ビッグニュース！ケンブリッジ大学の年次AIパノラマレポートが発表：米国のトップAI人材の27％が中国での教育歴を持つ

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。

2020年に入り、疫病のブラックスワンと新しいインフラが極めて速いスピードでコンセンサス化される中で、AIはまさにハイライトの瞬間を迎えました。

今年の世界の人工知能分野における人材の分布はどうなっているのでしょうか？ AI分野ではどのような研究やブレークスルーがありますか? AI業界の新たなトレンドとは？今後はどんな新しいトレンドが生まれるのでしょうか？

ケンブリッジ大学が毎年発表している AI パノラマレポートを見れば、その答えがわかるかもしれません。

今年は年次レポートの第3版となり、ケンブリッジ大学を代表してネイサン・ベナイチ氏とイアン・ホガース氏が過去1年間のAIの動向をまとめています。

前年と同様に、このレポートでは著名なテクノロジー企業や研究グループのデータを引用しています。 AIパノラマレポートの新バージョンでは、過去1年間のAI分野における研究成果やブレークスルー、人材状況、業界動向などを総合的にまとめ、今後の予測を行っています。

報告書によると、米国で働く優秀なAI人材のうち27%は中国で教育を受けた経歴を持つが、卒業後は54%が米国に渡り大学院や博士課程に進み、90%が米国に留まって働くことを選択している。

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公開アカウントでキーワード「1010レポート」に返信して抽出してください。

文書出典: ケンブリッジ大学

1. AI研究の進歩：論文のわずか15%がコードを公開、PyTorchがTensorFlowを上回る

1. オープン性の欠如

AI 研究のオープン性は私たちが考えるほど高くなく、論文のわずか 15% のみがコードをオープンソース化しています。

研究論文のコード実装は、AI の説明責任、再現性、進歩にとって重要です。

この分野では、2016 年半ば以降、この指標に関してほとんど改善が見られません。従来、学術団体は業界団体よりもコードを公開する傾向が強かった。すべてのコードを公開していない著名な組織としては、OpenAI や DeepMind などがあります。

テクノロジー企業の場合、コードは公開できない独自のスケーリングインフラストラクチャと絡み合っていることがよくあります。これは、AI の才能とコンピューターの集中が大きな問題であることを示唆しています。

2. PyTorchがTensorFlowを上回る

研究論文では、Facebook の PyTorch が Google の Tensor Flow をあっという間に上回りました。

会議論文の 20 ～ 35% で使用されたフレームワークについて言及され、75% で TensorFlow ではなく PyTorch が引用されました。 2018 年には、161 人の著者が PyTorch 論文よりも多くの TensorFlow 論文を発表し、そのうち 55% が PyTorch に切り替えました。 15% その逆が真実です。

同時に、著者らは、Tensor Flow、Caffe、Caffe2 が依然として AI 生産の主力であり続けていると指摘しています。

さらに、GitHub では、PyTorch は TensorFlow よりも人気があります。

統計によると、現在実装の約 47% が PyTorch をベースにしており、TensorFlow は約 18% です。 PyTorch は、より高い柔軟性と動的な計算グラフを提供し、実験を容易にします。 JAX は Google が作成したフレームワークであり、数学に適しており、畳み込みモデルやトランスフォーマー以外の作業で一般的に好まれています。

3. NLPモデルのトレンド

一方、大規模モデルはNLP分野の技術進歩を牽引しています。OpenAIのGPT-3などの新たな研究により、ディープラーニングモデルのパラメータ数は数千億に達しています。

現在のクラウドサービスのコンピューティングパワーの価格に基づくと、1,000 個のパラメータを持つモデルをトレーニングするには平均 1 ドルかかります。1,750 億個のパラメータを持つ GPT-3 には、数百万ドルかかる可能性があります。一部の専門家は、この数字は 1,000 万ドルを超えると考えています。研修のコストが高いため、研究者が新しい方向性を模索することが困難になっています。

AI モデルのトレーニングにはますます多くの計算能力が必要となり、従来のコンピューターアーキテクチャは徐々にムーアの法則の終焉に近づいています。 MIT や他の大学の研究によると、科学者が ImageNet データセットの画像分類タスクのエラー率を 11.5% から 1% に減らしたい場合、数百億ドルの投資が必要になる可能性があるとのことです。

