AIの未来: データだけでは不十分

特定の問題を解決するための最適な技術としての人工知能 (AI) に対する熱意は否定できず、注目に値します。しかし、教師あり学習や強化学習などの最も人気のある AI アプローチを通じて日々大きな進歩が遂げられている一方で、これらの古典的な方法は単一の方法で使用されることが多く、それが AI を妨げる要因にもなっている可能性があります。

[[409264]]

AI はますます多くの分野で成功を収めていますが、人間のユーザーとの関係を構築するサポート パートナーとしてではなく、主に限られたタスクを実行するツールとして、または単純な自動化の形式として使用されています。これは、慎重にキュレーションまたは注釈が付けられたデータ（主に履歴データ）に大きく依存しており、人間のユーザーからは非常に間接的にしか学習できません。人工知能は特定の状況において並外れた予測能力を持っていますが、人間が幼少の頃から持っている適応能力が欠けています。人間のように、これまで遭遇したことのないデータに基づいて推論を行うことは（まだ）できないのです。さらに、より高い精度が求められるようになったことで、モデルの大規模化と複雑化が進み、計算集約型のトレーニングやエンジニアリング上の課題が増大し、AI ベースのソリューションに求められる信頼性、移植性、拡張性を妨げる事態が生じています。

AI の目標を達成するには、現在のデータ パラダイムを転換する必要があります。AI トレーニング プロセスの中心に人間を置くべき時が来ています。私たちの言うことを鵜呑みにする必要はありません。設計から導入まで人的リソースと AI リソースを組み合わせることの利点は、MIT スローンの 2020 年人工知能に関するグローバル エグゼクティブ スタディおよびリサーチ プロジェクトや、その結果生まれた Deloitte Insights などの他の独立した研究でも実証されており、このコラボレーションは「スーパー チーム」とさえ呼ばれています。

人間のユーザーと AI エージェントを組み合わせたソリューションを設計、トレーニング、展開することで、標準的な AI アプローチと比較して、成功への新たな道が開かれます。模倣学習、カリキュラム学習、その他の新しい技術は、人間の専門知識、フィードバック、ガイダンスを活用して AI をトレーニングする他の方法を実証しています。 1 つのアプローチに限定するのではなく、すべてを取り入れてさまざまなアプローチを統合し、特定のアプローチ、モデル、アルゴリズムに制限されない新しいインテリジェント システムを人間と一緒に構築することができます。人間と AI のそれぞれの長所と短所を考慮すると、この人間と AI のパートナーシップは、それぞれの部分の合計以上の成果を生み出し、補完的な能力を活用して、どちらか一方だけでは不可能または達成が困難な結果を達成します。しかし、AI エージェントが人間と可能な限り密接に連携するためには、特定の方法、アプローチ、テクノロジーが必要です。特に、研究、プロトタイピング、運用の間で迅速かつ摩擦なく反復する、マルチエージェント、マルチパーソン、テクノロジーに依存しない分散型アプローチを自然に優先するアーキテクチャ設計が必要です。

これらは、人間と AI エージェント間のこのようなパートナーシップを可能にするために設計された新しいオープンソース フレームワークである Cogment の背後にある基本原則です。これは、人間と機械のコラボレーション、適応型学習、重要な意思決定支援システムなどの複雑なコンテキストですでに使用されており、将来の課題にも対応できます。