汎用 AI は真の「人工知能」からどれくらい遠いのでしょうか?

かつて、AI（人工知能）は多くの企業のキャッチフレーズになりました。どんな業界の会社でも、どんな会社でも、AIがなければ時代遅れになってしまうようでした。メディアでは毎日さまざまなAIに関する報道が溢れ、私たちは聞き飽きていました。

ここで、AI やテクノロジー、市場の業界で認められた代表である IBM、Google、Amazon を例に挙げて、AI のテクノロジーと市場がどのようなものなのかを見てみましょう。 IBM Watson：単なる仕掛けの疑い、商品化コストは高いが実質的な効果なしWatsonといえば、このいわゆるAIシステムは、6年前にアメリカのクイズ番組「Jeopardy」で人間の出場者に勝利し、初めて商品化された（主に医療分野でがんの検出と予防に使用）ことから、数え切れないほどのニュースの見出しを占めてきました。しかし、時が経つにつれ、ワトソンは業界から繰り返し疑問視されるようになりました。例えば、ウォール街の投資銀行ジェフリーズのアナリスト、ジェームズ・キスナー氏は、IBMの人工知能「ワトソン」に関する調査レポートを発表し、IBMのワトソンへの投資が株主に価値のリターンをもたらす可能性は低いと述べ、IBMワトソンに広く見られる問題を事例を用いて説明した。この事例は、IBM Watson と MD アンダーソンがんセンターのコラボレーションから生まれたものです。 MDアンダーソンがんセンターはワトソンプロジェクトに6000万ドルを浪費した後、ついにこの点に関してIBMとの協力関係を中止し、この技術が臨床使用の準備ができていないことを認めた。 MDアンダーソンがんセンターの状況は孤立したケースではありません。人工知能分野の起業家数名は、金融サービスやバイオテクノロジー分野の顧客がIBMとの取引で同様の経験をしたと語った。
ウォール街の投資銀行の分析と比較すると、今年5月、ベンチャーキャピタリストのチャマス・パリハピティ氏はCNBCの金融市場観察コラム「クロージング・ベル」でさらに衝撃的な発言をした。「正直に言うと、ワトソンは冗談だ。IBMは、情報の非対称性を利用して人々に財布の紐を緩めるセールスやマーケティングの手法を非常にうまく利用していると思う」しかし、アメリカ認知科学会の創設者であるロジェ・シャンク氏は、ワトソンはまったく認知コンピューティングシステムではないと考えており、IBMは誇張しているのではないかと疑われている。また、IBMはワトソンの並外れた知能を実証するために、2015年から人気テレビ番組にワトソンの広告を出稿しているという主張も展開。広告では、ワトソンのプログラムがロック界の伝説的人物ボブ・ディランと会話を繰り広げている。これに対してシャンク氏は、この広告はワトソン氏がディラン氏の作品をまったく理解していないことを示しているだけだと指摘した。ディランの作品には「時は過ぎる」といった言葉が頻繁に登場するが、ディランの作品に詳しい人なら誰でも、ディランが公民権や反戦といったテーマを歌に最も多く取り入れているプロテスト歌手であるということを知っている。しかし、ディランの歌詞には「反戦歌」や「公民権運動」とは明確に書かれていない。ワトソンは、ディランの作品の真のテーマを本当に理解することなく、単語の頻度統計やその他の方法に基づいて「時間の経過」と「消えゆく愛」を見つけただけだった。 Google DeepMind：囲碁以外では「Watson」の技術と商用化の見通しは不明。Googleに関しては、昨年AlphaGoが人工知能を駆使し、人間のゲームで最も難しいと言われる囲碁に挑戦して大成功を収め、人工知能の背後にある「ディープラーニング」を広く知らしめるとともに、以前Googleが買収したAI技術企業DeepMindを世間に押し上げることにもなった。この点に関して、マイクロソフトリサーチアジアの元エグゼクティブバイスプレジデントのRui Yong氏は、真の人工知能を実現するにはまだ長い道のりがあると述べています。今日、ほぼすべての人工知能は人類の過去のビッグデータから生まれています。いかなる分野においても、能力は自己認識から生まれるものではありません。チェスでも囲碁でも、コンピューターは過去の人間のチェスの記録から学習します。もし AlphaGo にチェッカーをプレイするように頼んだら、それは完全に愚かなことになるでしょう。