産業における人工知能

AIにはさまざまな形態があります。たとえば、Webブラウザのアルゴリズムがユーザーのお気に入りのサイトやベンダーを記憶して学習し、サイドに表示される広告をユーザーが過去に閲覧した類似製品に合わせてカスタマイズするなど、これがAIの活用例です。

ライドシェアリング会社Uberのアプリの「ワンクリック チャット」機能のようにシンプルなものでも、あとどれくらい待てるのかと疑問に思っている顧客に対して、ドライバーが移動中に素早くパーソナライズされた返答をすることができる。Alexa、Siri、Portal、Googleなどのデジタル音声アシスタントもすべてこのグループに含まれます。

より人間に近い動作をするために学習アルゴリズムを実行するロボット プラットフォームもあります。機械学習、言語処理、ビッグデータ管理など、ほとんどの種類のAIには、ソフトウェアとハードウェアの設計方法論、そしてそれをサポートする業界全体との共通点があることがわかります。

人工知能の簡単な歴史

AIのアイデアは、紀元前3世紀のギリシャの叙事詩「アルゴナウティカ」に登場する、クレタ島を侵略者から守るタロスという名の青銅製の機械にまで遡ります。正確には自律型ロボットの軍隊ではありませんが、技術的にはAIの初期形態です。もちろん、「現実の」AIは、コンピューターが発明されるまでは実際には形を成していませんでした。

第二次世界大戦中にナチスの暗号を解読したことで知られるイギリスの数学者アラン・チューリングは、彼が「チューリングマシン」と呼んだものに基づいてアルゴリズムと計算を取り入れた最初のコンピュータ科学者の一人でした。チューリングマシンは、おそらく世界初のコンピュータの基本モデルまたは状態図であり、今日でも広く使用されている計算原理を利用していました。チューリング マシン ( 図1 を参照) はさまざまな機械的形態をとることができますが、複雑な関数を解決するために使用できる共通のルール、状態、遷移のセットが組み込まれています。

図1: 状態遷移と条件を示すチューリング マシン (画像: Jonathan Bartlett、ResearchGate.net)

タスクと単純なアルゴリズムを実行することに加えて、チューリングはそれをさらに一歩進めて、「機械に自ら考えさせるにはどうしたらよいか」と考えました。1950年、チューリングは、機械が人間と区別がつかない動作をするようにプログラムできるかどうかを実証するテスト方法を開発しました。それはチューリングテストと呼ばれました。テストの基本原理は、第三者が人間と機械の両方と通信することです。第三者がどの応答者が機械であるかを判断できない場合、機械は人間のような動作をうまく示し、「自分で考える」と見なすことができます。このテスト ( 図2 に表示) には多くの反対意見や批判がありましたが、機械ベースの人工知能の実践にとって基本的な構成要素であることは間違いありません。

図2: チューリング テストの視覚的描写 (画像: Javatpoint.com)

今後50年間で、より多くの情報を保存し、困難な問題を解決できるより高速なコンピューターが登場し、AI開発が進むでしょう。ムーアの法則によれば、技術の進歩とトランジスタのサイズの継続的な縮小により、コンピューターのメモリと速度は毎年2倍になります。この概念が今日でも当てはまるかどうかは議論の余地がありますが、計算能力の向上と非常に複雑なアルゴリズムにより、業界ではAIをいくつかの非常に興味深いアプリケーションに統合しています。

AIのサブセットとその用途

AIには多くのサブセットがありますが、最も一般的なものとしては、機械学習、自然言語処理、エキスパート システム、ロボット工学、マシン ビジョン、音声認識などがあります。これらの概念はそれぞれ、今日の私たちの業界にすでに適用されているので、詳しく見ていきましょう。

市場におけるAIの応用例の1つはマシン ビジョンです。機械がカメラを使用して画像を処理し、特定のものを探す場合、時間の経過とともにターゲットを認識する能力が向上するのでしょうか?画像認識と学習の両方を組み込んだ高度なソフトウェア技術により、これは非常に効果的かつ実用的であることが証明されています。AIベースの画像認識を活用したカメラシステムは、セキュリティ、医療、食品業界などさまざまな用途に利用できます。

