中国科学院、2019年の世界人工知能の発展を総合的に総括：8つの主要技術が登場し、AIはより多くの分野に浸透

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

2006年にディープラーニングアルゴリズムが提案され、2012年にビッグデータが爆発的に成長し始めて以来、人工知能分野のさまざまな技術分野が継続的に発展してきました。人工知能に関連する産業化実施計画と商品化モデルが徐々に明確になり、人工知能の細分化された分野の技術分野の代表的な企業とその競争環境が徐々に形成されてきました。

最近、中国科学院ビッグデータマイニングと知識管理重点研究室は「2019年人工知能発展白書」を発表し、人工知能の主要技術（コンピュータービジョン技術、自然言語処理技術、クロスメディア分析・推論技術、インテリジェント適応学習技術、群知能技術、自律無人システム技術、インテリジェントチップ技術、脳コンピューターインターフェース技術など）と、人工知能の代表的な応用産業とシナリオ（セキュリティ、金融、小売、交通、教育、医療、製造、健康など）を整理した。

[[319313]]

調査データに基づき、人工知能のさまざまな分野における主要な技術と産業アプリケーションの分析に重点を置き、世界トップ20の人工知能企業リストを発表しました。リストの上位には、Microsoft、Google、Facebook、Baiduがランクインしました。

白書は、中国のAIが世界中で影響力を継続的に高めており、AIイノベーションの実装をリードする強力な競争相手となっていることを示している。人工知能が生活のあらゆる分野に浸透する中、主要な人工知能技術は依然として大手テクノロジー企業の手に握られています。人工知能のオープンイノベーションプラットフォームは、AIがより多くの企業とユーザーに利益をもたらすことを可能にし、業界全体の発展を促進し、人工知能社会の構築を加速する上で重要な推進価値を持っています。

このレポートの全文pdfを入手したい場合は、Leiphone.com（公開アカウント：Leiphone.com）WeChat（leiphone-sz）でキーワード「319レポート」に返信して抽出してください。

出典：中国科学院ビッグデータマイニングと知識管理重点研究室、「2019年人工知能発展白書」

主要なAI技術の進歩は続く

1. コンピュータビジョン技術

コンピュータ ビジョンは、機械に「見る」方法を研究する科学です。より具体的には、カメラとコンピュータを使用して人間の目の代わりに対象物を識別、追跡、測定する科学を指します。近年、コンピュータビジョン技術は急速な発展を遂げています。主な学術的理由は、2015年にImageNetデータベース上のディープラーニングに基づくコンピュータビジョンアルゴリズムの認識精度が初めて人間の精度を超えたことです。同年、Googleも独自のディープラーニングアルゴリズムをオープンソース化しました。コンピューター ビジョン システムの主な機能は、画像の取得、前処理、特徴の抽出、検出/セグメンテーション、高度な処理です。

2. 自然言語処理

自然言語処理 (NLP) は、正式な計算モデルを確立することで自然言語を分析、理解、処理する分野です。また、言語学、コンピューターサイエンス、数学などの分野にまたがる学際的な科目でもあります。自然言語処理とは、コンピュータを使用して自然言語の形式、音声、意味などの情報を処理すること、つまり、文字、単語、文、段落の入力、出力、認識、分析、理解、生成の操作と処理を指します。自然言語処理の具体的な形式としては、機械翻訳、テキスト要約、テキスト分類、テキスト校正、情報抽出、音声合成、音声認識などがあります。 自然言語処理とは、コンピュータに自然言語を理解させることだと言えます。自然言語処理のメカニズムには、自然言語理解と自然言語生成の 2 つのプロセスが含まれます。自然言語理解は、コンピュータに入力言語を意味のある記号と関係に変換させ、目的に応じて処理させることです。自然言語生成は、コンピュータのデータを自然言語に変換することです。人間と機械の間の情報交換を実現することは、人工知能、コンピューターサイエンス、言語学のコミュニティにとって共通の重要な課題です。

