AI業界は大きな変化を遂げています。AI科学者がMVPになるには

20 年前、人工知能の研究に興味を持つ人は、主に大学や非営利の AI 研究所に限られていました。 AI 研究プロジェクトは、主に科学に貢献し、人類の知識を拡大することを目的とした、数年から数十年にわたる長期的な共同作業です。

[[331904]]

しかし、過去10年間で、ディープラーニングと人工ニューラルネットワークの進歩により、AI業界は劇的な変化を遂げました。今日では、人工知能は多くの実用的なアプリケーションに導入されています。科学者、テクノロジー企業の幹部、そして世界のリーダーたちは、AI 全般、特に機械学習を、今後 10 年間で最も影響力のあるテクノロジーの 1 つとして注目しています。 AI を取り巻く可能性 (および誇大宣伝) は、競争相手に先んじるためにテクノロジーを活用したいと考えている商業組織、国家、軍隊の関心を喚起しました。

多面的な AI 軍拡競争により、AI 人材の需要が高まっています。現在、さまざまな業界で大規模な AI 研究プロジェクトを遂行できるスキルと知識を備えた人材が不足しています。この場合、資金力のある人たちは、自分たちのプロジェクトのために AI 科学者を雇うことに成功しました。

これにより、AI 分野での人材流出が起こり、科学者や研究者が AI が生まれ、革命的な技術へと発展した機関を去ることになった。

ディープラーニングはいかにしてAIの冬を終わらせたか

ディープラーニング革命以前は、AI はルールベースのプログラムが主流で、エンジニアや開発者が知識と動作ロジックをソフトウェアに手動でエンコードしていました。その間、AI は過大な約束と不十分な成果で知られるようになり、期待に応えられなかった「AI の冬」を何度か経験しました。

2000 年代初頭、科学者たちはニューラル ネットワークを使用して、ルールベースのアプローチでは非常にパフォーマンスが低かった 2 つの領域であるコンピューター ビジョンと自然言語処理 (NLP) を実行することに成功しました。この出来事により、AI は、以前はコンピューターにはアクセスできない、または非常に困難であると考えられていた多くの分野に参入できるようになりました。これらの分野には、音声認識や顔認識、物体検出や分類、機械翻訳、質問応答などがあります。

これにより、AI の多くの新たな商業利用への道が開かれます。スマートスピーカー、音声駆動型デジタルアシスタント、翻訳アプリ、電話の顔認証ロックなど、私たちが毎日使用するアプリケーションの多くは、ディープラーニングアルゴリズムとニューラルネットワークを活用しています。ニューラル ネットワークの復活は、自動運転車が周囲の状況を理解する上でコンピューター ビジョンが重要な役割を果たす自動運転などの他の分野でも新たな領域を生み出しています。ディープラーニングがもたらす可能性は、Google、Facebook、Amazon などの大手テクノロジー企業の関心を集めています。ディープラーニングは、これらの企業が顧客に新しい、より良いサービスを提供し、競争上の優位性を獲得するための方法として登場しました。ニューラルネットワークへの新たな関心により、学術機関からAI科学者を引き抜こうとする競争が始まっている。こうして AI 人材の流出が始まった。

AI 科学者が MVP になる方法

ニューラル ネットワークは大々的に宣伝されているものの、その歴史は人工知能そのものとほぼ同じくらい古いものです。しかし、その後の数十年間で遅れをとり、その結果、ルールベースのソフトウェアのサポートとツールが不足しています。

ニューラル ネットワークは他の形式のプログラミングとは根本的に異なり、ニューラル ネットワークの新しいアプリケーションの発見と開発は、従来のソフトウェア開発よりも科学研究に似ていることがよくあります。そのため、AI 研究には多様な数学とコンピューター サイエンスのスキルの統合が必要であり、週末にプログラミングの本を読んだだけでは習得できない種類の知識です。

ディープラーニングの人気の急激な高まりにより、AI 研究者や科学者の需要が急増しました。供給が需要に追いつかないあらゆる分野と同様に、より多くの資金を持つ者が大部分を獲得することになります。

過去数年間、グーグル、フェイスブック、オープンAIなどの裕福なテクノロジー企業や研究機関は、巨額の給与、ストックオプション、その他のボーナスを利用して、AI科学者を学術機関から引き抜こうとしてきた。

2018年のニューヨークタイムズの報道によると、OpenAIは一部の科学者に100万ドル以上を支払ったという。 2014年にグーグルが買収したAI研究機関ディープマインドの最近の経費報告書によると、同研究所は700人の従業員に4億8,300万ドルを支払っており、従業員1人当たり平均69万ドルとなっている（ただし、高額報酬の研究者が平均を高く歪めているため、中央値はこれよりはるかに低い可能性がある）。

AI の教授や学者は、学術界を商業団体に任せたいという誘惑に抵抗できるだろうか?

