AI はなぜこれほど普及しているのに、実装が難しいのでしょうか?

過去 10 年間で、5G、ビッグデータ、クラウド コンピューティングなどの新興テクノロジーの登場により、人工知能 (AI) の発展は加速しました。しかし、AI技術の「実装の難しさ」という問題も生じます。 「深セン経済特区人工知能産業振興条例（草案）」が最近初めて公開され、審査に提出された。人工知能産業の発展に適合した製品アクセスシステムの構築を模索し、低リスクの人工知能製品とサービスの試行をサポートする。これは、国内における人工知能分野における初の地方規制でもある。

[[413168]]

AI 製品の実装の難しさは、孤立したケースではありません。 AI製品をいかにうまく実装し、イノベーションの「ラストマイル」を切り開くかは、人工知能の応用段階において解決すべき緊急の課題となっている。

実装するには、まず良いデータが必要です

AIは労働効率の向上と労働力の解放の両方を実現できるにもかかわらず、各業界での実際の導入は比較的遅れています。それはなぜでしょうか。

「AIの実装は言うほど簡単ではありません。データはAIの実装を成功させる上で大きな要因です。これは、AIが基本的なアルゴリズムをトレーニングするためにデータに依存しているためです。意味のある高品質のデータを取得することは、AIの実装を成功させる上で不可欠です。統一され、標準化された高品質のデータが不足している場合、AIアプリケーションは、米なしで料理をし、水源なしで水を飲むようなものです。」と、元旺シンクタンクの人工知能事業部長であり、チューリングロボティクスの最高戦略責任者であるタンミンゾウ氏は、科技日報のインタビューで述べた。

一部の専門家は、データは「無料かつ低速」であるという「罪」を犯していると指摘した。 「自由」とは、いくつかのサーバーに依存してデータを収集すると、多くのデータに問題があり、まったく使用できないことがわかることを意味します。たとえば、イギリスの調査機関は、80% の人が 1911 年 11 月 11 日に生まれたことを発見しました。その理由は、回答者の一部がプライバシーに関する質問に答えることを望まなかったためです。生年月日を入力する必要があったとき、彼らは 00 を入力したかったのですが、システムでは 00 が許可されなかったため、全員が 11 を入力しました。そのため、80% の人の誕生日はランダムに入力されました。 「散在」とは、データがあらゆる場所に散在していることを意味します。 「遅い」とは、データがゆっくり更新されることを意味します。

例えば、製造業では「業界は大量のデータを生成するため、データの品質とデータ管理の問題は非常に重要です」。Tan Mingzhou氏は、製造業のデータは偏っていたり、古くなったり、エラーだらけになったりする可能性があると指摘した。特に、生産工場などの重工業環境における極端で厳しい動作条件下で収集されたデータ。

さらに、データのリスクとコンプライアンスの要素も無視できません。 「AIのおかげで、企業は意思決定を機械に大きく依存することに慣れてしまった。このプロセスは、プライバシー保護、AIの信頼性、倫理、社会といった問題を引き起こすだろう。これらはすべて、AIの導入時に解決しなければならない問題だ」とタン・ミンゾウ氏は強調した。規模も大きな問題だとも。ほとんどの企業の AI イノベーションはポイントベース、実験的、ローカルであり、規模、商業化、運用レイアウトが欠けています。

コスト削減が商業化の鍵

業界では一般的に、新しいテクノロジーを業界で大規模に適用するには、コストを削減し、利益を増やし、企業にとってのイノベーションの機会を見つける必要があると考えられています。現在の AI 技術レベルでは、業界の特定のリンクまたはステップで「コスト削減、効率向上、革新」しか達成できないことが多く、AI 技術が人間を完全に置き換えることができるのはごくまれなケースのみです。

「現在、業界におけるAIの応用シナリオは、主にインテリジェント知覚、インテリジェントインタラクション、インテリジェント意思決定の3つのカテゴリに分かれています。これら3つのシナリオでAIを真に実装するには、コンピューティングパワーコストを削減し、アルゴリズムとフレームワークのパフォーマンスを向上させる必要があります。このようにしてのみ、AIは実装時に高コストのために商業的価値を失うことがなく、商業化と規模拡大を実現できます。」とタン・ミンジョウは述べています。