たとえ囲碁盤が少し改造されたとしても、AlphaGo は対応できないだろうが、人間なら問題ないだろう。 AlphaGoは30代のイ・セドルに勝つことができるが、その学習能力は5歳児ほどではない。両者の間には大きな違いがあります。 Watsonと比較すると、DeepMindは商業分野に参入したばかりです。昨年7月、GoogleはDeepMindがGoogleのデータセンターの冷却に使用される電力量を5分の2削減する方法を発見したと発表した。そのアルゴリズムは、まずデータセンターの操作ログを分析してタスクを把握し、次にシミュレーションを繰り返し実行することでプロセスを最適化します。同様に、DeepMind も医療業界に参入しました。同社は昨年11月、NHSの公立病院であるロイヤル・フリー・ロンドンと170万件の患者記録を処理する5年契約を結び、初の有償プロジェクトを獲得した。さらに、DeepMind はロンドンの他の病院から 2 つのデータベースにアクセスできるようになりました。具体的には、DeepMind は AI ソフトウェアを使用して約 100 万件の網膜スキャンレポートを分析し、退行性眼疾患の初期兆候を発見することに成功したほか、頭頸部がんの画像を使用して AI ソフトウェアが健康な組織とがん組織を区別することを学習できるようにしました。前述のDeepMindの商用化から判断すると、Watsonと同様に、まずは現実世界からビッグデータを取得する必要がある。膨大なデータを保有するGoogleにとっても、AIや機械学習技術を活用して病院や電力網、工場などのシステムを改善する際には、自社特有の運用データを取得することが非常に重要です。理由は簡単です。人間が提供する背景データがなければ、既存の AI テクノロジーは最も単純な課題にも対処できません。したがって、現在の AI テクノロジーは実際には「インテリジェント」ではなく、普遍的な問題解決者ではありません。データといえば、人間と機械の戦いの前に、DeepMind は数年間にわたって囲碁を学習しました。「Jeopardy!」に出場したWatsonの場合クイズでは、開発者はクイズ番組に関するテラバイト単位のデータと自然言語の例を入力し、番組の質問と回答のパターンを理解できるようにしています。人間によるこのような的を絞った集中的な「トレーニング」を通じてのみ、これらの機械は優れたパフォーマンスを発揮することができます。会議スケジュールアシスタント X.ai のような一見単純なアプリケーションは、商業的に実現可能になるまでに会議スケジュールについて学習するのに何年もかかりました。これらが動作するプロセスは、計算能力の向上に基づくビッグデータ分析と出力に似ており、創造的な推論からは程遠いものです。データ処理（実際には一種の高速計算）において、機械の能力が人間の能力をはるかに上回っていることはよく知られた事実です。この点について、一部のアナリストは、ディープマインドはAIプログラムを使って複雑な問題を解決するだけでは将来的に大きな収益を上げることはできないかもしれないが、データ分析を通じてディープマインドのAIソフトウェアが得る有用な情報は、当初の入札におけるグーグルの巨額の投資を価値あるものにするのに十分だと述べている。これを読んだ後、業界の人々はDeepMindの本質と、AIを掲げるGoogleの真の目的を知るべきだと私は信じています。 Amazon Alexa: 依然として高速な情報検索ですが、自然言語認識には失敗しました。最後にAmazonを見てみましょう。同社のいわゆるAIは、インテリジェント音声技術Alexaを搭載したEchoスピーカーの売れ行きの好調により業界に知られるようになり、ある程度はAmazonのAIのレベルも表している。しかし、その用途から判断すると、インテリジェント音声サービスの範囲は主に情報検索にあり、ユーザーが情報を取得するのを支援します。コンテンツの大部分は、「推論」（ユーザーの自然言語の理解）を伴わないクエリベースの情報サービスです。ユーザーが基本的な情報を超えた推論を必要とする質問をした場合、Alexa だけでなく、ほぼすべてのインテリジェント音声認識 (Google や Microsoft を含む) は無力になります。 Amazon の Alexa を例に挙げてみましょう。