人工知能の未来を見据えて：2020年のAIの8つの主要トレンド

人工知能は、最も急速に成長し、最も予測不可能な産業の 1 つです。ディープラーニング、AI 駆動型機械翻訳、最も複雑なゲームをマスターできるロボットなど、数年前には想像もできなかったことを想像してみてください。

[[286119]]

しかし、AI の将来がどうなるかを予測してみてください。私たちは科学者や AI の専門家に、来年 AI 分野で何が起こると思うか尋ねました。知っておくべきことは次のとおりです。

人工知能は医療をより正確かつ安価にする

フィリップスの最高イノベーション・戦略責任者であるジェロエン・タス氏はメディアに対し、「2020年のAIの主な影響は、医療ワークフローを変革し、コストを削減しながら患者と医療専門家に利益をもたらすことです。複数の病院情報ストリーム（電子健康記録、救急室の入院、機器の使用状況、人員配置など）からデータをリアルタイムで取得し、意味のある方法で解釈および分析するAIの能力により、幅広い効率性と医療機能を実現できます」と語った。

Tas 氏は、これは最適化されたスケジュール、自動レポート、デバイス設定の自動初期化の形で実現され、「個々の臨床医の働き方や個々の患者の状態に合わせてカスタマイズされ、患者とスタッフの体験が向上し、より良い結果が得られ、コストの削減に役立ちます」と説明しました。

多くの医療システムでは、複雑なプロセス、予防医療の欠如、過剰診断や治療、不足診断や治療などに伴う膨大な無駄が生じています。これらは AI が本当に効果を発揮できる分野であり、AI の最も有望な応用分野の一つは、患者の流れとリソースの割り当てを最適化する「コマンド センター」の分野です。

フィリップスは、既存の医療ワークフローにシームレスに統合される、必要な AI 対応アプリケーションの開発において重要な役割を果たしています。現在、世界中のフィリップスの研究者の 2 人に 1 人がデータ サイエンスと AI に取り組んでおり、このテクノロジーを適用してヘルスケアに革命を起こす新しい方法を開発しています。

[[286120]]

たとえば、Tas 氏は、AI と専門的な臨床知識やドメイン知識を組み合わせることで、日常的な単純な「はい/いいえ」診断をスピードアップできると説明しました。これは、臨床医に取って代わるものではなく、臨床医が一人の患者の治療に関する困難で複雑な決定により多くの時間を費やせるようになることを意味します。AI 対応システムは、患者の割り当て、医療スタッフ、ICU ベッド、手術室、診断および治療機器の空き状況を追跡、予測、サポートします。

説明可能性と信頼性はより注目されるようになる

「2020年はAIが信頼できる年になるでしょう」と、Element AIのコンサルティングおよびAIサポート責任者であるKarthik Ramakrishnan氏は語ります。「2019年には、AI倫理とリスク管理の初期の原則が登場し、これらの原則をツールキットやその他の研究方法論に実装する初期の試みがありました。AIベースの意思決定の背後にある力を説明できることである説明可能性の概念も、より広く知られるようになってきています。」

もちろん、2019年にはAIの倫理に対する懸念が高まりました。今年初め、欧州委員会は倫理的な AI の開発に関する 7 つのガイドラインを発表しました。 10月、ディープラーニングの先駆者の一人であるヨシュア・ベンジオ氏が共同設立したElement AIは、Mozilla Foundationと提携してデータトラストを構築し、AIの倫理的利用を推進しました。マイクロソフトやグーグルなどの大手テクノロジー企業も、AI開発を倫理的なものにするための措置を講じています。

ラマクリシュナン氏は、倫理的な AI への関心が高まっているのは、Apple Pay の導入や、最近の Cambridge Analytica スキャンダルへの関心の高まりなど、市場における信頼と AI に関するいくつかの注目すべき失敗の後に起きていることを指摘しています。

2020 年には、準備ができているかどうかに関わらず、企業は AI の信頼にさらに注目するでしょう。うまくいけば、VC が注目し、新しいスタートアップが解決に貢献してくれるでしょう。

[[286121]]