譚明州氏は、応用シナリオ、リソースとインフラストラクチャ、アルゴリズムとモデル、スマートデバイス、データがAI技術の実装における5つの主要要素を構成していると指摘した。実装シナリオでこれら 5 つの要素をどのように調整するかは、業界における AI 技術の実装におけるもう 1 つの重要なポイントです。インテリジェントな認識、インテリジェントな意思決定、インテリジェントな相互作用を実現する場合、いずれかの要素が変化すると、他の要素も変化することがよくあります。たとえば、アルゴリズム モデルが変更された場合、デバイス リソースのスケジュールもそれに応じて変更する必要があります。その結果、実際の実装においては、アルゴリズムの専門家、機器の専門家、リソースの専門家、アプリケーション開発パートナーがすべて参加する必要があります。その結果、AI の実装コストが高くなりすぎて、産業用アプリケーションで大規模に展開することができません。

AI の実装コストを商業的に価値のあるレベルまで下げるにはどうすればよいでしょうか。「これらの要素は並行して開発する必要があり、常にすべてを考慮する必要はありません。つまり、アルゴリズムの専門家はアプリケーションについて心配する必要はなく、機器のサプライヤーはアルゴリズムの問​​題を心配する必要もありません。これらの 5 つの要素を切り離して、1 つの要素を他の要素よりも透明にすることができます。概念的には、これは PC のオペレーティング システムに少し似ています。標準化されたプロトコルによってマウスやキーボードなどのすべてのデバイスの複雑さを遮断し、それらを互いに切り離してそれぞれの専門分野に集中できるようにすることで、あらゆる面でコストを削減できます。このようにしてのみ、AI を真に拡張し、商業的に成功することができます」と Tan Mingzhou 氏は述べています。

AIの思考と言語を理解する人材を育成

真の AI アプリケーションとはどのようなアプリケーションでしょうか? 「今後も、シナリオやユーザー エクスペリエンスと組み合わせて再設計し、AI 自体の考え方に基づいて真の AI アプリケーションを作成する必要があります。」 Yunzhisheng の会長兼 CTO である Liang Jiaen 氏は、今後 5 年間で真の AI アプリケーションが登場し、AI の機能が最大化されると考えています。その頃には、AI は「舞台裏の技術」として普及し、消費者はそれについて何も知らないだろう。なぜなら、技術応用の最高レベルは、技術が知覚できなくなることだからだ。

人工知能の専門家ディン・レイ氏は、新著『AI Thinking』の中で、AIは単なる技術やツールではなく、思考方法でもあると強調した。AIは大量のデータを効果的に分析し、そこから予測を導き出し、さらには意思決定にも役立つ。したがって、AI実装のプロセスでは、AIの考え方とAI言語を真に理解する人材を確保することが特に重要です。

実際、ほとんどの企業シナリオでは、エンジニアと科学者はある言語を話し、ビジネス リーダーは別の言語を話し、両者の間には適切なコミュニケーション チャネルがありません。この状況により、AI の実装がさらに困難になります。

タン・ミンゾウ氏は、経験豊富なAI専門家を雇うことは難しく、これはあらゆる業界の企業にとって問題であると述べた。 AI プロジェクトを実装するには、通常、データ サイエンティスト、ML エンジニア、ソフトウェア アーキテクト、BI アナリスト、SME 関連担当者で構成される学際的なチームを構築する必要があります。さらに、AI の導入にあたっては、経営者や管理者、さらには最前線の管理者に対する AI 思考の向上と教育を​​強化することが重要です。これらの人々が AI データ思考のクローズドループロジックを真に理解すると、AI の実装ははるかにスムーズになります。

人工知能を専攻できる大学は、間違いなく優秀な人材のチームを構築する「先駆者」だ。現在、一部の大学では、学生の学際的な意識の育成に重点を置き、各大学の特徴的な専攻分野に基づいて「人工知能+」研修計画を策定し始めています。

譚明洲氏は、AI教育は本質的には知識レベルの教育ではなく、思考能力と思考方法の教育であると述べた。私たちは、若者が AI に対する認識を確立し、科学的リテラシーを継続的に向上させ、人工知能に対する興味と愛情を刺激できるように、若い頃から支援を始めるべきです。現在、小中学校で提供されたAI関連の授業は、基礎的なプログラミング教育に重点を置く傾向にあります。モジュール操作を通じて、ロボットがサッカーをしたり歩いたりするなど、いくつかのインテリジェント機能が実現されています。これにより、若者が機械学習の思考を発達させ、小中学生がAIに関する基本的な理解を確立できるようになります。