人工知能の発展方向と機会

[[358422]]

  01 現段階における人工知能のボトルネック
現在、人工知能、特にその応用分野では多くの進歩がありましたが、実のところ、人工知能の基礎となる技術の研究はあまり進歩していません。最近の注目すべき開発としては、AlphaGo を開発し、イ・セドルを破った企業である DeepMind が挙げられます。 DeepMind は以前、人間のテキサス ホールデム プレイヤーに勝つシステムを開発した。

テキサス ホールデムをプレイしたことがある友人は、テキサス ホールデムは囲碁をプレイするよりもはるかに複雑だと感じるでしょう。囲碁ではすべての情報が十分な情報であり、既知ですが、テキサスホールデムでは、対戦相手は自分の手札を絶対に教えてくれないので、不十分な情報です。十分な情報なしに人間のプレイヤーに勝つことができるということは、ある程度、人工知能が一歩前進したことを示しています。

しかし、この進歩は弱い人工知能にすぎません。 「The Outpost」で述べられているように、弱い人工知能は人間よりも強く、強い人工知能は人間よりも弱い。今のところ、強い AI に向けた進歩はありません。

アメリカの有名なコンピューター専門家でチューリング賞受賞者のジューディア・パール氏は、昨年、彼の新著「Why」の中で、人工知能の専門家さえも当惑させる興味深い事実を述べています。「人工知能は、構造的または理論的な観点からシステムの品質を評価することはできません。たとえば、構造が優れているか、理論が優れているかは、結果に基づいてのみ評価できます。」人工知能は科学ですか?その答えは疑わしい。そこでパール氏は辛辣な口調でこう言った。「人工知能は今や錬金術となった。」

したがって、現段階での人工知能の最大のボトルネックとなるのは、理論的かつ実用的な基盤技術の開発です。

以下は「Why」を読んだときに取ったメモマップです。人工知能に興味がある友人には、ぜひ原書を読むことをおすすめします。

02 人工知能の3つの主要な発展方向
人工知能は理論と基礎開発の面でボトルネックに直面しているものの、依然として進歩を続けています。王玉泉教授の2019年の報告書と筆者の人工知能分野に対する認識によれば、人工知能は次の3つの開発方向にまとめることができます。

1. ビッグデータからスモールデータへの移行
これまで、機械学習ではトレーニングに膨大なデータが必要でしたが、現在はトレーニングにできるだけ少ないデータを使用することを目指しています。

データが少ないということは、データがないということではありません。人工知能は依然として帰納と一般化の原理に基づいているため、統計は人工知能システムにおいて実際にはより意味があるということです。

しかし、人工知能はこれで満足してはいけません。人間はデータがなくても推論し、物事のやり方を判断することができます。少量のデータでは、このような人間の判断を真にシミュレートすることはできません。

こんな場面を想像してみてください。雨の夜、険しい山道を運転していると、前方の道路の真ん中に土の山があり、その山の横に警察の制服を着たような男性がいて、降りるように旗を振り回しています。降りますか、降りませんか？降りなければ、かろうじて通行できるが、降りる場合は指示に従っていることになる。こういうとき、私たち一般人は、この地域の治安は良いのか、などといった非常に複雑な推論をすることになります。夜暗いときにその地域のセキュリティに問題はありますか?さらに、この警官を見ると、彼が着ているのは本当に警察の制服なのだろうかと疑問に思うでしょう。周囲の交通迂回装置はすべて設置されていますか?そこに立っている人が 1 人しかおらず、対応する交通迂回装置もない場合は、多くの人が偽物だと思い、急いで通り抜けようとします。

これらすべての背後にある複雑な判断は、道路の問題だけではなく、社会保障や交通とは関係のない他の多くの問題も関係しています。これらは、これまで自動運転では判断できなかった疑問です。

