2020年の人工知能開発動向予測

調査によると、機械学習のアプリケーション、ツール、テクニック、プラットフォーム、標準に大きな変化が起きるそうです。

[[333807]]

人工知能（AI）は現在、テクノロジー業界に欠かせない要素となっています。これは、アプリケーション、開発ツール、コンピューティング プラットフォーム、データベース管理システム、ミドルウェア、管理および監視ツールに大きな影響を与えました。研究者たちは、自分自身を改善するために人工知能さえも利用しています。

2020 年には AI のコアな用途、ツール、テクノロジー、プラットフォーム、標準に何が起こるでしょうか? ここでは、2020 年に見られるいくつかの進展について説明します。

1. GPUは今後もAIの加速を主導する

人工知能ハードウェアは、ハイテク業界における主要な競争分野となっています。 CPU、FPGA、ニューラルネットワーク処理ユニットなどの競合ハードウェアAIチップセット技術がエッジコンピューティング市場でシェアを拡大​​している一方で、GPUはクラウドコンピューティングから自動運転車や産業サプライチェーンなどのエッジアプリケーションまであらゆる分野で重要な役割を果たしているため、激しい競争の中でも成長を続けるでしょう。

Nvidia の市場をリードする GPU ベース製品の採用は、2020 年以降もさらに拡大する見込みです。今後 10 年間で、さまざまな非 GPU テクノロジ (CPU、ASIC、FPGA、ニューラル ネットワーク処理ユニットなど) によって、さまざまなエッジ コンピューティング アプリケーションのパフォーマンス、コスト、エネルギー効率も向上するでしょう。時間が経つにつれ、Nvidia はライバルとのさらなる競争に直面することになるだろう。

2. 業界標準のAIベンチマークは激しい競争の場となる

AI 市場が成熟し、コンピューティング プラットフォームがこれらのワークロードを処理するために、より高速で、よりスケーラブルで、より安価になるための競争に直面するにつれて、業界ベンチマークの重要性が高まります。過去 1 年間、Nvidia から Google まで、あらゆる企業がその優れたパフォーマンスを自慢するようになり、MLPerf ベンチマークは競争上の重要性が増しました。 2020 年までに、AI ベンチマークはこの分野での重要な参入戦略となり、時間の経過とともによりコモディティ化が進むでしょう。今後 10 年間で、MLPerf ベンチマークの結果は、高性能な AI 駆動機能が重要となるソリューション プロバイダーの位置付け戦略に組み込まれることになります。

3. AIモデリングフレームワークは徐々に競争の中で収束する

AI モデリング フレームワークは、データ サイエンティストが統計駆動型の計算グラフを構築およびトレーニングするための中核的な環境です。2020 年には、ほとんどのデータ サイエンティストがほとんどのプロジェクトで TensorFlow と PyTorch を組み合わせて使用​​する可能性が高く、両方のフレームワークがほとんどの商用データ サイエンティスト ワークベンチで使用されるようになります。

データ サイエンティストやその他のユーザーが機能の差別化よりも機能の同等性を重視するにつれて、これらのフレームワーク間の違いは年月とともに縮小していきます。同様に、より多くの AI ツール ベンダーがフレームワークに依存しないモデリング プラットフォームを提供することになり、消滅の危機に瀕している古いフレームワークに新たな命を吹き込む可能性があります。オープン AI モデリング プラットフォームの人気が高まっているのは、業界で Keras や ONNX などの複数の抽象化レイヤーが採用されたことで、これにより、1 つのフレームワークのフロントエンドで構築されたモデルを、サポートされている他のフレームワークのバックエンドで実行できるようになります。

10 年後には、機械学習モデルの構築とトレーニングにどのフロントエンド モデリング ツールを使用するかは重要ではなくなるでしょう。組織がどこで AI を構築するかに関係なく、エンドツーエンドのデータ サイエンス パイプラインは自動的にフォーマット、コンパイル、コンテナ化され、クラウドからエッジまでのベスト プラクティスによって強化されます。

