2021年に注目すべき5つのAIトレンド

[[392513]]

2020年にCOVID-19が世界的に猛威を振るう中、人々は人工知能技術の助けを借りて、生活や仕事へのまったく新しい対処方法に適応しつつあります。しかし、人工知能業界が急速に発展する一方で、業界自体も多くの課題に直面しています。人工知能技術は今後どのように発展していくのでしょうか？どの分野で最初に突破口が開けるでしょうか?人々は人工知能をどのように活用してより大きな価値を生み出すのでしょうか?これらは人工知能産業の将来の発展において最も懸念される問題です。

3月4日にMathWorksが開催したメディア共有セッションで、MathWorksのチーフストラテジストであるJim TungがOFweek Artificial Intelligence Networkなどのメディアと意見交換を行いました。 Jim Tung 氏は、科学計算ソフトウェア市場で 35 年以上の経験を持ち、その中には MathWorks での 30 年間の勤務も含まれ、そこではマーケティング担当副社長および事業開発担当副社長を務めました。

[[392514]]

MathWorks のチーフストラテジスト、ジム・タン氏 (写真提供: MathWorks)

現在の人工知能業界にはどのような問題点がまだ存在しているのでしょうか?

さまざまな業界の企業幹部からのフィードバックは、現在の人工知能業界の現状をありのままに反映していると言えるでしょう。家電業界の代表者は、「私たちは必ずしも生産プロセスで最速のアルゴリズムを追求しているわけではありませんが、最も信頼性が高く安定したアルゴリズムを手に入れたいと考えています」と述べています。政府部門の建築家は持続可能なソリューションを求めています。彼らは、ソリューションの開発は難しくないと考えていますが、難しいのは開発者が去った後に構築されたシステムを長期にわたって維持することです。自動車業界の人々は、「実際のシステムを人工知能に接続し、現実との接続を維持することは、人工知能技術の開発における最も重要な課題です」と考えています。航空宇宙業界の人々は、「MathWorks が複数のサプライヤーのワークフローを組み合わせることができれば、そのような製品は非常に強力な製品となり、業界に大きな助けとなるでしょう」と考えています。

上記の業界の問題点に基づいて、MathWorks はどのような考えを持っていますか?今後の開発において、MathWorks はどのようにして AI をより多くのエッジ システムに統合し、人工知能のより広範な利用を促進していくのでしょうか?ジム・タンが一つずつ説明しましょう。

2021年の人工知能の5つのトレンド

[[392515]]

(画像提供：MathWorks)

トレンド1:

AIはエンジニアや科学者にとって主流になる

リソグラフィー装置の世界的リーダーであるASMLを例にとると、チップ製造工程において、リソグラフィーはチップのサイズを制御するための基本的な工程ですが、層間の接続不良による問題を防ぐために、層間のパターンがすべて想定通りに積み重ねられていなければなりません。スタッキングキャリブレーションプロセスはチップの歩留まりと品​​質に密接に関係しているため、ASML は MATLAB と Statistics Toolbox、および Machine Learning Toolbox を使用してこのアライメント測定ソフトウェアを開発しました。このソフトウェアは機械学習アルゴリズムを適用し、キャリブレーション計測データを使用して各ウェーハのアライメントデータを推定および測定し、生産および製造のリスクを大幅に軽減します。