これが、レベル 5 の自動運転を市場で商品化することがほぼ不可能である理由です。人工知能に次のブレークスルーが起こらない限り、人工知能は真にインテリジェントな分析を実行する能力を持つことはないだろう。現在の人工知能の方向性の 1 つはスモール データですが、それでもデータがまったくないわけではありません。推論や因果関係ではなく、依然として統計に基づいています。これは、「Why」という本が人工知能に疑問を投げかける点でもあります。

2. エッジコンピューティング
著者は技術的なバックグラウンドがなく、コンピューティング能力の概念についての理解が限られています。この分野における開発の方向性について簡単に説明します。

コンピューティング能力の面では、一方では十分なコンピューティング能力が必要ですが、他方では、5G の登場によりクラウド コンピューティング機能が大幅に強化される可能性があります。さらに、応答速度が向上するため、クラウドコンピューティング機能はローカルエンドとエッジエンドのコンピューティング機能をより適切に補完でき、クラウドと端末が統合された人工知能コンピューティング機能を形成できるようになります。

これは実際、全体的にはおまけ程度のものですが、革命的な変化ではありません。

3. 生涯学習
今では機械も生涯を通じて学習できるようになりました。

機械が生涯学習能力を持つようになれば、人工知能を導入する上で、人類全体や企業、特に産業界の戦略に根本的な変化がもたらされるでしょう。機械が生涯にわたって学習できないのであれば、人工知能の導入にそれほど神経質になる必要はありません。人工知能システムが十分に良くなるまで待ってから導入すればよいのです。しかし、機械が生涯学習能力を持つのであれば、人工知能をできるだけ早く導入することが最善の戦略です。導入されたときはそれほど賢くないかもしれませんが、学習と自己改善を続け、後から導入される競合他社をはるかに上回るようになります。この時点では、ハードウェアとそれほど関係がないかもしれません。

そのため、各業界は、人工知能を自社の業界分野にもっと早く、もっとうまく導入できるかどうかを検討する必要があります。人工知能はまさにインターネットのようなもので、多くの人が人工知能は次世代のインターネットだと言っています。これは、人工知能の適用範囲が広く、あらゆる業界が人工知能の恩恵を受ける可能性があるからです。

03 人工知能技術はどのような用途に有利ですか?
特にこの業界分野に属していない企業にとって、人工知能を導入するにはまだいくつかの障壁が存在します。伝統的な分野の企業の中には、人工知能部門を設立し、人工知能に取り組む人材を多数採用すれば、人工知能を実現できると信じているところもあります。しかし、実際のところ、今のところ人工知能の専門家は依然として不足しています。人工知能の専門家は今後 5 年以内に不足しなくなるかもしれませんが、今はまだ不足しています。

希少性の大きな特徴は、多くの大手 IT 企業が「人工知能の人材獲得競争における当社の主な競争相手はウォール街です」と言っていることです。なぜ？人工知能技術は基本的にピークに達しているため、単一の項目で強力な優位性を持っていると判断できます。この単一の利点は、さまざまな業界や分野で採用されるでしょう。最初に採用するのは、この利点を利用して莫大な収益と利益を獲得する業界であることは間違いありません。金融は間違いなく最も理想的な業界であるため、人工知能を使用して株式を取引することは、ウォール街でほぼ標準となっています。

独立した人工知能を使って株式取引を行うファンド会社は多くありませんが、実際にはほとんどのファンド会社が人工知能の人材を蓄えています。人工知能は短期的な上昇や下降を判断し、短期的な操作を実行することにおいて人間よりも優れていることはすでに事実です。もちろん、これは人間にチャンスがないということではありません。人工知能は単一の項目では人間よりも優れていますが、人間は複数の総合的な項目で大きな優位性を持っています。

基本的に過去の取引行動に基づく短期的な株式取引を判断する場合、機械は間違いなく人間よりも優れています。しかし、企業の長期的な発展、特に企業の将来の技術製品が将来の技術市場を支配する可能性があるかどうかを判断する場合、機械は必ずしも人間よりも優れているわけではありません。