自然言語処理の研究は、基礎研究と応用研究の 2 つの部分に分けられ、どちらの研究でも音声とテキストが重点的に研究されています。基礎研究は主に言語学、数学、コンピュータサイエンスなどの分野に及び、対応する技術には曖昧さ解消や文法形式化などが含まれます。応用研究は主に、情報検索、テキスト分類、機械翻訳など、自然言語処理が適用されるいくつかの領域に焦点を当てています。我が国は早くから基礎理論、すなわち機械翻訳の研究を始めており、基礎理論研究はあらゆる応用の理論的根拠となるため、文法、構文、意味解析などの基礎研究は常に研究の焦点となってきました。また、インターネットネットワーク技術の発展に伴い、近年、インテリジェント検索の研究が徐々に活発化しています。近年、コンピューター ビジョンは産業界と学術界で継続的な進歩を遂げています。代表的な成果を達成した組織には、Google、Alibaba、Baidu、Sogou、iFlytek、清華大学、Allen Institute for Artificial Intelligence などの大学/研究機関などの企業、およびその他多くの種類の組織や個人が含まれます。

3. クロスメディア分析・推論技術

これまでのメディア情報処理モデルでは、画像認識、音声認識、テキスト認識など、単一形式のメディアデータに対してのみ推論や分析を行うことが多かったのですが、人間のように複数の形式（テキスト、音声、ビデオ、画像など）の情報を協調的かつ総合的に処理する能力が求められるタスクが増えています。これがクロスメディア分析と推論です。クロスメディアは比較的広い概念であり、オンラインテキスト、画像、オーディオ、ビデオなどの複雑なメディアオブジェクトの共存、さまざまなメディアオブジェクト間の複雑な関連付けと組織構造の形成、およびメディアやプラットフォーム間での異なる様式のメディアオブジェクトの高度なインタラクティブ統合に現れます。

「クロスメディア」により、同じ意味情報をそれぞれの観点から表現することができ、単一のメディアオブジェクトとその特定のモダリティよりも包括的に特定のコンテンツ情報を反映することができます。同じコンテンツ情報は、さまざまなメディア オブジェクト間で相互に配信され、統合されています。これらのマルチモーダル メディアの融合分析を実行することによってのみ、このクロスメディア コンプレックスに含まれるコンテンツ情報を可能な限り包括的かつ正確に理解できます。クロスメディア分析および推論技術には、主にクロスメディア検索、クロスメディア推論、クロスメディアストレージなどの研究分野が含まれます。ネットワークコンテンツの監視、世論分析、情報検索、スマート医療、自動運転、スマートウェアラブルデバイスなどのシナリオに適用できます。

4. インテリジェントな適応学習技術

教育分野における最も革新的な技術であるインテリジェント アダプティブ ラーニングは、教師と生徒の 1 対 1 の指導プロセスをシミュレートし、学習システムにパーソナライズされた指導を提供する機能を提供します。従来の画一的な指導方法と比較して、インテリジェント アダプティブ ラーニング システムは、生徒にパーソナライズされた学習体験をもたらし、学習への関与と効率を向上させます。インテリジェントな適応型学習技術を採用した学習システムは、生徒の知識ギャップの特定、生徒の学習能力レベルと知識状態の継続的な評価、リアルタイムでのパーソナライズされた学習コンテンツの提供など、生徒の特定の学習状況に基づいてパーソナライズされた学習ソリューションを提供できます。インテリジェントな適応型学習テクノロジーにより、教育分野を悩ませてきた 3 つの主要な矛盾する要因、つまり品質、コスト、アクセス可能性は過去のものとなりました。

インテリジェントな適応型学習技術システムには、知識状態の診断、能力レベルの評価、学習コンテンツの推奨が含まれます。知識状況診断技術とは、少数のテスト問題を使用して、より短い時間で学生の知識ギャップを正確に診断することを指します。この技術で最も一般的に使用されるアルゴリズムは、知識空間理論です。能力レベル評価テクノロジーとは、学生の知識習得を評価し、向上した学習能力、学習思考、学習方法を分析することを指します。このテクノロジーでよく使用されるアルゴリズムは、項目応答理論とベイズ知識追跡です。学習コンテンツ推奨技術とは、生徒の学習状況に基づいて適切な学習コンテンツを推奨することを指します。この技術でより一般的に使用されるアルゴリズムは機械学習アルゴリズムであり、生徒のすべての情報を入力として受け取り、学習効率を最大化するために生徒が次に学習する必要があるコンテンツを出力します。

