2021年にITリーダーがAIと機械学習に期待すること

[[373790]]

IT 思想リーダーによる AI と機械学習の将来に対する期待の一部を以下に示します。

Dataiku の CEO 兼共同創設者、Florian Douetteau 氏:

インクルージョン エンジニアリングは、多様性をサポートするために主流になり始めます。多様性が AI イニシアチブに組み込まれるようにするには、組織はインクルージョン エンジニアリングの実装に多大な時間とリソースを投資する必要もあります。これには、可能な限りさまざまなデータセットを収集して使用することが含まれます。これにより、組織は教育から採用活動に至るまで、より多くの人材を現場に呼び込む体験を創出できるようになります。

インテルの IoT グループ副社長兼インダストリアル ソリューションズ担当ゼネラル マネージャー、クリスティン ボールズ氏:

2020 年のパンデミックにより、組織はビジネス運営の柔軟性、可視性、効率性を高めるソリューションを通じて、インダストリー 4.0 変革を完了する必要性が急速に高まりました。 2021年には、機械学習、マシンビジョン、高度な分析など、さまざまなニーズに対応できるソリューションがますます増えるでしょう。経済が回復するにつれ、より多くの IT 機能を備えた運用テクノロジーとインフラストラクチャへの投資が継続され、幅広いプレーヤーがこれらのソリューションを導入できるようになります。そして2021年までに、インダストリー4.0の導入率は大幅に増加するでしょう。

Intuit の CTO、マリアンナ・テッセル氏:

AI ファーストのアプリケーションが顧客サービスを変革: AI テクノロジーは成熟を続け、人々の仕事や生活のあらゆる側面に浸透していきます。 AI は Intuit におけるアプリの開発と使用に不可欠な要素となり、アプリの設計方法に革命をもたらすでしょう。

• 倫理的 AI 分野: 倫理的 AI はチーム構築と同じくらい重要です。組織が消費者の監視下で運営されることが増えるにつれ、倫理的な AI の使用に引き続き重点が置かれることになります。
• 人工知能が中小企業の回復を促進: 調査によると、中小企業の 50% が 5 年以内に倒産しています。そして、そのほとんどはキャッシュフローの問題により失敗します。パンデミックの結果、中小企業はこれまで以上にリソースが少なくなり、在庫を増やせるのか、キャッシュフローをより適切に管理できるのか、あるいはより多くのスタッフを雇用できるのかわからないなど、大きな不確実性に直面しています。

インテルの IoT グループ副社長兼小売、銀行、ホスピタリティ、教育部門ゼネラルマネージャーのジョー・ジェンセン氏は次のように述べています。

2021 年には、多くの組織が教育政策と投資によってこの概念が推進されることを期待し、サービスとしての教育への移行を優先するでしょう。このサービス モデルを推進し、すべての学生が手頃な価格で質の高い教育を受けられるようにするには、資金と助成金を教育部門に移すことが重要です。長期的には、「サービスとしての教育」が世界の教育の標準になるでしょう。

サイバー攻撃者は AI を新たな詐欺手段として利用しています。過去 10 年間で、彼らはダーク ウェブ上にサイバー犯罪のエコシステム全体を構築してきました。サイバー犯罪者は、大規模な攻撃を自動化するために、新しいテクノロジーを利用するケースが増えています。ダークウェブは現在、サイバー攻撃者にとっての仮想的な武器となっており、サイバー攻撃者はダークウェブ上で攻撃手法を共有し、脆弱性をスキャンして詐欺を働くことができる。 2021 年もサイバー犯罪は進化と高度化を続け、これまで以上に人工知能とロボットが活用されるようになるでしょう。

Jumio CEO ロバート・プリッジ氏:

業界団体がサイバー攻撃を防御し、詐欺を阻止するために AI を導入しているのと同様に、詐欺師も AI テクノロジーを使用して大規模な攻撃を実行しています。 2021年には、人工知能におけるさらなる競争が見られるようになるでしょう。いくつかの重要な分野では前例のない期待が寄せられています。

