英国のテリーザ・メイ首相が先月ダボスで開催された世界経済フォーラムでAIを大いに称賛したとき、彼女には他に話すことが何もなかったかのようだった。
ディープマインドの名前を挙げたことは、英国が「人工知能の世界的リーダー」になれるという彼女の主張の唯一の根拠かもしれないが、ディープマインドが2014年からグーグル傘下であることを考えると、少し必死に思えた。「AIが実現できることは、まだほんの始まりに過ぎない」と付け加えたことも同様に期待外れだったが、あたかもAIが近い将来にすべてを解決するであろう、たった一つの技術であるかのような、AIに対する一般的な見方を示唆している。
メイ氏、あるいは少なくとも彼女の顧問たちは、明らかにAIの熱狂に巻き込まれてしまったようだ。それも当然だ。特に汎用AIやシンギュラリティ(人類が失業し、あるいは社会進出を目指すモバイルマシンの大群によって絶滅させられる)といった概念をめぐるAIの誇大宣伝から逃れることは不可能だ。これは古くからある概念だが、ここ数年で再び勢いを増し、さらなる誇大宣伝を煽り、機械学習が比較的強固な基盤を築きつつある専門分野での実際の研究を阻害している可能性もある。
もちろん、誇大宣伝は危険です。逆効果になる可能性があり、AI一般論を唱える政治家も事態を悪化させています。懸念されるのは、誇大宣伝がAI開発を後退させ、新たな不満の冬へと追い込むことです。
昨年12月、Googleのディープラーニング専門家でありソフトウェアエンジニアでもあるフランソワ・ショレ氏は、自身のTwitterアカウントで次のような予測を投稿しました。「AIは着実に進歩し、大規模な規模で真の価値を提供しているため、真のAIの冬は来ないでしょう。しかし、AGIの冬が来るでしょう。AGIがもうすぐそこまで来ているとは思われなくなる時代です。AGIの話は単なる誇大宣伝であり、関心は薄れるでしょう。」
大きな AI の冬が 2 回ありました。1 回は 1970 年代末、もう 1 回は 1980 年代末です。
スカイネットではない:ディープラーニングは真のAIには進化しない、と科学者が語る
続きを読む
これらを生み出したのは、インテリジェントマシンの構築の難しさに対する全体的な過小評価と当時の技術の現実との衝突であり、これにより多くの研究提案やプロジェクトが放棄されました。
ペルタリオン社の主席データサイエンティストであり、ストックホルムのマシンラーニングの会長で、以前は機械学習とビッグデータ分析を活用したSpotifyの研究グループを率いていたアンダース・アルプテグ博士は、1950年代と1960年代にAIは、達成されなかった野心がテクノロジーにどのような影響を与えるかを示す指標としてどのように考えられていたかを指摘しています。
「人々は、知能機械は簡単に作れて、汎用AIは数年で『解決』されるだろうと信じていました」とアープテグ氏は語る。「有名な例としては、1954年のジョージタウン大学の実験が挙げられます。この実験では、約60の文をロシア語から英語に部分的に翻訳することができました。彼らは、汎用機械翻訳は5~6年で解決できると信じていました。しかし、明らかにそうではなく、当初の想像よりもはるかに困難であることが判明しました。」
今日、再び、一般的な AI に関する誇大宣伝が盛んに行われており、シンギュラリティの概念は少し衰えているかもしれませんが、業界内での機械学習の実際の応用によって強化されています。
しかし、昔と比べて状況は変わったと言われています。今日では「汎用」AIは重要ではありません。
「かつては、知能機械の開発は不可能だと多くの人が考えていました」とアープテグ氏は語る。「それ以来、多くのことが起こり、近年の進歩は機械翻訳を含む多くの分野で大きな進歩をもたらしました。例えば、2016年にリリースされたGoogleニューラル機械翻訳は、現在100以上の言語間で翻訳が可能で、翻訳の品質は大幅に向上しています。」
アクセンチュア・テクノロジーUKのAIリード、エマ・ケンドリュー氏もこの見解を支持しています。彼女は、「インテリジェント・オートメーション」の成長が主に金融サービスのバックオフィス業務で見られるものの、ヘルプデスクでもますます広がっていると述べています。これはチャットボットだけに限った話ではありません。ケンドリュー氏は、チャットボットという用語がこの技術を「誤解している」と考えています。
「『バーチャルエージェント』という言葉を使うのは、もはや単なる音声処理以上のものだからです」とケンドリュー氏は語る。「定型的なタスクの自動化という枠を超え、より洗練されたものへと進化しています。」
ケンドリュー氏は、住宅ローンアドバイスの自動化に関する研究を例に挙げ、自動化アルゴリズムが個人の金融履歴データや市場で入手可能な関連商品を活用して消費者に住宅ローンアドバイスを提供していることを指摘しました。まだ初期段階であるため、NuvoやHabitoのようなスタートアップを支えるだけの技術的な堅牢性と社会的な信頼は確保されているのでしょうか?