現在、世界中で1億人以上の学生がアダプティブラーニングシステムを利用しており、小学校、中学校、高校から高等教育、職業教育、成人教育まであらゆる年齢層をカバーし、人文科学、科学、工学、医学などさまざまな分野に適用されています。

5. 群知能技術

集合知は、集合知や集団の知恵とも呼ばれます。群知能は共有知能の一種です。これは、多くの人々の意見を集めてそれを決定に変換するプロセスです。これは、1 人の個人によるランダムな決定のリスクを軽減するために使用されます。集合知の研究は、実際には社会学、ビジネス、コンピューターサイエンス、マスメディア、大衆行動の1つの分野とみなすことができ、クォークレベルから細菌、植物、動物、人間社会レベルまでの集合行動を研究する分野です。

群知能は、アリやハチなどの社会性昆虫の集団行動の研究から生まれました。1991年にイタリアの学者ドリゴがアリコロニー最適化（ACO）理論を提唱して以来、群知能は理論として正式に提唱され、徐々に多くの学者の注目を集め、研究が盛り上がりを見せてきました。 1995 年にケネディらの学者が粒子群最適化 (PSO) アルゴリズムを提案し、それ以来、群知能の研究は急速に発展しました。現在、群知能の研究には、主にインテリジェント蟻コロニーアルゴリズムと粒子群アルゴリズムが含まれます。インテリジェント蟻コロニーアルゴリズムには、主に蟻コロニー最適化アルゴリズム、蟻コロニークラスタリングアルゴリズム、およびマルチロボット協調システムが含まれます。その中で、蟻コロニー最適化アルゴリズムと粒子群最適化アルゴリズムは、実用的な問題を解決する際に最も広く使用されています。

6. 自律型無人システム技術

自律型無人システムとは、高度な技術によって人間の介入なしに操作または管理できるシステムであり、機械、制御、コンピューター、通信、材料など複数の技術を統合した複雑なシステムです。自律型無人システムは、無人車両、ドローン、サービスロボット、宇宙ロボット、海洋ロボット、無人ワークショップ、スマート工場などのシナリオに適用でき、コストを削減し、効率を向上させる効果が得られます。

7. スマートチップ技術

近年、我が国の学界と産業界はチップ技術の研究開発を強化しており、国内のインテリジェントコンピューティングチップ技術は新たな成果を上げ続けています。従来のコンピューティング アーキテクチャをベースとし、さまざまなソフトウェアおよびハードウェア アクセラレーション ソリューションを組み合わせたチップは、一部の人工知能アプリケーション シナリオで大きな成功を収めていますが、市場の需要が多様であるため、単一の設計と方法をすべての状況に適合させることは困難です。その結果、半導体材料、デバイス、回路からアーキテクチャまで、あらゆるレベルを網羅する、AI アプリケーションに特化したさまざまな斬新な設計と方法が学界と産業界で登場しました。

8. 脳コンピュータインターフェース技術

脳コンピュータインターフェース (BCI) は、人間または動物の脳 (または脳細胞培養) と外部デバイスの間に確立された直接接続経路です。一方向の脳コンピューターインターフェース技術により、コンピューターは脳から命令を受信したり、脳に信号を送信したりできますが、信号の送受信を同時に行うことはできません。双方向の脳コンピューターインターフェースにより、脳と外部デバイス間の双方向の情報交換が可能になります。 2013年に米国が初めて「BRAINプロジェクト」の立ち上げを発表して以来、欧州、日本、韓国などの国々が相次いで「Brain Technology」競争プロジェクトに参加し、公開されているデータによると、脳コンピューターインターフェース関連分野における世界の研究開発支援は200億ドルを超えています。