4. 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減少する

過去数年間にわたり、AWS、Microsoft、Google、IBM などの企業によるサービスとしての機械学習製品は徐々に成熟してきました。この傾向が強まるにつれ、社内のデータ サイエンス チームが対応することなく、AI ニーズを満たすためにこれらのクラウド コンピューティング プロバイダーのサービスに依存するユーザーが増えるでしょう。 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、プラットフォーム サービス、DevOps ツールの主要なプロバイダーになるでしょう。社内に AI プログラムを導入している企業では、データ サイエンティストの作業が大幅に自動化されるため、新しい機械学習モデラー、データ エンジニア、サポート職を雇う必要性が減ります。今後 10 年間で、ほとんどのデータ サイエンティストは SaaS やその他のクラウド コンピューティング プロバイダーに就職するでしょう。

5. 企業におけるAI導入は現実世界の実験へと移行する

あらゆるデジタル ビジネス変革イニシアチブは、最適な機械学習モデルの採用に依存します。これには、AI ベースのプロセスが代替機械学習モデルをテストし、望ましい結果を達成するモデルを自動的に推進する、現実世界の実験が必要です。 2020 年末までに、ほとんどの企業は、顧客対応およびバックエンドのビジネス プロセスすべてにおいて、実際の実験を実行することになります。企業がクラウドコンピューティングプロバイダーの AI ツールを採用するにつれて、AWS が最近リリースした機能 (モデル反復スタジオ、マルチモデル実験追跡ツール、モデル監視リーダーボード) は、24 時間 365 日稼働する AI ベースのビジネスアプリケーション環境の標準機能になるでしょう。今後 10 年間で、AI ベースの自動化と DevOps 機能により、AI ベースのビジネス プロセス最適化のためのベスト プラクティスが広く採用されるようになるでしょう。

6. AIはAI開発者のコ​​アモデリング機能を自動化する

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 年には、ニューラル アーキテクチャ検索と呼ばれる AI 主導のアプローチがエンタープライズ データ サイエンティストのワークスペースに導入され、意図した用途に合わせてニューラル ネットワークを構築および最適化する作業が自動化されます。ニューラル アーキテクチャ検索が採用され、改善されるにつれて、線形回帰やランダム フォレストなどの確立された機械学習アルゴリズムや、より新しく高度なニューラル ネットワーク アルゴリズムに基づいてデータ サイエンティストの意思決定を導くことで、データ サイエンティストの生産性が向上します。このアプローチと関連テクノロジーは、今後数年間で発展し、エンドツーエンドのパイプライン自動化を通じて継続的な AI 開発を可能にします。

7. AI駆動の会話型ユーザーインターフェースにより、ほとんどのアプリケーションで操作が不要になる

人工知能ベースの自然言語理解は極めて正確になりました。人々が使用する電話やその他のデバイスは急速に音声操作されるようになっています。会話型ユーザー インターフェースが一般的になるにつれて、ユーザーは音声入力を通じてより多くのテキストを生成するようになります。 2020 年末までに、さまざまなデバイスに組み込まれた AI 搭載の音声アシスタントを介して、より多くのユーザーテキスト、ツイート、その他の音声入力がレンダリングされるようになります。今後 10 年間で、音声アシスタントと会話型ユーザー インターフェイスは世界経済のあらゆる分野の製品の標準機能となり、コンピューターのキーボード、携帯電話のキーパッド、さらにはタッチ インターフェイスの使用が減少するでしょう。

8. 最高法務責任者はエンドツーエンドのAIの透明性を要求する

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より顕著なリスク要因になりつつあります。企業が社会的偏見、プライバシー侵害、AI 駆動型アプリケーションのその他の悪影響に関する訴訟の可能性に直面する中、最高法務責任者は、エンタープライズ アプリケーションで使用される機械学習モデルがどのように構築、トレーニング、管理されたかについての完全な監査証跡を要求するでしょう。

2020 年末までに、ほとんどの企業の最高法務責任者は、データ サイエンス チームに、機械学習パイプラインの各ステップを自動的に文書化するとともに、各ステップが自動推論をどのように推進するかをわかりやすい言葉で説明するよう要求するでしょう。将来的には、本質的な透明性の欠如が AI プロジェクトの資金調達を妨げる大きな要因になるでしょう。

今後数年間で、あらゆる製品、特に個人を特定できる情報を使用する製品における AI ベースの機能の規制の需要が高まることが予想されます。 AI 開発における透明性の重要性が高まっているものの、今後数年間にわたってこれらの規制イニシアチブの基盤となる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、これらの将来の義務が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。