• 機械学習: サイバー攻撃者は機械学習 (ML) 技術を使用して脆弱性を特定し、ネットワークやシステムへの攻撃を加速します。パンデミックをきっかけにデジタル変革を加速する組織が増えるにつれ、サイバー攻撃者は機械学習を迅速に活用してセキュリティの脆弱性を発見し、悪用するようになるだろう。
• AI システムへの攻撃: AI システムもハッキングされる可能性があります。 AI システムに対するサイバー攻撃は、基盤となる AI アルゴリズムの修正不可能な固有の限界を悪用する点で、従来の攻撃とは異なります。最終的な目的は、AI システムを操作してその動作を変更することです。AI は現在、あらゆる業界の重要なシステムの中核コンポーネントであるため、これは広範囲にわたる有害な影響を及ぼす可能性があります。データの分類や保存場所が変更された場合。 2021 年には AI システムに対する攻撃がさらに増加すると予想されます。
• AI を活用したスピアフィッシング攻撃: 2021 年、サイバー攻撃者は人工知能技術を使用してフィッシング攻撃の精度を向上させます。特定の対象者をターゲットにした AI を活用したスピアフィッシング メール キャンペーンがさらに蔓延するでしょう。ソーシャル メディアから情報をマイニングし、特定の視聴者向けに攻撃をカスタマイズすることで、視聴者のクリックスルー率を最大 40 倍に高めることができます。これらはすべて、人工知能テクノロジーによって自動化できます。 2021 年も、サイバー犯罪者は、特定の言語や口調を模倣して人間の行動を模倣するフィッシング攻撃を継続し、サイバー攻撃の成功率を高めます。
• ディープフェイク ビデオ: ディープフェイク ビデオ テクノロジーは、既存の画像化テクノロジーと組み合わせた人工知能を使用して、人物の頭部を置き換え、顔の特徴と声を複製します。 2020年までに、ディープフェイク技術は詐欺にますます使用されるようになります。 2021 年に生体認証ソリューションを導入する組織が増えるにつれ、ディープフェイクはサイバー詐欺師が消費者のアカウントにアクセスするための切望される手法になるでしょう。逆に、デジタル ID 検証ソリューションを活用する組織にとっては、ディープフェイクを識別できるテクノロジーも同様に重要になります。組織は、2021 年に詐欺師によって最大限に悪用されるこれらの増加するサイバー攻撃を、実装するセキュリティ ソリューションが阻止できることを保証する必要があります。

インテルの IoT グループ副社長兼小売・銀行・ホスピタリティ・教育グループゼネラルマネージャーのジョー・ジェンセン氏は次のように述べています。

来年は小売業の「倉庫化」が進むでしょう。つまり、小売業者は食料品や消費財の注文をマイクロフルフィルメント拠点で処理することに重点を移すのです。これにより、小規模小売業者は、特に家賃と客足の減少により運営コストを節約できるようになります。

長期的には、小売業者は、配達顧客にコスト効率よくサービスを提供するために、シームレスで便利なソリューションに引き続き対応していきます。常に変化する小売業界で「勝者」となるためには、小売業者は顧客の期待に応えるために、創造的な方法で生産方法を変更する必要があります。

Lexalytics 社の CEO である Jeff Catlin 氏と主任科学者である Paul Barba 氏:

2021年にはデータアノテーションが次の「副業」となるでしょう。これは追加収益を生み出す手段となるでしょうが、価格面ではすでに両者の間で競争が始まっています。しかし、ヘルスケアや法律など専門知識を必要とする業界で AI が成功するにつれて、専門知識の需要が高まり、より収益性の高い注釈契約を専門家と結び付けるインフラストラクチャの開発が促進されるでしょう。

機械学習プラットフォーム分野ではさらなる統合が進むでしょう。ここ数年、AIがIT技術として定着するにつれ、多くのAIインフラ企業が登場し、AIを活用したい企業向けにモデル構築の作業を簡素化するAIプラットフォームの推進を始めています。

AI プラットフォームが統合され、AI サービスがそのギャップを埋めることになります。組織による機械学習分野におけるサードパーティの専門知識の受け入れが増えていることが、機械学習コンサルティング サービスの成長を促進しています。この傾向は2021年も継続し、加速するでしょう。

Intel の有線およびコア ネットワーキング担当副社長兼ゼネラル マネージャーの Alex Quach 氏は、次のように述べています。

コア ネットワークの仮想化は臨界点に達し、コア ネットワークのワークロードは 2024 年に 50% から 80% 以上に増加し、主要な 5G 事業者のほとんどが 2021 年に 5G SA コアの展開を開始すると予想されます。

dotData 創業者兼 CEO 藤巻 亮平氏:

