまたは合成データセットはボトルネックの問題を解決できます。 AI によって生成されたシミュレートされたデータを混合することで、現実世界のデータを拡張し、より大規模で多様なデータセットを作成することもできます。

19. 強化学習

研究者たちは強化学習を通じて AI 機能の限界を押し広げていますが、大規模なデータセットが必要なため、実用的なアプリケーションは限られています。挑戦者の存在にもかかわらず、大手企業はこの技術にさらに投資しており、RL アプリケーションの研究も増加しています。

▲強化学習に関する米国特許出願

20. ネットワークの最適化

スペクトル共有の促進から資産の監視、アンテナの適切な設計の提供まで、AI は通信業界に変革をもたらしています。通信サービスプロバイダーにとって、最適化とは顧客体験の向上を意味します。 通信事業者も、AI ベースのソリューションを 5G 無線技術に統合する準備を進めています。 2019 年以降の主要な AI トレンドの 1 つは、グローバル通信ネットワークへの AI の統合が進むことです。

21. 自動運転

自動運転車には巨大な市場機会があるにもかかわらず、完全な自動運転のタイムラインは依然として不明です。物流などの業界の一部のアプリケーションでは、自動運転車が早期に導入される可能性があります。導入のタイムラインは依然として不明ですが、業界全体で自律技術への投資と導入が積極的に行われています。

22. 作物の監視

新興企業も既存企業も、害虫駆除の管理、問題の検出、天候の変化が農業に与える影響の予測のために、作物監視 AI を採用しています。

23. ネットワークセキュリティ識別

サイバー攻撃への対応だけではもはや十分ではありません。コンピューティング能力とアルゴリズムの進歩により、以前は理論上の攻撃であったものが、現実のセキュリティ問題へと変化しています。これに応じて、サイバーセキュリティの分野では、機械学習を使用して脅威を積極的に「探す」動きが活発化しています。 2019 年の最も重要な AI トレンドの 1 つは、さまざまなビジネス タイプにわたる脅威ハンターの新たなニーズです。

24. 会話型AI

多くの企業にとって、チャットボットは人工知能と同義語になりましたが、その期待は現実に追いついていません。チャットボットは広く導入されているにもかかわらず、健康や保険などの複雑な分野では、状況の緊急性を判断するのに苦労しています。 AI はこれらの分野でチャットボットの機能を向上させることができますが、アルゴリズムにとっては依然として特に難しいタスクです。

25. 医薬品開発

AI バイオテクノロジーの新興企業の台頭により、従来の製薬会社は長い創薬サイクルを短縮するために AI 新興企業に注目しています。これらのスタートアップの多くはまだ資金調達の初期段階にあるが、すでに製薬会社の顧客リストを持っている。 2019 年の AI における最大のトレンドの 1 つは、大手製薬会社によるこの分野への投資の増加です。

志東曦氏は、AIバブルは何度も崩壊したものの、近年、いくつかの大きな進歩とブレークスルーにより、この分野は再び世間の注目を集めるようになったと考えている。多くのニュース報道は依然として誇大宣伝の疑いがあるものの、CBinsights の分析から、AI があらゆる分野に及ぼす影響は明らかであることがわかります。オープンソースツールのリリースが増え、知的リソースが流入するにつれて、AI の爆発的な成長はそう遠くないかもしれません。