これらの判断は非常に包括的であるため、研究開発の進歩、技術力の変化、産業構造の変化、さらには企業の業務特性の変化、さらには市場の受容やユーザーの変化を含む科学研究開発の動向が関係します。

この意味では、人工知能の判断は比較的不明確です。つまり、明日株を買えるかどうかを人工知能に尋ねれば、その答えは人間に尋ねるよりも間違いなく良いものとなるでしょう。しかし、企業が5年後にうまく発展するかどうかを尋ねるなら、人間の専門家に尋ねたほうが良いでしょう。これは、人類にはまだチャンスがあることを示しています。私たちは、単一の項目で人工知能と競争するのではなく、総合的な面で優位に立つべきです。個々の項目で人工知能の助けを借りることもできますが、全体としては人工知能を上回ることができます。

これは比較的特殊なケースです。人工知能は企業に多額の利益をもたらす可能性があるため、ウォール街全体が人工知能の専門家を非常に歓迎しています。そのため、多くのIT企業がウォール街を競争相手と見なしています。この競争は市場競争ではなく、人材獲得競争を指します。その結果、ほとんどの場合、人工知能の専門家は、伝統的な産業の企業で働くことを躊躇します。伝統的な産業は、多くの場合、研究開発サイクルが長いためです。これは、研究開発サイクルが非常に短く、すぐに結果が得られる短期的な株式投機とは異なります。

04 AIユニコーンは大きなプレッシャーに直面
現在、中国では人工知能が過熱し、数多くの人工知能ユニコーンを生み出しているという大きな問題があります。

ユニコーンとは、まだ株式を公開していないが、評価額が10億ドルを超える企業です。多くの企業が10億ドル未満の評価額で株式を公開できることは誰もが知っています。しかし、これらのユニコーンが株式を公開していない理由は、収益や利益が明確に示されておらず、実際には上場基準を満たしていないためです。しかし、市場の熱狂により評価額が非常に高くなっているため、これらの企業は特に強いプレッシャーを受けることになるでしょう。

このプレッシャーは 2 つの側面に反映されます。

一方で、市場から継続的に優秀な人材を採用する必要があります。ユニコーンなので、オプションを与えると、オプションの価値が特に高くなるように見えます。オプションの価値は高いように見えますが、従業員が実際にこの価値を得ることを意味するわけではありません。しかし、市場はこの価値を認識しているため、優秀な人材を強く惹きつけ、その結果、多くの人工知能の有能な人材が、従来の業界に行くのではなく、高給と豊富な選択肢を求めてユニコーン企業に行くことを望むようになりました。伝統的な産業は給与がそれほど高くなく、研究開発にはサイクルが必要なため、すぐに成果が見えず、リターンに差が出てしまうため、ほとんどの人がユニコーン企業に行くことを選択します。

ユニコーン企業にはもう一つ致命的な問題がある。過大評価されると、できるだけ早く収益と利益の面で約束を果たさなければならないのだ。これは、これらのユニコーン企業が長期的な研究開発への投資が不十分であり、現時点で最も収益性の高い事業に注力していることを意味します。人工知能において現在最も収益性の高い事業は何でしょうか?これは実は誰もが一般的に関心を持っている話題です。

人工知能は昨年も一昨年も話題になっており、今年も引き続き議論されるだろうということは、つまり、人工知能は好意的に受け止められているが、人気があるわけではないということだ。人工知能は非常に人気があり、さまざまな新しいアプリケーションが次々と登場していますが、人工知能企業を見ると、その収益と利益の伸びはそれほど満足のいくものではないようです。

05 AI分野における機会
1. ハードウェア層
このレベルには、主に人工知能関連のハードウェア企業が関与します。率直に言って、これらの企業の将来はまだ予測が難しいです。この専門分野（FPGA）の研究開発を行う企業は、比較的大きなチャンスがあります。現在、脳のようなコンピューティングチップや人工知能コンピューティングチップを作っている企業は、比較的汎用性が高いため、プレッシャーは大きくなります。実際、この種のチップにはエコシステムの構築が必要であり、この種のチップの大手企業の 1 つが NVIDIA です。

