データサイエンスの現在と未来

データサイエンスは、近年テクノロジー分野で最もホットな分野の 1 つです。データサイエンスまたは関連分野での経験と学位をお持ちであれば、履歴書を用意するだけで高給の職に就くことができます。しかし、データ サイエンティストは AI 分野で常緑樹になれるのでしょうか? それとも、データ サイエンスをめぐる熱狂は数年で薄れてしまうのでしょうか?

[[330572]]

最近の AI ポッドキャストでは、Dun & Bradstreet の上級副社長兼チーフ データ サイエンティストである Anthony Scriffignano 氏が、データ サイエンスの実践者としての自身の仕事、そして人工知能が金融業界にどのような変化をもたらしているかについての展望、経験、洞察を共有しました。

データサイエンスの現状

ダン・アンド・ブラッドストリート社では、スクリフニャーノ氏は技術革新と開発を担当し、「この種のものとしては世界最大の商用データベース」プロジェクトも管理していました。スクリフィニャーノ氏は、この前例のないデータベースは、北朝鮮とキューバを除く世界中のすべての国から大量のデータを継続的に収集しており、平均して1日あたり数百万件のデータが取り込まれていると説明した。

このデータベースにはあらゆる言語と表記体系が組み込まれており、7 つの異なる統合データベースで構成されています。この包括的なデータ システムは、企業データを追跡するだけでなく、全体的なリスクと開発機会に関するグローバルな視点も提供します。これを基にデータベースは大規模なデータ分析を可能にし、サプライチェーンの異常や顧客の購買行動の変化を検出します。このような膨大な情報リポジトリから価値を引き出すために、データサイエンスが欠かせない重要な武器となることは間違いありません。

Dun & Bradstreet のような組織にとって最大の課題の 1 つは、このような大規模な研究データセットを扱うための知識と実務経験の両方を備えた、経験豊富なデータ サイエンティストを見つけることです。残念ながら、現在の人材市場ではデータサイエンスのスキルに対する需要を満たすことができません。

スクリフィニャーノ氏は、AI技術は急速に発展しており、将来的には熟練したデータサイエンティストを徐々に置き換え、技術自体の普及と民主化が達成されると考えていると述べた。 Scriffignano 氏の見解では、成熟したデータ サイエンティストになるために必要なスキルは、範囲と深さの点で機械学習モデル開発者に必要なスキルをはるかに上回ります。本質的に、真のデータ サイエンティストは、より広範な問題に基づいてデータから価値を引き出すことに重点を置く必要があります。対照的に、現在データ サイエンティストを自称する多くの実務家は、実際には機械学習エンジニアに近く、機械学習モデルの開発に重点を置いています。

スクリフィニャーノ氏は、データ サイエンティストの概念の「科学者」の部分にもっと注意を払う必要があると考えています。彼の意見では、データ サイエンティストは、観察されたデータから新しい質問や理論を提案し、実験を設計し、理論に基づいて特定のテストを行い、結論を導き出して関連する結果を共有できなければなりません。スクリフィニャーノ氏は、ほとんどの組織がデータ サイエンティストに再利用可能なモデルの作成のみを求めていると指摘し、データ サイエンティストを改善と革新の鍵と見なすことによってのみ組織は成功できると強調しました。また、多くの組織が長い間、データサイエンスや AI 技術の分野で真の進歩を遂げられなかったのは、単純なモデル開発を超えた新しい領域を探求する権限をデータサイエンティストに委譲することに消極的だったためだと指摘しました。

課題: ガバナンスと倫理

スクリフィニャーノ氏は、大規模なデータセットから価値を引き出すという問題に加えて、人工知能とデータサイエンスはガバナンスと倫理のレベルで多くの課題にも直面していると考えています。これは個人情報に関しては特に当てはまります。大規模なデータベースを構築し、個人情報を使用してインテリジェント モデルを構築する場合、この個人情報が責任を持って使用されるようにするにはどうすればよいでしょうか。

世界各国がますます厳しい姿勢で機械学習モデルを精査し始めている理由の 1 つは、そのようなモデルにはプライバシーとセキュリティの要素が多く含まれることが多いためです。モデルが重点を置く特定の機能に関係なく、プライバシーとセキュリティは避けられない現実的な問題になっています。スクリフィニャーノ氏は興味深い点を指摘し、AI 規制は最終的には、ニーズを満たすためにすべての人を満足させようとし、すべての人を満足させるためにさらに多くのニーズを生み出すという悪循環または泥沼に陥ると主張しています。人々はモデルのカスタマイズ空間と開発のオープン性をさらに強化したいと考えていますが、プライバシーを妥協することは望んでいません。

一部の企業や個人は、より正確な予測を行うために大規模なデータベースを必要とする大量のデータを使用するモデルから恩恵を受けますが、これには大量の個人情報を取得するという代償も伴います。自分のデータがこれらのモデルに含まれることを望まない人もいるかもしれませんが、その結果、モデルの精度が低下します。その結果、機械学習モデルが進化し、必要なデータの量が増えるにつれて、現状に不満を持つ人々が常に存在することになります。

スクリフィニャーノ氏は、政府の規制当局が国家の安全を確保しながらプライバシー関連の問題を回避する最善の方法は、技術開発に対してオープンであることだと確信している。世界のさまざまな地域では、法律や規制の制定や詳細に常に大きな違いがあり、道徳や倫理の理解も管轄区域によって一致しない場合があります。この現象は今やかなり明らかになっています。ヨーロッパは道徳倫理に対する制約が最も厳しく、中国はプライバシー保護にあまり注意を払っておらず、米国はその中間に位置しています。プライバシー保護を重視する国もあれば、国家安全保障や経済発展を重視する国もあります。

Scriffignano 氏が指摘するように、ここでの中心的な問題は、機械学習自体に地理的境界がないことです。ある地域ではまったく受け入れられない慣行が、別の地域では問題ない場合があります。したがって、モデルが構築される場所とそれが使用される場所もそれに応じて区別できます。結局のところ、モデルの普及は制御が難しいことが多いため、プライバシー要件が低い領域で生産し、プライバシー要件が高い領域で消費するというこのアプローチは、将来的には一般的なアプローチになる可能性があります。

ポッドキャストの中で、スクリフィニャーノ氏は擬人化されたAIに対する嫌悪感も表明した。彼は、アルゴリズムとプロセスによって推進される AI テクノロジーの変化の現在の波を思い起こさせる、より実用的なアプローチを好みます。スクリフィニャーノ氏は具体的な主張を述べるために、汎用人工知能 (AGI) を例に挙げた。彼は、私たちが利用できる膨大な量のデータに基づいて適切な質問をすることができなければ、人工知能における真のブレークスルーは決して起こらないと考えています。

彼はまた、専門家と AI が協力し合う未来を予見しています。警戒を怠らなければ、機械やロボットに完全に置き換えられてしまうことを心配する必要はありません。このような明るい未来を実現するためには、慎重な姿勢を維持し、データ倫理とガバナンスの問題を重視する必要があります。このようにして初めて、AI は真に新しい時代への架け橋となることができるのです。