しかし、モデルの効率性を向上させる方法も研究されている。OpenAIの統計によると、2012年以降、ImageNet画像分類用のディープラーニングニューラルネットワークを一定のレベルまでトレーニングするために必要な計算能力は、16か月ごとに半減している。

GPT-3 や BERT などのモデルが NLP 分野の研究を新たな段階に導いたことは間違いありません。プログラミング言語を自動的に翻訳する、教師なしの機械翻訳ツールも存在します。 GitHub で C++ 関数を 90% の精度で Java に変換します。

4. 生物学の「AIの瞬間」：2020年だけで21,000件以上の論文が発表された

生物学研究は「AIの瞬間」を迎えており、2020年だけでも21,000件を超える関連論文が発表されました。 2017 年以降、生物学における AI 手法 (ディープラーニング、NLP、コンピュータービジョン、RL など) に関する出版物は、前年比で 50% 増加しました。 2019 年以降に発表された論文は、2000 年以降に発表された全論文の 25% を占めています。

しかし、現在の機械学習アプリケーションのほとんどは統計を通じて機能を実装しており、人間が知識を学習するための重要な方法である因果推論が無視されています。患者の治療オプションを見つけるなどのタスクでは、因果推論の方がより適切なアプローチです。ジューディア・パール氏やヨシュア・ベンジオ氏などの人工知能の先駆者たちは、因果推論は機械学習システムの一般化を向上させ、より強力で堅牢にし、意思決定に大きく貢献できる新しい方向性であると考えています。

5. フェデレーテッドラーニング

2018年から2019年にかけて、フェデレーテッドラーニングに言及した論文の数は5倍近く増加しました。 2020 年上半期には、2019 年全体よりも多くの論文が発表されました。

2. AI人材：頭脳流出、27%の人が中国教育を受けてきた

近年、人工知能分野の研究者の分布にはいくつかの新たな傾向が見られます。

1. 頭脳流出

2004年から2018年の間に、Google、DeepMind、Amazon、Microsoftは米国の大学から52人の終身在職権を持つ教授と終身在職権取得予定の教授を採用した。カーネギーメロン大学、ワシントン大学、バークレー大学では同時期に38人の教授が退職した。 2004年にはAI教授が一人も退職しなかったのに対し、2018年だけで41人のAI教授が退職したことは注目に値する。

もちろん、高齢の教授が退職すれば、若くて優秀な学者の昇進の道が開けるかもしれない。一方で、それを信じない学者もいる。

人工知能の教授の減少は、全米69の大学における卒業生の起業能力の低下と関連している。

一般的に、終身在職権を持つAI教授が退任してから4～6年後、卒業生がAI企業を設立する可能性は4％減少します。ただし、これは教授が学生が卒業する1～3年前に退任する場合には当てはまりません。これは、教授と学生の交流が重要であることを示唆しています。ただし、AI教授の退任と、同じ大学の卒業生による非AI企業の設立との間には有意な相関関係はありません。

2. 中国の学者の重要性が強調される

2019年にNeur IPSに受理された論文の著者のうち、29%が中国で学士号を取得しました。しかし、中国の大学を卒業した後、卒業生の54%は米国に渡り、NeurIPSで論文を発表しています。

人工知能の分野では、米国は依然として国際的な研究の中心地であり、米国で卒業した博士課程の学生の90％が米国に留まり、研究を続けることになります。

アメリカ以外の国の AI 博士号取得者は、卒業後に大手テクノロジー企業に勤務する可能性が高いのに対し、アメリカの博士号取得者は、スタートアップ企業に勤務したり、学術研究に参加したりする傾向があります。

同時に、AI分野の多くのアメリカ人博士号取得者は、卒業後に仕事のためにイギリスや中国に渡っています。英国に進学する卒業生のうち、55%が民間部門で働くことを選択し、中国に進学する卒業生のうち、40%が民間部門で働くことを選択します。

また、米国はAI技術で世界をリードしているにもかかわらず、米国で働くトップクラスのAI研究者の大半は米国で大学教育を受けていないというデータもある。米国へのAI人材の最大の供給国は中国（27％）、欧州（11％）、インド（11％）である。

3. 米国はAI人材に頼っている

米国の人工知能産業が移民にどれほど依存しているかを考えると、トランプ大統領のH1-Bビザ停止の発表は強い反発を引き起こした。 8件の連邦訴訟と数百の大学が反対した。