NVIDIA には、さまざまなアプリケーション シナリオの開発やアプリケーション サポートの提供でチップをサポートする何千人ものエンジニアがおり、NVIDIA のエコシステムの健全性を強化しています。たとえば、自動運転ソリューションに関しては、NVIDIA は顧客に包括的なサービスを提供する方法に重点を置いています。これを基にNVIDIAは仮想テスト実行システムを開発しました。この仮想システムにより、自動運転システムは仮想道路上で走行し、速度を何倍にも上げることができます。さらに、複数の仮想環境で同時に実行することができ、あたかも100台、1,000台の車が同時に走っているかのように見えます。十分な走行距離を素早く積み重ねることで、人工知能システムは十分に強力で賢くなります。

それが環境に組み込む方法であり、それは本当に重要です。しかし、国内のチップ企業の多くは、自社のコンピューティング能力の優位性を盲目的に強調しているだけであり、そのようなエコシステムを構築する能力がなければ、NVIDIAと競争するのは実際には困難です。もちろん、NVIDIA も成功への道のりはゆっくりとしたものでした。実際、2、3 年前に黄仁訓氏が講演していたとき、彼はまださまざまな業界や分野での人工知能のブレークスルーを想像していましたが、それは非常に多岐にわたりました。しかし、昨年までに、ビジネスは非常に焦点が絞られ、間違いなく十分な売上高と利益を達成するようになりました。

2. 基本サービス層
このレベルは、クラウド コンピューティング プロバイダーなど、基本的なプラットフォームと基本的なアプリケーションに重点を置く企業から主に構成されます。

米国のほぼすべてのIT大手は、大規模なクラウドコンピューティングプラットフォームの構築に多額の投資を行っており、強力な人工知能サポート機能を必要としています。これらの企業の中で最も進んでいるのは、AmazonのAWSとGoogleです。そのため、クラウドコンピューティング + 人工知能が将来的に普及し、5G 以降もクラウドコンピューティング + 人工知能が標準になるという認識が業界でほぼ共有されつつあります。人工知能が水道水のようにどこでも利用できるようになる日がすぐに来るでしょう。

中国でも同様です。現在はAlibaba Cloudがトップで、TencentやBaiduも力を入れていますが、現時点ではまだAlibabaがリードしているようです。もちろん、ファーウェイも独自のクラウドを開発しています。中国ではいくつかの大規模なクラウドが誕生し、中国のIT市場は海外と比べてそれほど小さくないため、巨大な市場空間が生まれるでしょう。

したがって、この層は発達するでしょう。このレイヤーの中核は、基本的なクラウド コンピューティング機能に加えて、追加の人工知能機能を提供することです。この種の AI 機能により、AI の基本的なアプリケーションは、AI プロバイダーではなくクラウド プラットフォームによって直接提供されることになります。

基本的なアプリケーションは何ですか?実際のところ、今のところ明確な定義はありません。ここでは、皆さんが理解し、議論できるようにいくつかの例を挙げます。

顔認識を含む視覚認識が基本的なアプリケーションになります。より多くの公共の場所で監視を行い、視覚認識と組み合わせることで、逃亡者を迅速に逮捕することができ、社会秩序の維持に役立つからです。これにより、現在多数のユニコーン企業が追い求めている巨大な市場が生まれました。

しかし、長期的には、この市場はユニコーンにとってあまり友好的ではないかもしれません。一方では、政府が将来的に接続されるべき統一された大きな市場を形成し、国はどこにでも顧客がいる状態から 1 人の顧客だけを持つ状態に変わり、この市場はある程度存在しなくなるでしょう。他方では、顧客がどれだけ多くても、プロバイダーは今日のユニコーンではなく、アリババ、テンセント、または Huawei 規模の企業などの基本的なクラウド プラットフォームによって直接提供される可能性があります。

