人工知能の3つの柱：アルゴリズム、計算能力、データ

AlphaGoとイ・セドルの世紀のマンマシン対決で、ついにAlphaGoが勝利した。では、人工知能の勝利の決定的な要因は何でしょうか?

それでは、人工知能の 3 つの柱であるアルゴリズム、計算能力、データについてまとめてみましょう。

たとえば、AlphaGo のゲームでは、アルゴリズムは相手のチェスのゲームに基づいて次の動きを決定するマシンであり、コンピューティング パワーは動きを決定するための高速計算であり、コンピューティング データは実際のチェスの記録を大量に取得してマシン モデルをトレーニングするビッグ データです。 AlphaGoは対局前に、大量の棋譜情報を手動で入力することでAIモデルを継続的にトレーニングし、その後、オンラインで多数の人と対局することで大量の棋譜を吸収し、継続的にモデルのトレーニングと修正を行った。

したがって、AIの利点は、大量の経験的データを吸収し、この経験的データをデータモデルに抽象化することです。さらに、コンピューティングパワーに依存して迅速に意思決定を行い、実際の戦闘を通じてアルゴリズムを継続的に最適化できます。この比較により、人工知能の利点と欠点が明らかになります。

その利点は、機械が飲食せずに動作し、記憶容量に依存して大量の経験を吸収し、さまざまな優れた才能のアルゴリズムを統合することで継続的に進化し、迅速かつ断固として正確な意思決定を行えることです。この観点から見ると、彼は本当に模範的な労働者です。

欠点は、AI が特定の分野の専門家にすぎないことです。囲碁の分野のデータでしかトレーニングされていないため、10 万回の「なぜ」の質問をしても、AlphaGo は答えることができません。他の分野では、AlphaGo は愚か者と同じです。人間の優位性は、複数の分野にまたがり、ある事例から別の事例へと推論を導き出すことができることです。そのため、AIは現在、専門分野でのみ開発されており、弱い人工知能とも呼ばれています。

AIの競争力を決める3つの要素はアルゴリズム、計算能力、データですが、どれが決定的な要素なのでしょうか？

アルゴリズムは人間によって設計され、ディープラーニングを通じて継続的に修正することができます。したがって、本質的には、アルゴリズムは人間の知能を反映したものなのです。それは人の知能レベルを反映するものなので、才能の質に依存します。シリコンバレーに多くの AI 人材がいるのも、トップクラスの知的資源が集まるからである。

計算能力というのは、機械の計算速度のことなので、あくまでもハードウェアです。お金をかけて積み上げていくだけです。コンピューティングパワーの詳細については、以前のオリジナル記事「GPU：ビッグデータ時代のNvidiaの王者への逆襲の道」を参照してください。

アルゴリズムは大量のデータを AI に供給するため、大量のデータを持っている人はより正確な AI モデルを持つことができ、アルゴリズムは継続的なディープラーニングを通じて逆修正することができます。

そのため、アルゴリズムは優秀な人材（お金）を採用することで知的資源を獲得でき、コンピューティングパワーは大量のハードウェア（お金）を購入することで積み上げることができ、コンピューティングデータも大量に購入できることがわかります（現在、中国政府はデータの売買が合法であるかどうかについて明確な規制を持っていません）。

しかし、私個人としては、データこそが競争力の核であると考えています。データ量が多いため、AI モデルを迅速にトレーニングでき、トレーニング結果を通じてアルゴリズムを継続的に最適化できます。こうすることで、競争相手より一歩先を行くことができます。これは、米国がセンスタイム、メグビー、ハイクビジョンなどの中国のAI技術企業に制裁を課した理由でもある。中国には大量の人口データがあるため、継続的な画像トレーニングを通じてAIのパフォーマンスを向上させることができます。しかし、米国は人々のプライバシーを侵害するという口実を使って中国を取り締まってきた。実際、それは米国市場でデータを入手するのがあまりにも難しいからだ。欧州のGDPRにせよ、米国のプライバシー保護法にせよ、個人のプライバシーを保護する一方で、人工知能の進歩を大きく制限しています。

したがって、人工知能における将来の競争は主に中国と米国の間となるだろう。米国は最高の知的資源を持ち、中国は大量のデータを持っているからだ。人工知能は、人類社会が農業時代1.0、工業時代2.0、情報時代3.0から次の4.0段階に入るための重要な段階です。