2020 年の人工知能に関するトップ 10 の予測

[[318614]]

[51CTO.com クイック翻訳] 2019年、世界中の意思決定者の53％がAIデータ分析システムを構築し、社内で人工知能を本格的に展開すると発表しました。 2020 年の人工知能に関する予測は次のとおりです。

これらの結果は、フォーチュン 500 企業を対象とした調査に基づいています。フォーチュン 500 企業は、米国で最も収益性の高い企業として知られています。調査によると、開発者の29%が近年人工知能と機械学習に取り組んでいることがわかった。これらの調査結果は、Forrester による調査から得られたものです。

関係企業の IT 部門における意思決定の 54% は人工知能によって処理されており、期待通りの良好な結果が得られています。

特定のプロセスのインテリジェントな自動化を有効にします。

Forrester によると、Fortune 500 企業の 25% が、数百のインテリジェント プロセス オートメーション (IPA) イニシアチブを実装する予定です。つまり、人工知能を通じて特定のタスクを自動化することです。

したがって、AI 実装の一部として、特定の自動化されたロボット タスクが含まれます。同社は特に、受信した電子メールや文書を処理するためにテキスト分析と機械学習を使用します。インターネット ユーザーや顧客と会話するために人間の行動を模倣する自動応答またはチャットボットを実装します。会話エージェントとも呼ばれます。

会話エージェント

会話型エージェントは、特に人事スタッフや IT チームにとって、大きな時間節約につながります。ビッグデータの処理には、特定の機械学習監視ツールが必要です。したがって、データを分類するためのアルゴリズム プログラムを作成する必要があります。

分類アルゴリズム

アルゴリズムのデータ分類能力が強力であればあるほど、AI は正常なデータと異常な動作をするデータをより正確に識別できるため、問題をより早く発見し、必要な是正措置を適時に講じることができます。

自動化プロセスへの投資

フォレスターは、自動化プロセスへの投資の増加は、中国経済の不況が一因であると考えています。

中国の景気後退は金利上昇につながる可能性が高く、消費や投資を鈍らせるだけでなく、企業の市場価値も低下させるだろう。時価総額の低下はテクノロジー企業で特に顕著です。テクノロジー企業の評価は長期的な利益成長に大きく依存します。

位置決め自動化

企業はサービスの効率性を確保するために、これらの自動化された産業を発展させたいと考えています。レポートでは、これらの自動化された市場は、長期投資を必要とする AI イノベーション プロジェクトよりも迅速かつ低コストで変革できるとも指摘しています。

• 人工知能ベンチマークは競争力の新たな武器です。

AI 市場が成長を続ける中、AI ワークロードを処理するための最も高速で、最もスケーラブルで、最も安価なコンピューティング プラットフォームはどれかについてコンセンサスを得るのは困難です。したがって、業界ベンチマークはますます重要な役割を果たすはずです。

測定ベンチマーク。

昨年、MLPerf ベンチマークは競争力の面で際立っていました。 Nvidia から Google まで、すべてのプレーヤーがこれらのテストで優れた成績を収めています。

2020 年には、AI ベンチマークがマーケティング戦略の重要な要素となり、この分野は時間の経過とともにさらに一般的になるでしょう。

• ある程度の懐疑論があるにもかかわらず、開発は衰えるどこ​​ろか衰えつつある。

Forrester は、人工知能の使用に伴ういくつかの危険性を指摘しています。たとえば、ソーシャル ネットワーク上の特定のアルゴリズムによって生成される偽の情報、顔認識技術によってもたらされる大規模な技術的監視、インテリジェントな顔認識アルゴリズムによって引き起こされる「ディープフェイク」ビデオの急増などです。

フォレスターは、こうしたことはいずれも2020年に企業のAIへの投資を減らすことはないだろうと述べている。この報告書は、AIの重要性と必要性​​を実証し、その使用を「透明化」します。

• データ ソースの要件を考慮します。

Forrester によると、企業に AI が導入されると、管理者は必然的に、機械学習における開発者の取り組みを促進するために必要な措置を講じるようになるでしょう。ほとんどの場合、企業はプログラムが適切に機能するために必要なすべてのデータの維持に時間の 70% 以上を費やしています。

