2019年の人工知能の5つの主要な発展傾向

人工知能が開発を加速

「中国人工知能産業市場展望及び投資戦略計画分析報告書」の統計によると、2017年時点で、世界の中核人工知能産業の規模は370億米ドルを超え、我が国の中核人工知能産業の規模は約56億米ドルに達しています。 2020年までに世界の中核人工知能産業の規模は1,300億ドルを超え、年平均成長率は60％に達すると予測されています。そのうち、基礎層、技術層、応用層の産業規模はそれぞれ270億ドル、342億ドル、672億ドルを超えると予想されています。我が国の基幹産業の規模は220億ドルを超え、年間平均成長率は65％近くに達します。三大産業の規模はそれぞれ44億ドル、66億ドル、110億ドルを超えます。我が国のモバイルインターネット、スマートホームなどの分野での人工知能の発展に伴い、我が国の人工知能産業は引き続き高速で成長し、2022年までに中国の人工知能産業の市場規模は680億元に達すると予測されています。

[[281064]]

政策は人工知能への投資を増やし続けている

「新世代人工知能発展計画」の実施を加速するため、わが国の工業情報化部は今年11月に「新世代人工知能産業イノベーション重点任務顕彰作業計画」（以下、「作業計画」という）を公布し、インテリジェント製品、中核基盤、インテリジェント製造、サポートシステムなどの重点任務方向を定め、人工知能の重要な中核技術を習得し、強力なイノベーション能力と大きな発展潜在力を持つ一群の企業、研究機関などを募集・選定し、「顕彰」研究開発を実施し、画期的な技術、製品、サービスの突破口となるよう努めている。工業情報化部は選考を組織し、受賞企業リストを発表し、産業革新発展のベンチマークを設定し、人工知能発展の主力を育成し、新世代人工知能産業の発展を現実的に推進し、人工知能と実体経済の深い融合を促進します。

2019年の人工知能開発動向

1. 人工知能チップの開発加速

他の AI モデルとは異なり、最速かつ最先端の CPU であっても AI モデルの速度を上げることはできません。そのため、物体検出や顔認識などのタスクを高速化するには、AI モデルの実行中に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が真剣に必要です。

2019 年には、Intel と Nvidia を筆頭とするチップメーカーが、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 ケースやシナリオ向けに最適化された専用チップを発売する予定です。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では、このようなチップを利用してエンド ユーザーにインテリジェントなサービスを提供することになります。アマゾン、マイクロソフト、グーグル、フェイスブックなどのハイパースケールインフラ企業も、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マイズされたチップへの投資を増やすとみられる。これらのチップは、AI や高性能コンピューティング (HPC) などのコンピューティング ワークロード向け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もサポートし、クエリ処理と予測分析を高速化します。

2. 人工知能、エッジコンピューティング、IoTの統合開発

エッジにおける人工知能の継続的な拡大は、データ トレントを管理する上での重要なリンクの 1 つであり、モノのインターネットの将来の発展における重要なトレンドです。人工知能の急速な発展に伴い、大量のデータを分析して洞察を迅速かつ効果的に抽出する必要があり、エッジ コンピューティングの需要が大幅に増加しています。 2019年には、パブリッククラウドやセキュリティ監視などの分野で、人工知能、エッジコンピューティング、モノのインターネットがより統合的に発展するでしょう。

[[281065]]

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。特定のフレームワークでモデルをトレーニングして評価すると、それを別のフレームワークに移植することが難しくなり、人工知能の普及を妨げます。この課題に対処するため、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 が業界の重要なテクノロジーになると予想されます。

4. 自動化された機械学習がより顕著になる

機械学習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 アナリストと開発者は、機械学習モデルの一般的なトレーニングなしで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、ビジネス アナリストは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るようになります。

5. AIOpsの台頭

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、分析が必要なログ 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 ソフトウェアからの膨大なデータ セットを集約して相関させ、シナリオとパターンを形成できます。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 運用は反応型から予測型へと移行できます。

人工知能のパワーが実行時に発揮されると、インフラストラクチャの管理方法が再定義されます。IT と DevOps に機械学習と人工知能を適用することで、よりインテリジェントなモデルが実現し、運用チームが正確な根本原因分析を実行できるようになります。 AIOps (AI と Operators を組み合わせた造語) は 2019 年に主流となり、パブリック クラウド ベンダーと企業の両方に役立ちます。

我が国は、人工知能、ビッグデータ、クラウドコンピューティング、情報セキュリティの分野ですでに一定の技術力を有しています。また、我が国の人工知能産業の急速な発展を促進するために多くの政策が導入されており、人工知能のシナリオが徐々に実行されつつあります。 2019年には、我が国の金融、交通、セキュリティなどの分野における人工知能技術の普及率が急速に増加するでしょう。