4. 米国は引き続きNeurIPS 2019の論文で優位に立っている

NeurIPS 2019を例にとると、論文発表数ではGoogle、スタンフォード大学、カーネギーメロン大学、MIT、Microsoftが上位5位にランクインしました。

5. AI人材が不足している

AI分野の人材に対する需要が高まっています。多くのトップ大学も AI 専攻の入学者数を拡大しています。スタンフォード大学を例に挙げると、近年、スタンフォード大学のAI分野の学生数は1999～2004年に比べて10倍に増加し、AI分野の学生数も2012～2014年に比べて2倍に増加しています。

それでも、Indeed のデータによれば、求人広告の数は求職者の約 3 倍あることがわかります。

しかし、2020年の人工知能分野の人材市場が新型コロナウイルスの流行によって大きな影響を受けたのは避けられません。 LinkedInが発表したデータによると、2020年の機械学習関連の仕事は当初は好調な成長傾向にあったが、2月に打撃を受け、減少し始めた。

3. AI業界：医療や自動運転でAIがフル活用される

1. 医療

流行中、多くのテクノロジー企業がAI医療画像認識技術を導入した。

たとえば、ディープラーニングは、教師あり学習とコンピュータービジョンを使用して、顕微鏡下での数時間の時間を数分に短縮し、取得から分析までの超解像度顕微鏡画像を改善しました。超解像顕微鏡では通常、サンプルを評価するために専門家が必要ですが、ONI のシステムはこれらの目視検査タスクを自動化し、専門家以外のユーザーでも超解像を利用できるようにします。

さらに、米国メディケア・メディケイドサービスセンターも、ディープラーニングに基づく医療画像製品の料金基準を提案しています。今後、医療分野ではAI技術の優先的な活用がますます一般的になるだろう。例えば、人工知能を活用した医薬品の設計は日本でも臨床試験が行われており、多くのスタートアップ企業もプラットフォーム戦略を展開するために多額の資金を調達している。

2. 自動運転

2018年以降、カリフォルニア州で自動運転車のテスト許可を得た66社のうち、安全運転手なしでテストを許可されているのは、Waymo（Google）、Nuro、AutoXの3社のみです。

政策が最もオープンなカリフォルニア州でさえ、これまでの自動運転車の走行距離は人間と比べるとごくわずかだ。自動運転車メーカーは2019年の自動運転走行距離を2018年に比べて42％増加させた。しかし、これは2019年にカリフォルニア州の免許を持ったドライバーが運転した距離のわずか0.000737%に過ぎません。

自動運転分野の企業には強力な財政支援が必要です。アマゾンに13億ドルで買収されたZooxは、2015年以降9億5500万ドル以上の資金を調達している。Zooxの最新の評価額は約32億ドルである。取引文書によれば、Zooxは2020年初頭に毎月3,000万ドルを消耗していた。

国内旅行会社Didiも最近、自動運転事業を分社化し、ソフトバンク・ビジョン・ファンドなどの機関から5億ドルを調達した。滴滴出行は今年7月、上海で自動運転車サービスを開始した。

現在、自動運転システムの機械学習アルゴリズムのほとんどは、車両の周囲の状況のみに焦点を当てており、膨大な量の手書きのルールに基づいています。研究者たちは、大量の人間の運転経験から学習して訓練される、AlphaGoに似た新しいアルゴリズムを開発している。最近、Waymo、Uber、Lyft はいずれも模倣学習と逆強化学習の新しい手法を実証しました。

自動運転などの分野の発展にも、大量の計算能力が必要です。GraphcoreやNvidiaなどの企業が今年発売した新世代のチップは人々の希望となっています。

さらに、今年、AI は電子メールのフィッシング攻撃から人間を保護すること、コンピュータービジョンで身分証明書の改ざんを検出すること、マネーロンダリング、テロ資金供与、経済犯罪と闘うことにも大きく貢献しました。

4. ポリシーの変更

1. 倫理的リスク

NeurIPS と ICLR はどちらも新しい倫理規定を提案しましたが、コードとデータの共有を義務付けていませんでした。人工知能分野のトップカンファレンスである NeurIPS を例に挙げてみましょう。