• AI 自動化によりデジタル変革の取り組みが加速: デジタル変革の最初の波は製品とサービスのデジタル化に重点が置かれていましたが、第 2 の波では AI を使用して組織の生産性を最適化および向上し、より深いデータ主導の洞察を生み出し、インテリジェントなビジネス上の意思決定を自動化することに重点が置かれます。 AI が推進するデジタル変革の波は、金融サービス、保険、製造業の早期導入者から他の業界へと拡大し、AI と機械学習は企業全体の複数のビジネス機能に組み込まれ、効率性の向上や新しい製品やサービスの創出につながります。これが現在起こっている主な理由の 1 つは、AI と機械学習の自動化プラットフォームが利用できるようになったことです。これにより、組織はデータ サイエンス チームに投資することなく、AI を迅速かつ簡単に実装できます。これらの AutoML2.0 プラットフォームは、AI / 機械学習開発ワークフローを自動化し、AI 導入プロセスを高速化し、組織のデジタル変革イニシアチブを加速します。

• AI に取り組むビジネス インテリジェンス チームの増加: パンデミックの影響で、2020 年には多くの組織が AI への投資を減速しました。 AI テクノロジーは依然として重要なテクノロジー領域の 1 つですが、組織は AI の実践を拡大し、AI 導入の投資収益率を加速するための効果的な方法を必要としています。組織がワークフローの最適化のプレッシャーに直面するにつれ、ビジネス インテリジェンス (BI) チームに AI/機械学習モデルの開発と管理を依頼する組織が増えるでしょう。 BI ベースの新しいクラスの「AI 開発者」を強化するこの機能は、2 つの主要な要因によって推進されます。1 つ目は、AutoML 2.0 プラットフォームなどのツールを使用して、BI チームを、雇用されたデータ サイエンティストよりも持続可能でスケーラブルにすることです。 2 番目に、ビジネス インテリジェンス (BI) チームはデータ サイエンティストよりもビジネス ユース ケースに近いため、要件から実用的なモデルまでのライフサイクルが加速されます。新しい AutoML2.0 プラットフォームは、AI/機械学習開発プロセスの自動化を支援し、組織がより迅速かつ有用なモデルを構築できるようにします。

• ノーコード AI の進化: ドラッグ アンド ドロップ ビジュアル プログラミング ツールから、真のノーコード フルサイクル AI 自動化まで。追加の AI アプリケーションの需要が高まるにつれて、組織はデータ サイエンス プロセスの加速と民主化に役立つテクノロジに投資する必要があります。これにより、ノーコード AI と呼ばれるものが誕生しました。これらのノーコード プラットフォームの多くは、ワークフロー主導のビジュアル ドラッグ アンド ドロップ ツール (ビジュアル プログラミングとも呼ばれます) であり、技術者以外の人々にとって AI 開発を簡素化するのに役立つと主張しています。問題は、シンプルなワークフローは構築や概念化が簡単である一方、ほとんどの AI/ML モデルでは大規模で非常に複雑なワークフローが必要となり、すぐに扱いにくくなり、組織にとってまったく新しい課題が生じることです。実際、データ サイエンティストが実行しなければならない作業の大部分は、データ サイエンスの中核である特徴エンジニアリングなど、機械学習モデルの選択と最適化の前のタスクに関連しています。つまり、組織は、何千もの特徴の自動作成と評価 (AI ベースの特徴エンジニアリング) から機械学習と AI モデル、そしてその間のすべてのステップまで、真のコードフリーのエンドツーエンドの自動化を可能にする、より洗練された AutoML 2.0 プラットフォームを探す必要があるということです。

2021 年には、AutoML 2.02.0 プラットフォームが登場し、ノーコードを次のレベルに引き上げ、ついに「ワンクリック ノーコード開発」の約束を実現し始めるでしょう。

• リアルタイム インテリジェンスの台頭: リアルタイム インテリジェンスは、2021 年にますます重要な要素になります。物理からデジタルへの必然的な移行により、リアルタイムの情報にアクセスするメリットを認識する組織が増えています。リアルタイムで予測できる能力は広く注目を集めるでしょう。予測を超えて、リアルタイムおよびストリーミング データ ソースから隠れた実用的な洞察を理解して発見する能力が、リアルタイムのインテリジェントな意思決定の鍵となります。使いやすい AutoML 2.0 プラットフォームとリアルタイムの予測および洞察を組み合わせることで、組織はリアルタイムのインテリジェンスを獲得し、継続的に行動できるようになります。

• AI と機械学習は予測を超える: 予測は最も価値のある成果の 1 つですが、AI と機械学習は予測を超えた、組織が活用できる実用的な洞察を生み出す必要があります。 AutoML2.0 プラットフォームは、仮説 (特徴エンジニアリングとも呼ばれます) を自動的に生成し、数千または数百万の仮説パターンを探索できますが、これは従来の方法では不可能です。組織は、データ機能が予測分析だけに限らないことを認識しており、データ機能の自動検出とエンジニアリングを提供する Auto Machine Learning 2.0 プラットフォームを使用して、より明確で透明性が高く、洞察力のある情報を提供できます。これにより、組織はこれまで知られていなかったデータの傾向やパターンに関する重要な情報を発見できるようになり、ビジネスに価値が付加されます。