AIはデータの必要性を減らす

「AI におけるデータの課題に対処するために、データ統合アプローチが台頭するだろう」と、Affectiva の CEO 兼共同創設者である Rana el Kaliouby 氏は語る。ディープラーニング技術には大量のデータが必要であり、ディープラーニングに基づいて構築された AI アルゴリズムは、大量のデータでトレーニングおよび検証されて初めて正しく機能する。しかし、AI を開発する企業では、適切な種類と必要な量のデータを取得することが難しいと感じることがよくあります。

人工知能分野の多くの研究者は、利用可能な現実世界のデータの限界を克服するために、新しいデータ合成手法をテストし、使用し始めています。これらの方法により、企業はすでに収集されているデータを取得し、それを統合して新しいデータを作成することができます。

自動車産業を例に挙げてみましょう。業界が高度なドライバー安全機能の開発と輸送体験のパーソナライズに取り組んでいるため、車内の人々に何が起きているのかを理解することに大きな関心が寄せられています。しかし、実際のドライバーデータを収集するのは困難で、コストもかかり、時間もかかります。データ統合はこの問題の解決に役立ちます。

生成的敵対ネットワーク (GAN) などの分野の進歩により、AI 研究の多くの領域で独自のトレーニング データを合成できるようになりました。しかし、データ統合によって現実世界のデータを収集する必要がなくなるわけではないと、エル・カリウビ氏は警告する。「正確な AI アルゴリズムを開発するには、現実のデータは常に重要です。しかし、データ統合によってこれらのデータセットを増強することができます。」

ニューラルネットワークの精度と効率の向上

「ニューラル ネットワーク アーキテクチャは、規模と深さが拡大し続け、より正確な結果を生み出し、データ分析を伴うタスクにおいて人間のパフォーマンスをよりよく模倣するようになります」と、ボストン大学コンピューター サイエンス学部の准教授であるケイト サエンコ氏は述べています。「同時に、ニューラル ネットワークをより効率的にする方法も改善され、小型デバイス上で実行されるリアルタイムでエネルギー効率の高いネットワークが増えるでしょう。」

サエンコ氏は、ディープフェイクなどのニューラル生成手法も今後も改善を続け、人間には検知できないテキスト、写真、ビデオ、音声、その他のマルチメディアのよりリアルな操作が可能になると予測している。ディープフェイクの作成と検出はルールの遵守が課題となっている。

AIがますます多くの分野に進出するにつれて、新たな疑問や懸念が生じます。 「こうしたAI手法が社会で広く使われるようになると、信頼性や偏りについてさらに厳しく精査されるようになるだろう。プライバシーや公平性への懸念から、監視目的でのAI技術の使用禁止を検討する地方自治体も増えるだろう」とサエンコ氏は述べた。

Saenko 氏は BU のコンピューター ビジョンおよび学習グループのディレクターでもあり、視覚 AI アルゴリズムの研究で長年の経験を持っています。 2018 年、彼女はコンピューター ビジョン アルゴリズムによる決定を検証する方法である RISE の開発に貢献しました。

自動化されたAI開発

IBMリサーチのAI担当副社長、スリラム・ラガヴァン氏は次のように述べています。「2020年には、IBMが「AI for AI」と呼ぶ分野で大きなイノベーションが見られると期待しています。これは、AIモデルの作成、展開、管理、運用のライフサイクルに関わる手順とプロセスをAIを使用して自動化するものです。

人工知能による自動化は、ここ数年で研究開発の成長分野となっています。一例として、Google の AutoML が挙げられます。これは、機械学習モデルの作成プロセスを簡素化し、より幅広いユーザーがテクノロジーを利用できるようにするツールです。 IBM は今年初め、データ準備、モデル開発、機能エンジニアリング、ハイパーパラメータの最適化を自動化できる AutoAI プラットフォームを発表しました。

「さらに、統計データ駆動型のアプローチと強力な知識表現および推論技術を組み合わせて、より少ないデータから学習できる、より解釈可能で堅牢なAIを生み出すニューロシンボリックAIの使用例がさらに増え始めるだろう」とラガヴァン氏は述べた。