人工知能は産業と応用シナリオを強化する

人工知能技術がさまざまな業界に浸透するにつれて、使用シナリオの複雑さや技術開発のレベルが異なるため、製品ごとに成熟度が異なります。例えば、教育やオーディオ業界のコアリンクには、すでに技術的成熟度とユーザー心理受容度の高い成熟製品があります。パーソナルアシスタントや医療業界のコアリンクには、実験的な予備的な成熟製品がありますが、シナリオの複雑さや個人のプライバシー、生命・健康問題が絡んでいるため、現在のユーザー心理受容度は低いです。自動運転やコンサルティング業界のコアリンクには、まだ成熟した製品がなく、技術的にもユーザー心理受容的にも、まだ十分な成熟レベルに達していません。

人工知能技術がさまざまな業界に浸透するにつれ、セキュリティ業界と金融業界の人工知能の利用率が最も高く、次いで小売、運輸、教育、医療、製造、健康業界となっています。セキュリティ業界は、ビデオ監視を中心に絶えず改革とアップグレードを行ってきました。政府の強力な支援により、わが国はデータ伝送と制御を統合した自動監視プラットフォームを構築しました。コンピュータービジョン技術の飛躍的進歩により、セキュリティ業界は急速にインテリジェンス化へと進んでいます。金融業界はデータの蓄積が充実しており、自動化ワークフローや関連技術の活用で良好な成果を上げており、組織の戦略や文化も比較的進んでいるため、人工知能技術も十分に応用されています。

小売業界は、データの蓄積、人工知能の応用基盤、組織構造において一定の基盤を持っています。運輸業界は組織基盤と人工知能の応用において明らかな優位性を持っており、自動運転技術の導入を開始しています。教育業界はデータの蓄積が弱いものの、業界全体としては人工知能に注目しており、人工知能技術を実際のビジネスに取り入れ始めているため、今後の発展は有望です。医療・健康業界は長年にわたる医療データの蓄積と合理化されたデータ利用プロセスを有しており、データとテクノロジーの面で大きな優位性を持っています。製造業は組織基盤が比較的弱いものの、大量の高品質データの蓄積と自動化されたワークフローを備えており、人工知能技術の介入に優れた技術的基盤を提供しています。

セキュリティ: セキュリティ、警察、治安、歩行者や車両の流れの監視などのシナリオにおける包括的なアプリケーション。

財務: インテリジェントなリスク管理に重点を置きながら、支払い、請求決済、投資調査、コンサルティングなどのシナリオにも取り組んでいます。

小売業: 人工知能は小売プロセス全体の効率を向上させ、消費者体験を最適化します。

交通: 渋滞分析、ルート最適化、車両スケジュール、運転支援などのシナリオに人工知能を適用し、交通問題を効果的に改善します。

教育：外部から内部まで、人工知能技術は学習プロセスに徐々に浸透しています

医療：画像解析、補助診断・治療、健康管理の観点から医師と患者のアシスタントとして活動します。

製造: 生産と製造を最適化し、反復作業を削減し、インテリジェントな製造を実現します。

健康：健康管理コストを削減し、インタラクティブ革命を実現し、人間の機能を強化します。

人工知能オープンイノベーションプラットフォームが徐々に確立される

人工知能技術は多くの業界やビジネスシーンに浸透し続けていますが、現在の人工知能の能力は、クラウドコンピューティングのようにいつでも使用できる普遍的なリソースではありません。主要な人工知能技術は、依然として大手テクノロジー企業とインターネット大手の手に握られています。人工知能をより多くの企業やユーザーが利用できるようにできれば、人工知能社会の構築は大幅に加速されます。政府や大企業の主導により、オープンな人工知能プラットフォームがますます多く登場し始めています。

2017年から2018年にかけて、科学技術部などの部門は、広範な研究と実証を経て、5つの国家新世代人工知能オープンイノベーションプラットフォームを特定しました。百度、アリババクラウド、テンセント、iFlytek、センスタイムグループに依存し、自動運転、都市脳、医療画像、インテリジェント音声、インテリジェントビジョンの人工知能オープンイノベーションプラットフォームを構築します。また、科学技術部、国家発展改革委員会、財政部、教育部、工業情報化部、中国科学院など15の部門で構成される新世代人工知能開発計画推進室は、プロジェクト、拠点、人材の協調配置を推進します。