人工知能に関する世界インターネット会議の8つの視点のレビュー

[[416318]]

最近、世界インターネット会議およびインターネット開発フォーラム「人工知能：新たな機会の開拓と新たな状況の開拓」サブフォーラムが烏鎮で開催されました。ゲストは、人工知能のイノベーションをリードし、力を与える役割をより効果的に果たす方法、そして人工知能とさまざまな経済・社会分野との統合とイノベーションを深める方法について議論しました。編集者はゲストのスピーチの要点の一部を抜粋し、会議のハイライトをお伝えします。

王淮民

中国科学院院士

[[416319]]

将来、インテリジェントなアルゴリズムが世界を支配する「スーパーマン」になるだろうと言う人もいます。同意しません。

人工知能のアルゴリズムは確かに重要ですが、人工知能はデータ空間における人間の行動に関するビッグデータの収束から生まれ、アルゴリズムと相まって機械による人間の行動のサポートを形成し、それによって人間の行動データの再流入と再貢献を促進するものであると私は理解しています。これは相互エンパワーメントのプロセスです。

未来は、人間と機械の集合知のハイブリッドです。このグループには科学者だけでなく、すべての人が含まれます。誰もがデータによってもたらされる情報に貢献します。自然知能と人工知能の相互強化はすでに現実になっています。

張 亜琴

清華大学 知能産業研究所 主任教授、所長、アメリカ芸術科学アカデミー会員（ビデオスピーチ）

[[416320]]

IT 業界で起こっている最も重要なことは、間違いなくデジタル化です。デジタル化 1.0 は 1980 年代半ばに始まり、当時は主に音楽、画像、ビデオ、文書などのコンテンツのデジタル化が中心でした。デジタル化2.0は1990年代半ばに始まり、ERP、CRM、サプライチェーン、BIワークフローなどの企業のデジタル化から始まりました。その後、大規模なデータウェアハウスやクラウドコンピューティングが登場し始め、さらにモバイルインターネットが登場し、モバイル決済、デジタル通貨、シェアリングエコノミーが発展の先駆けとなりました。

私たちは今、情報、物理、生物の世界が融合したデジタル 3.0 の時代に生きています。 3.0 時代は、1.0 時代や 2.0 時代とは大きく異なります。最も明らかな違いは、データ量が大幅に増加したことです。

たとえば、自動運転車は毎日 5 ～ 10T のデータを生み出し、遺伝子配列解析では毎回約 3T のデータを生み出します。これらのデータは、人間よりも機械が見るためのものです。機械はよりインテリジェントな決定を下す必要があるため、人工知能アルゴリズムは 3.0 時代に大きく進歩しました。

王海峰

百度最高技術責任者

[[416321]]

人工知能技術は今や広く普及し、ゼロから開発する必要はなくなり、チップの下層に接続し、さまざまなアプリケーションを上層に担うディープラーニングのフレームワークとプラットフォームという、社会にとって非常に重要なインフラが形成されています。

2016年にBaidu Brainのバージョン1.0がオープンソース化され、現在は6.0まで公開され、ハードウェアとソフトウェアを統合した大規模AI制作プラットフォームから現在のAIインフラストラクチャへと徐々に進化しています。現在、Baidu Brainには270以上のAI機能があり、1日あたりの呼び出し回数は1兆回を超えています。同時に、230万以上の開発者や企業がこのプラットフォームを基盤として独自の製品を開発し、独自のビジネスを行っています。

オープンソースに加えて、当社は Baidu Smart Cloud を利用して、既存の業界アプリケーションとソリューションを業界に輸出しています。たとえば、都市に関して言えば、Baidu のスマート シティ ソリューションは、安全で穏やかで、障害物がなく、住みやすいスマート シティの構築に取り組んでいます。医療 AI 技術は、スクリーニング、診断、治療、および慢性疾患管理のあらゆる側面に適用されます。

周 ボーウェン

JDグループ技術委員会委員長、JDクラウド社長

[[416322]]

2020 年の最大の特徴は不確実性ですが、起業家、特にテクノロジー起業家として、私たちの使命は不確実性の中に確実性を見出すことです。 2020年の時点で、最も確実なことは2つあると思います。1つ目はテクノロジー、2つ目は持続可能な開発です。

4 度の産業革命を通じて、あらゆる技術開発が業界全体に大きな進歩をもたらし、社会に利益をもたらすことがわかりました。

人工知能、ビッグデータ、クラウドコンピューティング、モノのインターネットに代表される新技術は、産業発展の新たな原動力となり、産業のデジタル変革は今の時代最大のチャンスです。今後10年から20年の間に、産業のデジタル化の支援により、原材料供給者の状況は変化し、加工業者間の分業はより洗練され、ブランドはさらに階層化され、小売チャネルはよりフラット化され、より効率的になるでしょう。

消費者の観点から見ると、将来的には誰もが自分の望むパーソナライズされた製品を入手できるようになります。産業のデジタル化が産業のダイナミックバランスの発展方向であると認識すれば、人工知能は産業のデジタル化の波の中で主導的な役割を果たすことになるでしょう。