「ASMLは、機械学習をベースにした半導体製造用の仮想計測技術を開発しました。ニューラルネットワーク機械学習の経験がないASMLプロセスエンジニアでも、MATLABソフトウェアのケースとそれが提供するさまざまなケースを通じて、このツールを開発に使用する方法を学ぶことができます。MATLABとSimulinkがそのようなアルゴリズムを多数提供し、目標の実現を加速できるのはそのためです。他の言語を使用してこれを実現するには、データの再収集とアルゴリズムの書き直しが必要であり、多くの時間がかかります」とJim Tung氏は述べています。 「人工知能は多くの分野で専用のツールになりつつあります。MathWorksは、LiDARツールボックス、予知保全ツールボックス、ワイヤレスツールボックス、機械学習/ディープラーニング/拡張学習ツールボックス、自動運転ツールボックス、仮想道路シミュレーションツールボックス、目視検査、医療用画像処理、土地分類など、一連のリファレンスケースを提供できます。これらのケースと実際のモデルを通じて、ユーザーは各産業分野で当社製品をどのように適用するかを明確に知ることができます。」オープンプラットフォームであるMATLABとSimulinkは、より多くのツールを統合してAI製品の設計を共同で完了し、今日成長している人工知能システムに完全に対応することができます。

トレンド2:

AIは、エンジニアリング、コンピュータサイエンス、データサイエンス、ITテクノロジーを統合し、学際的かつ多分野のプラットフォームを形成します。

(画像提供：MathWorks)

AI は、学際的、分野横断的、プラットフォーム横断的なアプリケーションです。この点において、MathWorks ツールは、ユーザーの開発、展開、ワークフローにおいて業界標準およびテクノロジー プラットフォームとの統合を提供し、やり直しの量を大幅に削減できます。

デモ画像からわかるように、製品開発プロセスでは、左側の次元は設計から実装、最終テストまでのプロセスをカバーします。このプロセスにはさまざまなプラットフォームが関係します。MATLAB と Simulink が提供するツールは、開発段階でこれらのさまざまなプラットフォームやさまざまなツールと組み合わせて、シームレスな接続を実現できます。右側は開発完了後の運用フェーズです。MathWorksでは、アルゴリズムやモデルなどを組み込みシステムに展開します。また、携帯電話や通信、端末などのエッジデバイスにも展開できます。IO/OTシステムと組み合わせたり、AzureやASWなどのクラウドへの展開にも対応しています。

Jim Tung 氏は次のように語っています。「上記の方法から、開発、運用、展開が有機的に組み合わされていることがわかります。いわゆる開発運用モデルを実現できます。MathWorks サービスのシームレスな接続により、体系的なアップグレードを実現し、有機的なシステムに統合できます。」

トレンド3:

AIモデルの解釈可能性と視覚化がさらに向上

(画像提供：MathWorks)

Jim Tung 氏は、軍事、航空宇宙、自動車などの分野や、コード/システムのセキュリティに対する要件が高い分野では、モデルの解釈可能性に対する要件が非常に高いと考えています。人工知能によって予測されるモデルの場合、一方では各レイヤーの主な特徴が何であるかを理解することが重要であり、他方ではこれらのトレーニング モデルのネットワークが予測を行うためにどのような特徴を使用するかを理解することが重要です。例えば、デモンストレーションの図で、説明可能性がなければ、人工知能アルゴリズムはどれがキーボードでどれがマウスかを判断できるとしても、なぜマウスかキーボードかを判断するのか、どのような特徴を使って判断するのかを明確に説明することはできません。

したがって、AI モデルの視覚化により、AI がこれらの決定をどのように、なぜ行うのかをより適切に説明できます。視覚化と具体的な識別により、ユーザーはアルゴリズムのどの特徴値が最終決定の決定に使用されるかを明確に知ることができます。 MathWorks は、R2017a から最新の R2021a 製品シリーズまでツールを継続的にアップグレードし、特に AI モデルの解釈可能性と視覚化機能を提供しています。

トレンド4:

シミュレーションとテストでは、効果をよりリアルにするために3Dテクノロジーを使用します。

(画像提供：MathWorks)

人工知能製品の開発には通常、データの準備、AI モデリング、シミュレーションとテスト、そして展開と使用という 4 つのステップが必要です。予備的なデータ準備のプロセスでは、いくつかの極端な作業条件下でデータを収集することは容易ではなく、多くの人的資源と物的資源を消費するだけでなく、システムに破壊的な要因をもたらす可能性もあります。極端な動作条件データは、人工知能アルゴリズムの完全性を実現するために不可欠な要素です。