• Agile AI で AI をビジネスに迅速に統合: AI と機械学習は、ビジネスに統合されて初めてビジネス価値を生み出すことができます。しかし、多くの組織が AI/ML の収益化に取り組んでおり、多くの AI/ML プロジェクトがデータ サイエンス ラボから抜け出すことができません。 MLOps は、AI と機械学習の制作を効率化する重要なトレンドの 1 つです。 MLOps は AI/ML の開発と展開の重要な側面ですが、エンタープライズ AI を成功させるためのすべてではありません。 2021 年には、エンタープライズ AI ワークフローの前半であるデータ エンジニアリングと機能エンジニアリングも自動化できるプラットフォームへの関心と使用が増加するでしょう。ライフサイクルを 100% 自動化できるようになることで、組織は AI 開発に対する時間のかかるウォーターフォール アプローチから脱却し、実行速度と迅速なフィードバックに依存するよりアジャイルなプロセスを導入できるようになります。

インテルのワイヤレス アクセス ネットワーク部門の副社長兼ゼネラル マネージャー、クリスティーナ ロドリゲス氏:

ネットワークの急速な変革により、2021 年には vRAN アーキテクチャ上での Massive MIMO の大規模な導入 (つまり、試験段階後の数千のサイトでの導入) が見込まれます。

Agora Inc. の COO 兼 CRO、Reggie Yativ 氏:

AI、AR、VR などのテクノロジーは、次世代の一般的なアプリケーションやプラットフォームの先駆けとなり、想像や予想を超えるほど強力でスケーラブルなユースケースを生み出すでしょう。

インテルのスマート シティおよびスマート トランスポーテーション担当ゼネラル マネージャー、Sameer Sharma 氏:

2021 年は、スマートで回復力のある都市、インフラ、交通にとって画期的な年となるでしょう。短期的には、スマートシティ技術を導入する中規模都市が急増し、通常の技術拠点以外でも技術の民主化が進むでしょう。長期的には、消費者が生活の質の向上にメリットを感じ始めるにつれて、より多くの農村地域でスマートシティのインフラが導入されるようになるでしょう。

また、エッジ（人工知能）から（5G）ネットワーク、クラウドコンピューティングに至るまで、テクノロジー投資も増加するでしょう。都市がパンデミックから回復し続けるにつれ、テクノロジーは進歩と新しいビジネスモデルの導入の重要な原動力となり、経済成長を促進することになるでしょう。

Centrify のサイバーセキュリティ責任者、Torsten George 氏:

AI はガバナンス モデルの最適化に役立ちます。アイデンティティ ガバナンスと管理 (IGA) では、広範な責任を確立し、グループに割り当てるなどすると、多くの場合、アイデンティティに特定の権限が割り当てられます。 AI を使用すると、これらの権限が使用されているかどうか、またどのように使用されているかを確認できます。これにより、使用状況に基づいて割り当てを調整するための推奨事項を作成できるようになり、2021 年までには、誰がどの資産にアクセスする必要があるか、その理由を決定するためのより正確なアクセス モデリングが可能になります。

人工知能は、ウイルス（この場合はコンピューターウイルス）の変異を防ぐのに役立ちます。数十年にわたり、ウイルス対策ソフトウェア ソリューションはシグネチャ ベースであり、ウイルスの固有のシグネチャが識別され、ウイルスがソフトウェア更新間で変更されないことを期待してコード内に配置されてきました。この問題を解決するには人工知能技術を使用することができます。特定のパターンを確立する複雑なアルゴリズムを開発できるため、署名に限定されなくなります。従来のセキュリティ ツールよりも、変異するウイルスを捕捉できる可能性がはるかに高く、不確実な状況が続く中で脅威アクターが被害を及ぼすための取り組みを強化する 2021 年には、このアプローチがますます重要になります。

インテルの IoT グループ副社長兼健康、ライフサイエンス、新興技術担当ゼネラルマネージャーのステイシー・シュルマン氏は次のように述べています。

現在、医療業界の進歩を妨げている要因の 1 つは、医療記録の標準化と組織間でのデータ共有です。 2020 年の流行で見られたように、公衆衛生上の危機や人口の健康状態の追跡に関しては特に、病気や健康の問題に対処するための医療業界の協力が重要になる場合があります。