鄭葉来

ファーウェイ副社長兼ファーウェイクラウドコンピューティング会長

[[416323]]

データ駆動型人工知能は、データとアルゴリズム モデルの制約を受けます。人工知能の分野における現在の研究は、多くの人間の介入を必要とするという制限があるディープラーニングに焦点を当てています。

大量のデータは手動で処理する必要があり、ディープニューラルネットワークは手動で設計する必要があり、アプリケーションシナリオは手動で選択する必要があり、インテリジェントシステムは手動で適応する必要があります。人工知能は主に「人工+インテリジェント」です。

AIの目標は、人間の知的行動を真にシミュレートすることです。AI開発の過程では、知識駆動型とデータ駆動型の2つの段階を経てきました。ただし、知識駆動型人工知能とデータ駆動型人工知能には、実際には3つの側面があります。知識駆動型人工知能には知識、アルゴリズム、計算能力が必要であり、データ駆動型人工知能にはデータ、アルゴリズム、計算能力が必要です。

新世代の人工知能は、知識主導型とデータ主導型のアプローチを組み合わせ、知識、データ、コンピューティングパワー、アルゴリズムの4つの要素を使用して、より強力なAIシステムを構築し、3次元から4次元に移行します。これは、AIが「大量応用」に向かう必然的な傾向です。

黄暁青

Dahua Roboticsの創設者兼CEO

[[416324]]

ある意味、ロボット産業の発展は、私たち人類社会の将来の方向性を示しているとも言えます。感染症流行中、さまざまな場面で多数のロボットが活用されましたが、これは実際に、ロボットの使命は人間にとって不便な作業を手助けすることであることを示しています。

将来のロボットの中心的な用途の中で、最も重要な分野は高齢者介護です。 2025年までに、中国の60歳以上の人口は3億人に近づき、2035年までに、65歳以上の人口も3億人に近づくでしょう。さらに、非接触型小売、不動産管理、教育の分野でも発展の機会があります。

優れたロボットを作るために、非常に重要なコア技術はフレキシブルジョイント技術です。人間の体には350以上の関節があり、ロボットの関節が多ければ多いほど良いです。現在、多くのロボット、特にサービスロボットは目が悪く、手がありません。そのため、動物学の観点から見ると、将来のロボットの開発では、まず目を訓練し、次に手を訓練する必要があります。関節は非常に重要です。

張建秋

伊利グループ社長

現在、中央政府は、国内循環を主体とし、国内循環と国際循環が相互に促進し合う新たな発展パターンの構築を加速することを提唱している。技術革新は二重循環の基盤を強化する鍵となる。新興技術である人工知能は、中国における産業の最適化と向上を促進し、質の高い経済発展を実現するための重要な原動力です。

近年、伊利は産業チェーンの上流、中流、下流における人工知能の応用を継続的に深化させ、人工知能と実体経済の深い融合を推進し、乳製品産業チェーン全体の変革とアップグレードを支援し、消費者の個別化され多様化したニーズによりよく応えてきました。

最近、当社は乳業クラスタープロジェクトの構築に大量の人工知能を取り入れ、インテリジェントサービスロボット、無人サンプル配送車、無人公園警備、自動駐車、スマート識別、スマート現場管理などの導入を行い、乳業における人工知能の広範な応用を実現しました。

コールマン

SAP グローバル上級副社長、SAP グローバル R&D ネットワーク社長(ビデオ スピーチ)

[[416325]]

AI はどのような課題の解決に役立ちますか? 1つ目は、企業の危機を解決できることです。例えば、感染症流行の際には、予期せぬ理由で一部のサプライヤーが商品を納品できなくなりましたが、多くの企業はこのような状況を予見していませんでした。将来的には、これは簡単に対処できるようになります。AI ソフトウェアは、国 B のサプライヤー A が納品できない場合に、どこで供給を受けられるかを教えてくれます。 2 番目に、運用自体の面では、より高度なアルゴリズムを適用することで、ロボット配送担当者とダイナミック プロフェッショナルによる倉庫の効率を、以前の Excel ベースのシステムと比較して 40% 最適化できることを実証しました。これにより、最終的に生産性が大幅に向上します。

AI アプリケーションは依然としていくつかの重要な課題に直面しています。 1 つ目は共通フレームワークです。つまり、AI の使用、価値、利点について合意に達するために、AI のユーザーとプロデューサーの間で交渉する必要があるということです。次に、大量のデータを処理できるメカニズムを見つける必要があります。非構造化データの量は膨大であり、外部データを内部データと統合する必要がありますが、この問題はこれまで解決されていません。 3 つ目は、スキルのギャップを埋める必要がある労働力の問題です。

これらの課題にどう対処すればよいのでしょうか?これらすべては構想から始まる必要があり、アルゴリズムの設計と実現可能性は最初から考慮されなければなりません。