それでもなお、AIが真に学習を始めることができるのは、こうした特殊用途の機械学習です。ツールセットの必要性と改良を促すでしょう。研究開発資金の調達にも役立ち、さらに重要なのは、文化的に受け入れられ、技術的に可能なものに関する現実的なフィードバックを提供することです。どこにエネルギーを集中させるべきかを理解することが、戦いの半分を終える鍵となるのです。
AIソフトウェアスタートアップDiffblueのCEOであり、オックスフォード大学コンピュータサイエンス教授でもあるダニエル・クローニング氏も同意見で、特殊用途AIは特定の分野における特定の問題を解決するために設計されていると述べています。例えば、過去のデータを用いて株式市場で取引される株式のパフォーマンスを予測するAI搭載ソフトウェアアプリケーションなどが挙げられます。クローニング氏は、特殊用途AIシステムはますます普及しつつあるものの、汎用AIは依然として高い目標に過ぎないと指摘しています。
エル・レグはAI終末論のバブルを破るために貴族院に招待された
続きを読む
汎用AIへの期待が高まっているにもかかわらず、特殊用途AIによって真のAIの冬は訪れないだろうと語る彼は、チョレ氏やアルプテグ氏と同じ立場にいる。しかし同時に、AI開発における異なるアプローチが異なる結果をもたらし、競合しつつも互いに影響し合う可能性についても言及している。
「特殊用途のAIを構築するには、基本的に2つのアプローチがあります」とクローニング氏は語る。「TensorFlowなどの既存のライブラリを利用し、ライブラリのパラメータを(実質的に)調整することで、問題領域内でそれを使用するか、あるいは、パフォーマンスを大幅に向上させることを期待して、独自のアルゴリズムを開発するかです。」
これまでも、独自開発と標準開発の議論は何度も繰り返されてきました。オープンで標準化されたツール群は開発を改善し、成長を加速させるのでしょうか。それとも、独自の開発によって、従来とは異なるイノベーションを通じて障壁を打ち破る可能性を秘めているのでしょうか。
現在、市場にはTensorFlowやMicrosoft Azureツール、AmazonのDeep Learning AMI、PredictionIOやFacebookが使用しているTorchといったオープンソースツールなど、数多くのツールが存在します。これは市場開拓にとって重要ですが、これらのツールを使って何を作るかが大きな問題であり、そこで特殊用途AIが活躍するのです。
ケンドリューは、テクノロジーの統合、つまりアプリケーションが機械学習、ロボティック・プロセス・オートメーション(RPA)、言語翻訳をいかに組み合わせてビジネスを変革するAIを生み出すかに焦点を当てることが重要だと考えています。彼女は、アクセンチュアがAIを活用して従業員エクスペリエンスを向上させる方法、つまり単調で反復的な作業を自動化し、従業員の効率性と効果を高めるための武器となるものへとシフトしていることについて語ります。
「現在、小売業界ではこうした事例が多く見られます。分散拠点を多数持つ組織では、社内ヘルプデスクの業務量が多くなりますが、AIはまさにその点で大きな力を発揮します。」
Infosys による最近の調査でもこれが裏付けられており、C レベルの経営幹部の 90% が組織内で AI テクノロジーを導入することで測定可能なメリットが得られているとすでに報告しています。
従業員支援は自然な流れですが、これまでの特殊用途AIの焦点は、主に顧客体験の向上を目的としたアプリケーションに置かれてきました。Facebookはその好例です。同社はAIを活用してテキストや画像を分析し、ユーザーにとってより関連性の高いコンテンツ(広告を含む)を提供していますが、画像へのキャプションの自動追加や、他のユーザーが自分の写真を使用している際に警告を発するといった活用も期待されています。また、同社はAIを活用して自社の膨大なバックオフィスシステムを分析し、効率化の可能性を探っています。
AI開発者が潜在的な実装について学ぶべき点はまさにここです。金融サービス企業がボット開発に注力する一方で、コスト削減、ITインフラとストレージの信頼性向上、そしてサイバーセキュリティ対策の継続こそが、AI全般の冬の到来を乗り切る上でAI開発を温かく保つ鍵となるでしょう。
Unit4のチーフアーキテクト、クラウス・ジェプセン氏は、まさにその通りだと考えています。ジェプセン氏は、ERPユーザーの人事、経費、出張、購買業務などを支援するツールであるWanda AIデジタルアシスタントの開発に携わりました。1970年代や昨年のAIの冬とは異なり、今日では十分なストレージと処理能力が備わっているという点も大きな要因です。また、実績のあるアプリケーションも数多く存在します。
今日のくだらないAI PR: コンピューターは人間と同じように読むことを学ぶ (いいえ)
続きを読む
「専用AIやデータ駆動型アルゴリズム(機械学習を使用)は、すでにますます多くのタスクやユースケースに適用されています」とジェプソン氏は述べています。「エンタープライズソフトウェアでは、こうしたテクノロジーは、タイムシートの記入、経費精算、財務調整、承認、タスク管理など、これまで従業員が手作業で行っていたセルフサービス型のタスクを自動化することで、エンタープライズアプリケーションにおける人的介入を軽減するために活用されています。」
ケンドリュー氏と同様に、ジェプセン氏も従業員の業務支援にビジネスチャンスを見出しています。それは理にかなっています。ビジネスに付加価値をもたらします。コスト効率だけでも正当化できるでしょう。しかし、消費者と直接関わるビジネスの場合、その見通しはより困難です。AmazonやNetflixなどのサイトで初期段階のAIがどのように導入されているかを示す実例としては、おすすめ機能や好みの分析などが挙げられますが、それらはまだ粗雑で、しばしば不正確で、不必要です。
そして、AIの一般的な定義、つまり機械学習によってAIが曖昧になっているという認識もありますが、AIに対する認識は、多くのハリウッド映画に登場するSF映画のような思考機械に集中しています。一方では特殊なAIの開発が盛んに行われており、他方ではDeepMindやOpen AIプロジェクトによる最先端の研究が行われています。どちらも投資を必要としています。
「AI開発における最近の飛躍の多くは、ディープラーニングというアイデアによるものです」とクローニング氏は語る。「このような大きな飛躍が永遠に続くと考える理由は見当たりません。」
彼が付け加えた本当の疑問は、そしてほぼ全員が同意するのだが、次の AI の冬が始まる前に、AI が私たちの日常生活に与える影響が AI「革命」と呼べるほど大きくなるかどうかだ。®