もう一つの一般的なアプリケーションは、機械学習とディープラーニングです。IBMの Watson Marketing (現在はAcousticというブランド名) は、機械学習を使用したAIを活用した分析機能を活用し、Facebookなどのプラットフォーム上で広告メッセージをカスタマイズしてパーソナライズするのに役立ちます。さらに、SiriやAlexaなどのデジタル アシスタントは、言語処理アルゴリズムを使用して解析し、人間のようなわかりやすい回答を返します。

AIの興味深い分野は「エキスパート システム」です。これはさまざまな形式をとりますが、通常は人間が行う知識に基づく決定を下すという共通のタスクが1つあります。エキスパート システムは通常、特定の分野における人間の専門知識をモデル化し、一連の事実とルールに従って、ロジックと「知識データベース」を使用して独自の合理的な結論を導き出すことができるコンピュータ プログラムです。例としては、Google検索の提案、医療診断、化学分析などが挙げられます。

AIハードウェアとその将来

ここまで、これらのAIサブセットはすべてソフトウェアによってプログラムされていることを確認してきましたが、それらを動かすハードウェアについてはどうでしょうか。近年、ハードウェア開発者は、これらのAIアルゴリズムとアプリケーションの高速化に役立つコンピューター システムを設計および製造する方法を解明したことがわかりました。並列処理、データフロー管理、集中的なグラフィック処理 (マシンビジョンなどのアプリケーション用) を使用する高スループット システムとして機能するように特別に構成されたAIベースのチップセットもあります。

AI向けに開発された特定用途向け集積回路（ASIC）もありますが、他の一般的な市販のチップセットやチップタイプとしては、 フィールドプログラマブルゲートアレイ（FPGA）は柔軟性があり、内部配線やプログラムが可能で、AIベースの機能やアルゴリズムを高速化できます。この目的のため、FPGA大手のAlteraは最近Intelに買収され、AIポートフォリオをさらに拡大しました。

最近のもう一つの買収は インテル AIプロセッサを開発したハバナ社（ 図3) は、イーサネット経由の統合リモート ダイレクト メモリ アクセス (RDMA) を備えており、ネットワーク経由の計算を高速化し、低コストでスケーラビリティを実現します。研究によると、これらの低レイテンシAIプロセッサは、質問応答では従来のサーバー システムやコンピューターよりも最大2倍、画像処理ではほぼ4倍の性能を発揮することがわかっています。これらのAIプロセッサはどのようにしてこれほど高速化できるのでしょうか?チップ開発者は、AI固有のタスク向けに高いメモリ使用量と最適化された計算方法を計画しています。

図3: HabanaのGaudi AI処理ボード（画像: Habana.ai）

しかし、AIをサポートするハードウェアとソフトウェアの開発に関心を持っている企業はIntelだけではない。現在、英国に拠点を置き、約5億ドルの資金を調達したクラウド企業Graphcoreなど、今日の業界のニーズに対応するAIソリューションに取り組んでいるスタートアップ企業が数社あります。カリフォルニアに拠点を置く企業であるWave Computingは、ディープラーニング アルゴリズムに合わせたAIプロセッサを開発しています。カリフォルニアに拠点を置く別の企業、SambaNovaは、独自のAIプロセッサを搭載したビッグデータ分析と管理に特化しており、SambaNova自身の言葉によれば、「当社のチップの一部（ 図4 ] はGPU全体よりも高速です。"

図4: SambaNovaのAIプロセッサ（画像: SambaNova.ai）

これらのスタートアップ企業に加えて、大きなアイデアを持つ多くの中小企業が、AI専用のソフトウェアやハードウェアを開発するために多額の資金を受け取っています。

恐ろしいというよりはワクワクする話ですが、今後数年間でAI分野から多くの大きな成果が生まれることが期待されています。