昨年、6歳の女の子が、Echoに内蔵された人工知能音声アシスタントのAlexaとチャット中に、誤って170ドル相当のおもちゃと4ポンドのクッキー箱を注文してしまった。子どもの母親は、出所不明の注文確認の電話を受けた後、すぐに注文をキャンセルしたが、注文はすでに処理されており、翌日には子どもとほぼ同じ身長の人形が配達された。結局、彼らはしぶしぶ人形を地元の小児病院に寄付することに決めました。もう 1 つの例としては、Amazon Alexa がコマンドを誤って聞き取り、子供向けのコンテンツを提供することが挙げられます。つまり、子どもが Amazon Alexa に「アレクサ、『ディガーディガー（子どもの歌）』をかけて」というコマンドを出したのです。その後、Amazonのパーソナルアシスタントがアルゴリズムを通じてそれを識別し、実際に子供がポルノコンテンツを聞きたいと考えていると判断した。子どもの両親は後になって何が起こったのかに気づいたが、残念ながらAlexaが音を再生するのを止めることはできなかった。上記は、自然言語（実際の AI 機能）の「難しさ」がまだ解決されていないことを示しています。異なるアプリケーション（質問と回答、感情分析、機械翻訳、部分的な音声ラベル付け）には、強力に監視されたメモリニューラルネットワーク、ツリー型の長期短期記憶ネットワーク、双方向 LSTM 制限ランダムフィールド (CRF)、動的メモリネットワークなど、異なるモデルアーキテクチャが必要です。研究では非常に有望な新しいアイデアがいくつか登場していますが、これらのアイデアを組み合わせた設計、エンジニアリング合成、およびスケーラブルな対話システムは依然として非常に複雑であり、商用利用にはほど遠いものです。そのため、自然言語を介してデジタルアシスタントとコミュニケーションをとり、満足のいく回答を得られるようになるのはいつかと尋ねられた場合、アンドリュー・ン氏のような一流の科学者でさえ明確な答えを出すことはできません。最も先進的なニューラルネットワーク科学者にとっても、この技術には未だ多くの謎が残っています。試行錯誤を通じてのみ改善できるタスクは多く、特定の技術的調整がどのような結果をもたらすかは誰にも保証できません。既存の技術と方法に基づくと、このプロセスには数年かかります。 AI が一般化に向かう傾向にあるのは、こうしたテクノロジー大手の奨励によるものです。統計によると、昨年末までにフォーチュン500社のうち180社が人工知能関連のプロジェクトを立ち上げると発表した。一部の広告調査会社は、2020年までに人工知能技術がほぼすべての新技術製品のプロモーションに登場する可能性があると大胆に予測しています。ガートナー社によると、人工知能を使用していると主張する 1,000 社のテクノロジーベンダーを調査した結果、いわゆる人工知能テクノロジーのほとんどが、依然として基本的なルールベースの機械学習および分析テクノロジー (前述の IBM の Watson や Google の DeepMind など) を使用していることが判明しました。これらのテクノロジーは、人工知能の概念が普及するずっと前から登場し、業界で使用されていました。さらに重要なのは、これらの技術の能力は「人工知能」と呼べるほどのものではないということです。国務院による「次世代人工知能発展計画」の公布と時を同じくして、中国政府の科学技術産業で成功するための先見性と決意が示された一方で、特に中国では大きな有利な産業政策や概要が導入されるたびに、常に多くの泥砂が舞い上がることから、産業界におけるAIの一般化という現在の傾向にも警戒する必要がある。本当の AI が AI の一般化に埋もれてしまうことがないようにしなければなりません。

今日頭条の青雲計画と百家曼の百+計画の受賞者、2019年百度デジタル著者オブザイヤー、百家曼テクノロジー分野最人気著者、2019年捜狗テクノロジー文化著者、2021年百家曼季刊影響力のあるクリエイターとして、2013年捜狐最優秀業界メディア人、2015年中国ニューメディア起業家コンテスト北京3位、2015年光芒体験賞、2015年中国ニューメディア起業家コンテスト決勝3位、2018年百度ダイナミック年間有力セレブなど、多数の賞を受賞しています。

<<: 苦情は依然として高く、メルセデス・ベンツGLCは「破裂ドア」に巻き込まれる

>>: ゼネラルモーターズが超急速充電システムを発表、10分で充電し290キロ走行可能