NeurIPS は、機械学習と倫理の交差点における専門家で構成される専用のサブグループを作成します。

NeurIPSは現在、著者に対し、「倫理的側面や将来の社会的影響など、研究が持つ可能性のあるより広範な影響」の分析を提出するよう求めている。

FacebookやGoogleなどの企業のNeurIPSにおける影響力が高まっていることを考えると、「著者は資金源と競合する利益を明確に開示する必要がある」。

NeurIPS はデータとモデルの共有を「強く推奨」していますが、必須要件はありません。

この点では、機械学習の分野は生命科学に遅れをとっています。たとえば、Nature 誌に論文を掲載するための条件の 1 つは、著者が「資料、データ、コード、および関連プロトコルを適時に読者に提供すること」です。

ファーウェイはスマートフォン分野での優位性を高め、機械学習技術に多額の投資を行っている。

2. 顔認識は論争に直面

現在、世界人口の50%が顔認識の使用を許可しています。部分的な禁止を実施しているのは、ベルギー、ルクセンブルク、モロッコの3カ国のみで、特定の状況下でのみこうした技術の使用が許可されている。

大手テクノロジー企業も顔認識技術の使用に対してより慎重になっている。

マイクロソフトは、現在利用可能な最大のデータベースである1,000万の顔のデータベースを削除しました。データベース内の顔は関係者の許可を得ずにインターネットから取得されたものである。

アマゾンは、議会に適切な規制を制定する時間を与えるため、警察による顔認識ツール「Rekognition」の使用を1年間停止すると発表した。

IBMは顔認識製品と技術を放棄すると発表した。

ニューヨーク都市圏交通局（MTA）は、新型コロナウイルスの感染拡大を防ぐため、乗客がマスクを着用した状態でFaceIDを有効化できるようにするようアップルに要請した。

3. 軍事AIシステムは評価されている

米国は軍事用AIシステムの導入に多額の投資を続けている。機械学習技術が産業化し続けるにつれて、軍隊はそれをますます研究するようになっています。

米国一般調達局と米国国防総省の合同人工知能センターは、ブーズ・アレン・ハミルトンに総額 8 億ドルを超える 5 年間の発注を授与しました。コンテンツの説明には、「データラベリング、データ管理、人工知能製品開発」などのキーワードが含まれています。

防衛レベルでは、より多くの AI 関連企業が有利な政府契約やベンチャーキャピタルを獲得しています。デルの子会社であるピボタル・ソフトウェアは、米国防総省から1億2100万ドルの契約を獲得した。ドローン、高解像度衛星地図、情報管理などの事業を手掛けるアンドゥリル、リベリオン、スカイディオなどの企業も、多額のベンチャーキャピタルの資金提供を受けている。

AlphaGo、AlphaStar、AlphaDogfight など、深層強化学習技術の助けを借りて、人工知能はより多くの分野でトップクラスの人間プレイヤーに勝利しています。これは、ゲームの戦闘環境で訓練された勝利のテクニックが軍事環境にすぐに移転できることも十分に実証しています。

[[345479]]

4. ファーウェイのスマートフォン事業がさらに優位に

ファーウェイはスマートフォン分野でリーダーシップを発揮しつつあり、機械学習技術に多額の投資を行っている。アップルとサムスン以外の企業が市場をリードするのは9年ぶりだ。しかし、米国の制裁により、ファーウェイのチップ供給は2020年9月中旬までに枯渇するだろう。

米国の半導体製造設備を使用する外国企業は、特定の半導体をファーウェイに供給する前に米国のライセンスを取得する必要がある。ファーウェイの消費者部門の社長は「チップがなければ供給もない」と宣言した。

5. 台湾のTSMCは依然として研究開発費と半導体製造で優位に立っている

TSMC の研究開発費は SMIC の収益に匹敵します。 TSMC は 5nm プロセス (N5) を持つ唯一のメーカーであり、現在は N7 よりも 2 倍効率が高く、33% パフォーマンスが高い 3nm プロセス (N3) に取り組んでいます。

6. 中国は米国製半導体への依存を減らすよう努めている

中国政府は米国の半導体技術への依存を減らすため、290億ドルの政府支援基金を設立した。また、中国との半導体能力の差を縮めるため、TSMCのエンジニア100人以上を雇用した。

この新たな国家基金は、財政省、中国開発銀行、地方政府、国有企業によって支援されている。これは、2014年に政府主導の初の半自動投資ファンドが立ち上げられたことに続くものである。

7. 米国上院がCHIPS法案を提案

世界の先進的チップの半分以上は米国で設計されているが、米国で製造されているのはわずか12%だ。