AIと機械学習が克服すべき3つのハードル

[[343495]]

[51CTO.com クイック翻訳] 人工知能革命はまだ初期段階ですが、人工知能でできないことはそれほど多くありません。ビジネス上のジレンマから社会問題まで、従来の解決策がない困難な問題を解決するために AI が求められています。希望は無限ですが、人工知能の能力に限界はあるのでしょうか?

はい、AI と機械学習にはいくつかの重大な制限があります。 AI の実装を検討している組織は、トラブルに巻き込まれたり AI について誤解が生じたりしないように、これらの制限を理解する必要があります。人工知能が直面している 3 つの大きな課題を見てみましょう。

1. データの問題

人工知能は機械学習アルゴリズムと切り離せないものです。これらのアルゴリズム、つまりモデルは、パターンを識別して結論を​​導き出すために大量のデータを消費します。これらのモデルは、AI が実際に遭遇する無数のシナリオを表すラベル付きデータを使用してトレーニングされます。たとえば、医師は各 X 線写真にラベルを付けて、腫瘍が存在するかどうか、また腫瘍の種類を示す必要があります。何万枚ものX線写真を検査した後にのみ、AIは新しい写真に自律的に正しいラベルを付けることができます。このデータの収集とラベル付けは、人間にとって時間のかかるプロセスです。

場合によっては、モデルを適切に構築するのに十分なデータが不足していました。自動運転車は、遭遇するあらゆる課題に対処するのが困難です。道路の標識はおろか、フロントガラスの 2 フィート先も見えないような土砂降りの雨を想像してみてください。 AI はこれらの状況を安全に処理できるでしょうか? トレーナーは、アルゴリズムがどのように反応し、それに応じて調整するかを理解するために、これらすべての難しい使用シナリオに遭遇しながら数十万マイルを走行する必要があります。

場合によっては、十分なデータがあっても、誤ってバイアスを導入することでデータを汚染してしまうことがあります。マリファナ所持による逮捕記録を人種別に見ると、いくつか誤った結論が導き出されます。黒人が逮捕される可能性は白人より3.64倍高い。このことから、マリファナを大量に使用している人種は黒人であるという結論に至る可能性がある。しかし、マリファナ使用に関する統計情報を分析しなければ、人種間のわずか 2% の違いはわかりません。データに内在する偏りを考慮しなければ、誤った結論を導き出すことになります。欠陥のあるデータセットを共有すると、この問題はさらに複雑になります。

問題がデータを手動で記録する必要があることであろうと、高品質のデータが不足していることであろうと、有望な解決策は存在します。強化学習により、将来的には人間がラベル付けのプロセスで監督者になれるようになるかもしれません。ロボットを訓練し、正の強化と負の強化を適用するこの方法は、人工知能モデルの訓練に使用できます。欠落データについて言えば、仮想シミュレーションはギャップを埋めるのに役立ちます。ターゲット環境をシミュレートすることで、モデルが物理世界の外で学習できるようになります。

2. ブラックボックス効果

すべてのソフトウェア プログラムはロジックに基づいています。システムに入力された一連の入力をトレースし、それらがどのように結果をトリガーするかを確認できます。 AIの場合はそれほど透明性がありません。ニューラル ネットワークに基づいているため、最終結果を解釈するのが難しい場合があります。これをブラックボックス効果と呼びます。機能することは分かっていますが、どのように機能するかは分かりません。これは問題を引き起こします。求職者が仕事を見つけられなかったり、犯罪者が過度の懲役刑を宣告されたりする場合、アルゴリズムが合理的に使用され、信頼できるものであることを証明する必要があります。こうした大規模なディープラーニング ネットワークがどのようにしてこうした決定を下すのかを説明できない場合、多くの法的および規制上の課題が生じます。

ブラック ボックス効果を克服する最善の方法は、アルゴリズムの動作を分解し、さまざまな入力を与えてその影響を確認することです。つまり、人工知能の行動を解釈するのは人間なのです。これは科学ではありません。 AIがこの大きなハードルを克服できるようにするには、さらなる取り組みが必要です。

3. 普遍的なシステムは手の届かないもの

将来、人工知能が世界を支配するのではないかと心配している人は、安心してください。人工知能はパターン認識には優れていますが、より高い意識レベルで機能するとは期待しないでください。スティーブ・ウォズニアックはこれをコーヒーテストと呼んでいます。コーヒーマシンは平均的なアメリカの家庭に持ち込まれ、コーヒーを淹れることができるでしょうか? コーヒーグラインダーを探し、カップを探し、コーヒーメーカーを識別し、水を加え、正しいボタンを押すことが含まれます。これは「強い AI」と呼ばれ、人工知能は飛躍的な進歩を遂げ、人間の知能をシミュレートできるようになりました。研究者たちはこれを解明しようと懸命に努力しているが、人工知能がこの目標を達成できるかどうか疑問視する人もいる。

人工知能と機械学習は進化を続ける技術です。今日の限界は明日の成功となる。重要なのは、実験を継続し、組織に価値を付加できる場所を見つけることです。私たちは AI の限界を認識する必要がありますが、AI がこの革命を妨げることを許してはなりません。

原題: AI と機械学習が克服すべき 3 つのハードル、著者: Mark Runyon

[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]