一例として、IBM と MIT の研究者が開発したハイブリッド AI モデルである Neurosymbolic Concept Learner が挙げられます。 NSCL は、従来のルールベースの AI とニューラル ネットワークを組み合わせたもので、大規模なデータ要件や説明可能性の欠如など、現在の AI モデルに固有の問題の一部に対処する可能性を示しています。

[[286122]]

製造業におけるAI

「2020年は、製造業が生産ラインを近代化するためにAIを採用する年になるでしょう」と、NeuralaのCEO兼共同創設者であるマッシミリアーノ・ヴェルサーチ氏は語った。製造業にとって、最大の課題の1つは品質管理だ。製品マネージャーは、大量の注文の納期に間に合わせながら、個々の製品やコンポーネントを検査するために懸命に働いています。 ”

ヴェルサーチは、AI ソリューションをワークフローの一部として統合することで、AI がこの課題を増幅し、解決できると考えています。電動ドリルがドライバーの使い方を変えたように、AI は日常的で潜在的に危険な作業の負担を軽減することで製造業界の既存のプロセスを強化し、従業員が業界を前進させる革新的な製品開発に集中する時間を増やすことができます。

メーカーはエッジに移行し、AI とデータが集中化されるにつれて、メーカーはシステムを稼働させるために必要なデータにアクセスするために大手クラウド プロバイダーに多額の料金を支払わざるを得なくなります。クラウドベースの AI の課題により、クラウドに接続せずに AI アルゴリズムを実行できるエッジ AI、ソフトウェア、ハードウェアを作成するためのイノベーションが活発化しました。

エッジで展開して完成させることができる AI トレーニングの新しい手段がより一般的になるでしょう。新年を迎えるにあたり、より多くのメーカーがエッジを利用してデータを生成し、レイテンシの問題を最小限に抑え、クラウドにかかる大幅な費用を削減し始めるでしょう。 AI を必要な場所 (エッジ) で実行することで、メーカーはデータの所有権を維持できます。

人工知能の地政学的影響

「AIは2020年以降も引き続き、国家の軍事および経済安全保障の最優先事項となるでしょう」と、Symphony AyasdiAIのCEO、イシャン・マナクタラ氏は述べた。「政府はすでに、AIを次の競争のフロンティアとして大いに投資しています。中国は1400億ドル以上を投資し、英国、フランス、その他の欧州諸国は250億ドル以上をAIイニシアチブに注ぎ込んでいます。米国は出遅れ、2019年にAIに約20億ドルを費やし、2020年には40億ドルを超えるでしょう。」

マナクタラ氏はさらにこう付け加えた。「しかし専門家は投資の拡大を促し、米国は依然として遅れをとっていると警告している。最近の国家安全保障委員会の人工知能（AI）部門は、中国が今後10年間で米国の研究開発費を上回る可能性があると指摘した。国家安全保障委員会は最初の報告書で、AI研究開発への投資、AIの国家安全保障ミッションへの応用、AI人材の育成と採用、技術的優位性の保護、そして世界的連携の調整という5つのポイントを概説した。」

創薬におけるAI

「2020年には、手作業による視覚プロセスが自動化され、視覚AIが細胞と薬剤の相互作用を大規模に監視・検出できるようになるため、新薬発見が劇的に改善すると期待しています」と、ChoochのCEO、エムラー・グルテキン氏は述べた。「現在、医薬品研究者がメモを取り、そのメモをスプレッドシートに入力してFDAに承認申請しているため、臨床試験で何年も無駄になっています。代わりに、AIによる高精度の分析により、新薬発見が劇的にスピードアップする可能性があります。」

[[286123]]

医薬品の開発は最長 12 年かかる長いプロセスであり、何千人もの研究者の共同作業が必要です。新薬の開発コストは簡単に10億ドルを超える可能性があります。しかし、AI アルゴリズムによって新薬発見における実験とデータ収集のプロセスがスピードアップすると期待されています。

さらに、細胞数を数えることは、新薬の発見だけでなく、生物学研究においても大きな問題です。 Visual AI プラットフォームは、このタスクを数秒で完了し、一瞬で 99% の精度を達成できます。