ロチェスター大学の研究者による最近の調査によると、過去15年間で米国とカナダの大学で人工知能の教授153人が商業部門での機会を求めて職を辞したことが明らかになった。この傾向はここ数年で高まっており、2018年だけでも41人の教授が行動を起こした。

2015年、ウーバーは自動運転車プログラムのために採用を急ぎ、カーネギーメロン大学のロボット工学研究所からトップクラスの人材を含む50人を獲得した。 Google、Amazon、Microsoft、Facebook、Nvidiaはそれぞれ、さまざまな大学から数名のAI教授を採用しています。

大学との提携関係を維持しながらテクノロジー企業で働き、二重の役割を果たしている AI 教授も数多くいます。

研究費がAI人材流出につながる

高額な給与はAIの教授や研究者を大学やハイテク企業から引き抜く上で大きな役割を果たしているが、AIの頭脳流出に寄与している要因はそれだけではない。科学者は、AI 研究プロジェクトに取り組む際にコストの問題にも直面します。

AI 研究の特定の分野では、膨大な量のデータとコンピューティング リソースへのアクセスが必要になります。これは特に強化学習に当てはまります。強化学習は、AI エージェントが大規模な試行錯誤を通じて動作を開発する手法であり、ロボット工学、ゲーム ボット、リソース管理、推奨システムなど、AI 研究のホットな分野です。

強化学習 AI モデルのトレーニングにかかる​​計算コストは​​簡単に数百万ドルに達しますが、これは裕福なハイテク企業しか負担できません。さらに、他の種類のディープラーニング モデルでは、Google や Facebook などの大手テクノロジー企業だけが保有する大量のトレーニング データへのアクセスが必要になることがよくあります。

これにより、大手テクノロジー企業の支援や財政的支援なしに AI 研究者が夢やプロジェクトを実現することも難しくなります。大規模なテクノロジーに対するサポートが無料で提供されることはめったにありません。

AI人材流出の影響とは？

ますます多くの教授、科学者、研究者が商業部門に集まるにつれて、AI 業界はいくつかの課題に直面することになります。まず、大学は次世代の AI 科学者を育成するための教授を募集して雇用するのが難しくなるでしょう。

これにより、AI スキルのギャップはさらに拡大することになります。したがって、AI研究者の給与は高いままとなるでしょう。これは研究者自身にとっては喜ばしいことかもしれないが、プロジェクトのために AI の才能のある人材を雇うのに苦労する中小企業にとってはそうではない。

AI の商業化は、今後数年間にこの分野で見られる進歩にも影響を与えるでしょう。ビジネス部門の AI への関心は、主に商業価値のある製品の開発にあります。彼らは、科学や人類全体の福祉に役立つプロジェクトにはあまり興味がありません。

よく知られている例としては、人間レベルの AI を開発している数少ない研究機関の 1 つである DeepMind があります。 Google は DeepMind を買収して以来、同社の無制限のコンピューティング、データ、および資金リソースへのアクセスを同研究室に提供してきた。しかし同社はAIラボを再編し、商用製品を生産する部門も設けた。 DeepMind は現在、アイデンティティ危機の真っ只中にあり、研究機関なのか営利目的の所有者の延長なのかを決めなければならない状況にある。

最後に、AI の人材流出と AI の商業化は、業界の透明性の低下を意味します。営利組織がソースコードや AI アルゴリズムを一般に公開することはほとんどありません。彼らはそれを知的財産として扱い、壁で囲まれた庭園の背後に厳重に守る傾向があります。

これにより、企業は競合他社に対する優位性を維持するために知識の共有が減り、AI 研究の発展が遅くなるでしょう。