主な理由は、この機能が複雑ではなく、特にクラウドの登場により、クラウドから直接提供するのが最も簡単になったことです。将来的には、さまざまな場所にカメラがあれば、クラウドの機能を利用してインテリジェントな顔認識や画像認識機能を実現できます。

顔認識に加えて、モーション指紋とも呼ばれるモーション認識も今話題になっています。人間はそれぞれに歩き方や動作、姿勢が異なりますが、人工知能による分析により、動作を見るだけでその人が誰なのかが分かります。現在、カメラとフィールド全体にわたる継続的な分析という別の機能があります。つまり、モーションキャプチャーを通じて、複数のカメラにわたる人物の行動の軌跡を把握できるのです。人物の顔は確認できなかったが、動きから特定できた。人工知能は現在でも科学研究の課題として開発されていますが、近い将来、クラウド コンピューティングを通じて提供される基本的な機能になるでしょう。

さらに、医療画像認識というもう一つのホットな市場を含む、いくつかの基本的なグラフィック認識機能もあります。医療におけるレントゲンや超音波などの画像認識は、今後クラウドに統合される可能性が高いでしょう。提供者はクラウド内のサードパーティ企業や大手ITサービスプロバイダーの場合もありますが、将来的にはすべてクラウドで提供されるようになり、これが基本的なサービスになります。

最後に、音声意味認識と翻訳は、将来的には基本的なクラウド サービスになる可能性があります。今日では、翻訳したい場合には翻訳機を持ち歩く必要がありますが、なぜ携帯電話に統合されていないのでしょうか? Sogou の CEO である王小川氏によると、Sogou の翻訳機には 6 つの GPU が搭載されており、翻訳中に計算能力を維持できるとのことです。しかし、将来クラウドの処理能力が強化されれば、これらの音声はすべてクラウドに送信されて処理され、結果が送り返されるようになります。このとき、私たちの携帯電話はそれぞれ翻訳機になることができ、別のデバイスは必要なくなります。

3. 業界統合レイヤー
上記によると、多くの基本機能は将来クラウドで提供される機能になる可能性が高い一方で、実際のアプリケーション機能はそれほど基本的ではなく、それほど一般的ではなく、業界と完全に統合されている必要があります。クラウドの基本機能も含め、多くの基本機能も使用しますが、業界固有のものであるため、クラウド プロバイダーが提供できるものではありません。

たとえば、音声認識と意味認識の成熟、翻訳機能の成熟などにより、業界と相まって、インテリジェントな顧客サービスという市場がすでに立ち上がっています。中小企業には大企業のようなコールセンターはありませんが、実はコールセンターの必要性はあります。さて、人工知能を使ってコールセンターを運営する場合、ユーザーの質問に答えるのは人間ではなく、人工知能のシステムです。中小企業もこのSaaSシステムをレンタルまたは購入することで自社のニーズを満たすことができます。したがって、この市場は急速に成長し、コールセンター市場も繁栄するでしょうが、コールセンターで電話に出る人たちは職を失うことになります。これは冷酷な事実です。

実際、多くの人工知能システムはこのようなものです。自動運転が普及すると、車の数は減るのではなく増えるかもしれませんが、運転手は職を失う可能性があります。

このレベルでは、人工知能関連のアプリケーション企業が多数誕生するでしょう。これらのアプリケーション企業は、独自の業界特性を持つ必要があることを非常に明確にしています。なぜなら、人工知能技術自体は障壁を形成できないからです。障壁を形成できる唯一の場所は業界であり、つまり、業界データ、業界経験、業界へのアクセスが障壁になります。ビジネスを構築するには、この障壁を見つける必要があります。

したがって、どんな先進的な分野でも、ただ先頭に立つだけでは十分ではありません。成功するためには、自分自身の障壁や競争上の優位性も見つけなければなりません。