• SaaS ベースの AI により、データ サイエンティストの必要性が軽減されます。

昨年以来、AWS、Microsoft、Google、IBMなどのベンダーによる機械学習サービスが勢いを増しています。

AI のトレンドが熱を帯びるにつれ、より多くのビジネス ユーザーが AI ニーズを満たすためにこれらのクラウド プロバイダーに依存するようになるでしょう。クラウド プロバイダーにより、企業が社内にデータ サイエンティストを雇用する必要性が減少します。

SaaS プロバイダーと人工知能。

2020 年末までに、SaaS プロバイダーは自然言語処理、予測分析、その他の AI アプリケーションの主要なプロバイダーになるでしょう。これらの AI アプリケーションには、プラットフォーム サービスや DevOps ツールなどが含まれます。

AI イニシアチブを継続的に実施する企業は、データ サイエンティストの役割をさらに自動化するため、新しい機械学習モデラー、データ エンジニア、技術サポート スタッフを雇う必要がなくなります。今後 10 年間で、ほとんどのデータ サイエンティストは主に SaaS やその他のクラウド プロバイダーによって採用されるようになります。

• 継続的な学習と実験。

すべての企業のデジタル変革では、最も適切な学習モデルを見つけたいと考えています。ただし、モデルを学習するには、現実世界の設定での実験が必要です。その中で、ML モデル ツールは、企業が望ましい結果を達成できるテストとモデルを自動的に選択するのに役立ちます。

ビジネスプロセスの実践。

2020 年末までに、ほとんどの企業が顧客とのやり取りやバックエンド業務を含むすべてのビジネスプロセスに AI を実装するでしょう。

人工知能ツールを求めてクラウドプロバイダーに目を向ける企業が増えるにつれ、AWS はまもなく新しいビジネス反復および追跡モデルを確立するでしょう。これらの新しい機能は、プロフェッショナルなアプリケーション環境における 24 時間 365 日稼働の AI モデルの標準となります。

AI におけるベストプラクティス。

今後 10 年間で、AI ベースの自動化と DevOps 機能が AI ビジネス プロセスのベスト プラクティスになるでしょう。

• 開発者の仕事は AI によって自動化されます。

ニューラル ネットワークは現代の人工知能の中心です。 2020 年までに、企業のデータ サイエンティストの作業スケジュールには、「ニューラル アーキテクチャ リサーチ」と呼ばれる新しい AI ベースのアプローチが組み込まれ始めます。これは、目標に基づいてニューラル ネットワークを自動的に構築および最適化することを目指しています。

ニューラル アーキテクチャが採用され、改善されるにつれて、ニューラル アーキテクチャの研究は、線形回帰やランダム化決定木アルゴリズムなどの確立された機械学習アルゴリズム、または最新かつ最も高度なニューラル ネットワーク アルゴリズムのいずれかに基づいてモデルを構築できるようにすることで、データ サイエンティストの生産性を向上させることになります。

AI におけるエンドツーエンドの透明性を確立します。

人工知能は、エンタープライズ アプリケーションにおいてますます重要なリスク要因になりつつあります。企業が社会経済的偏見、プライバシー侵害、AI アプリケーションのその他の悪影響に関する訴訟の急増に直面する中、法務担当者は機械学習モデルの構築、トレーニング、管理方法、企業アプリケーションでの使用法を調べるために、機械学習モデルの包括的な追跡を要求するでしょう。

2020 年末までに、ほとんどの企業の法務マネージャーは、データ サイエンティストのチームに、機械学習プロセスのすべてのステップを自動的に文書化し、各モデルによって生成された自動推論をわかりやすい言葉で説明するよう要求するでしょう。今後 10 年間、AI プロジェクトの透明性は資金調達の決定的な要因となるでしょう。

今後数年間で、ほぼすべての製品は AI とそのエンドツーエンドの監視に基づく必要があります。特に、個人情報を利用する製品が増えていきます。

AI 開発における透明性の重要性が高まっていますが、これらの将来の規制が基盤となるプラットフォーム、ツール、テクノロジーの開発にどのような影響を与えるかを判断するのは時期尚早です。しかし、状況がどのように展開するかにかかわらず、こうした規制措置は今後さらに強化される可能性が高いと思われる。

原題: 人工知能: 2020 年の予測、著者: Adedeji Adewale

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]