「このモデルを使用すれば、これらの極端な作業条件データを簡単に、しかもコストをかけずに取得し、これらの極端な作業条件データを使用して人工知能モデルをトレーニングし、人工知能アルゴリズムを効果的に改善することができます」とジム・タン氏は語ります。「一方、自動運転車で使用されるレーザーレーダーなどの一部のセンサーデータをシミュレートすることもできます。32ラインまたは64ラインのレーザーレーダーのコストは数万ドルにも及びます。テスト中に現場で極端な作業条件データを抽出するのは困難です。そのため、システム内のシミュレーションデータを使用して自動運転モデル​​にインポートし、センサーデータをシミュレートして分析することができます。自動運転のシミュレーションは単一のシーンだけではなく、位置決め、路盤計画、環境管理、相互支援アルゴリズムなども含まれます。これらを調整することによってのみ、自動運転車がどのような状況でも完璧に走行、減速、加速などできることを保証できます。」

ジム・タン氏はまた、単一の人工知能モデルは意味がないとも述べた。最も重要なのは、AIアルゴリズム全体をシステム全体に統合し、ハードウェアに転送する前にシミュレーションを行い、システム内の他のアルゴリズムの総合テストを実施してその有効性を検証することだ。

トレンド5:

低消費電力、低コストの組み込みデバイスに導入されるAIモデルが増えている

[[392516]]

(画像提供：MathWorks)

ますます多くの人工知能アルゴリズムがさまざまなデバイスに導入されています。 BMW の生産ライン、化学工場のエッジ システム、生産工場ベースのエンタープライズ システムの展開、クラウド データ プラットフォームなど...MATLAB モデルを通じてコードを生成し、最終的に任意のプラットフォームに展開できます。

Jim Tung 氏は、MATLAB のもう 1 つの機能である自動コード生成についても紹介しました。専門知識は豊富でも、プログラミングの実践経験が不足している研究者は多くいます。 MATLAB と Simulink が提供する人工知能モデルと対応するツールキットは、人間の介入なしにコードを自動的に生成するのに役立ちます。コードの種類もアルゴリズムを通じて変更でき、さまざまな状況でのアプリケーションに適応できます。

たとえば、IDNEO は MATLAB とそれに対応する機械学習および画像分析ツールキットを使用して、血液型の結果を解釈するための組み込みコンピューター ビジョンと機械学習アルゴリズムを開発しました。病院での採血、検査、分析に時間と労力がかかるという問題を解決します。人工知能技術、視覚処理、機械学習アルゴリズムを使用して、患者の血液抗原型などを自動的に判定します。この方法は作業効率が向上するだけでなく、手作業よりも精度が高くなります。

フォローアップ

人工知能は誕生以来60年の開発の歴史を持っています。情報技術の急速な発展とインターネットの急速な普及により、人工知能は2006年のディープラーニングモデルの導入をきっかけに、急速な成長の第3期を迎えました。人工知能は応用範囲が拡大し続けており、人間の生産や生活とますます密接に結びついています。人工知能業界は近年実りある進歩を遂げており、専用人工知能、関連技術分野、消費者向けインテリジェントロボットの分野で画期的な進歩が達成されています。しかし、人々が探検するのを待っている未知の空間はまだたくさんあります。 2021年、AI市場はMathWorksの予測通りになるのでしょうか？おそらく時間が経てば分かるだろう。

MathWorks は 1984 年に設立され、米国東海岸のボストン市ネイティックに本社を置いているとされています。世界 34 か所のオフィスに 5,000 人以上の従業員がおり、従業員の半数以上が研究開発エンジニアです。 MathWorks は設立以来、毎年持続的な利益成長を達成してきました。 2020年、同社の売上高は10億ドルを超えました。現在、世界180以上の国と地域で400万人を超えるユーザーがMathWorks製品を使用しています。