人工知能の知られざる12の秘密

[[375984]]

[51CTO.com クイック翻訳] 人工知能技術がさまざまな業界でますます使用されるようになるにつれて、IT リーダーは、ビジネス洞察を収集するために人工知能技術をどのように採用するかの秘訣を理解する必要があります。

人間は、自分たちを助けてくれる全知全能の霊を持つことを常に夢見てきました。今日、コンピュータ科学者の継続的な研究と努力のおかげで、その答えは人工知能の分野で見つかるでしょう。なぜなら、人工知能は、少なくとも時々、ある場所で、誰もがやりたいことを何でもできる可能性を秘めているからです。

人工知能の革新力は驚くべきものです。 Siri、Alexa、Google Assistant などの仮想アシスタントを導入することは、10 ～ 15 年前の人々にとって魔法のように思えました。音声でコマンドを発行したり、回答を求めたりすることができ、1990 年代の音声認識ツールとは異なり、仮想アシスタントは通常、正しい回答を提供しました。

AI は魔法の力を持っているにもかかわらず、依然としてコンピューター プログラミングに依存しています。つまり、できることには依然として多少の制限がありますが、日常的な反復的なタスクの処理には優れています。しかし、結局のところ、関数を計算し、数値がしきい値より大きいか小さいかを判断することで決定を下すコンピューターにすぎません。その巧妙な謎と複雑なアルゴリズムの背後には、IF-THEN 決定を行うトランジスタがあります。

では、人間にはどのような選択肢があるのでしょうか? 人工知能技術がさまざまな業界でますます広く使用されるようになるにつれて、人工知能に関するいくつかの知られざる秘密を理解する必要があります。

1. AIから発見されるものの多くは明白なものである

人工知能科学者にとって最も難しい仕事は、自分たちが開発した人工知能技術が誰もが知っている常識を発見したということを人々に知らせることです。おそらく、100億枚の写真から空の色が青であることを発見したAIアプリケーションが開発されたのでしょう。しかし、トレーニング セットに夜空の写真がなければ、アプリケーションは夜空が黒いことを学習することは決してなかったでしょう。

しかし、AI はどうすれば明白な結論に飛びつくのを避けることができるのでしょうか? データ内の最も強いシグナルは誰にとっても明白であり、数字をマイニングするコンピューター アルゴリズムにとっても明白です。したがって、人工知能アルゴリズムを使用しても正しい結果が得られると期待すべきではないことを人々は理解する必要があります。

2. AIの微妙な洞察を活用する価値はないかもしれない

もちろん、データが正確であれば、優れた AI は小さな違いも検出します。ただ、いくつかの微妙な違いは、追求する価値がないほど微妙です。そして、AI プログラムはこうしたニュアンスを識別することに夢中になっていたのかもしれない。問題は、いくつかのシグナルは明白である一方、他のシグナルはほとんどまたはまったくメリットがない可能性があることです。

3. 謎のコンピューターはより脅威的

初期の研究者たちは、AI アルゴリズムの数学的手法が組織の最終的な決定にさらなる信頼性をもたらすことを期待していましたが、その論理に納得する人は多くありませんでした。むしろ、AI の複雑さと謎のせいで、答えに満足できない人はプロセスに疑問を抱くことになります。 AI技術が神秘的で複雑になるほど、人々が懐疑心や怒りを表明する理由も増えます。

4. 人工知能は主に曲線フィッティングの問題である

何百年もの間、科学者たちは与えられた離散データ ポイントに基づいて曲線を描く (曲線フィッティング) 作業を行ってきました。多くの機械学習アルゴリズムがこのようなタスクを実行しています。彼らは大量のデータを収集し、そこから曲線を描くことを望んでいます。多くのテクノロジーでは、問題を数千、数百万、あるいは数十億の小さな問題に分解し、解決策を見つけることが求められます。 AI の決定は時々不正確であることに気づき、AI の回答が特定の曲線や傾斜の単なる推定値であり、その回答に信頼性を与える深い理論的または哲学的枠組みが存在しないという事実に注目する人もいます。

5. データ収集には多くの作業が必要

データサイエンスの研究者は、データを見つけることが本当の仕事であることを認識しています。 AI はデータ サイエンスと密接な関係があり、同じ課題に直面しています。データの収集には、ファイル形式、欠落しているデータ フィールド、文字コードに対処するための多くの作業が必要です。

6. より深い結論を導くには大量のデータが必要

いくつかの答えは簡単に見つかりますが、より深く複雑な結論に到達するには、多くの場合、より多くのデータが必要になります。収集する必要があるデータの量が指数関数的に増加することがあります。

7. データの偏りに悩まされる

人間は、自分たちが見て知覚するものには何らかの限界があることを理解しており、人工知能も例外ではなく、トレーニング セットによって制限されていることは明らかです。データに偏りがある場合、AI はその偏りを継承します。データに穴があれば、AI の外界理解にも穴ができます。

8. 人工知能は電気のブラックホールである

人工知能の応用はますます複雑になるでしょう。研究者が意欲的である限り、より多くのノード、より多くのレイヤー、より複雑な内部状態を持つモデルを作成し続けるでしょう。おそらく、この追加の複雑さは、モデルを実際に有用なものにするのに十分であり、次のラウンドで何らかの感情的な行動が出現するかもしれません。しかし、効果を実際に捉えるにはおそらく多くの GPU を実行する必要があるため、AI はより多くの電力を消費することになります。

9. 説明可能なAIの進歩は遅い

AI 研究者たちは、AI が何をしているのかを説明するために多くの時間を費やしてきました。データをさらに深く掘り下げると、トレーニングされた AI モデルはデータセットに固有のいくつかのパラメータに大きく依存していることがわかりました。しかし、説明可能な AI の結果は通常は説得力に欠け、「鶏が先か卵が先か」というパラドックスに陥りやすいため、説明可能な AI の進歩は非常に遅いです。

10. 公平であろうとするのは難しい

研究者が AI トレーニング セットから身長を除外すると、AI プログラムは、靴のサイズや腕の長さなど、身長の異なる人々をラベル付けするための他のデータを見つける可能性が高くなります。かつて人々は、中立的な AI が公正な判断を下し、世界をより公平な場所にすることを夢見ていましたが、現実は必ずしも公平ではなく、AI アルゴリズムではそれ以上のことはできないこともあります。

11. 時には修正がさらに悪くなることもある

AI に現実世界の問題を公平に解決するよう強制することはできるでしょうか? AI は正確な結果を生成し、出力を変更するにはアルゴリズムを書き換える必要があると主張する人もいます。しかし、望ましい答えがすでにわかっているのであれば、なぜトレーニングやデータ分析を行うのかという疑問が生じてきます。

12. 本当の問題は人間だ

分類する画像が 1,000 万枚ある場合、AI アプリケーションはほとんどの場合、かなり正確な結果を生成します。もちろん問題やエラーが発生する可能性もあります。いくつかの小さな問題は、AI バイアスに関するより深刻な問題を反映している可能性があり、その説明と分析には論文が必要になるかもしれません。

AIは問題ではなく、人間の指示に従っているだけです。人工知能は人間のための単なるツールであり、人間は人工知能技術を通じてそこから利益や利益を得ることを望んでいます。しかし、AI の応用の結果は人間の目的によって左右されます。不適切な目的で使用された場合、AI の応用は悪影響を及ぼします。

原題: AI の 12 の暗い秘密、著者: ピーター・ウェイナー

[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]