人間と人工知能の競争と協力

人間と人工知能の戦い

1997年には、当時世界チェスチャンピオンだったガルリ・カスパロフがIBMのスーパーコンピューター「ディープ・ブルー」に連続で敗れ、その結果はAIが強力な計算能力の助けを借りてついに人間を超えたことの証しだと多くの人に受け止められた。

25年後、振り子はさらに機械に有利な方向に振れました。今日の商用チェス プログラムは、最強の人間プレイヤーを簡単に打ち負かすだけでなく、かつてのスーパーコンピューター「Deep Blue」も比較的簡単に打ち負かすことができます。これは驚くことではありません。チェスの名人でも最大30手先までしか計算できないのに対し、最高のチェス エンジンは80から100手を簡単に処理できると推定されているからです。これはまったく公平な試合ではありません。

2016年、Google DeepMindが開発したAlphaGo AIソフトウェアが、現存する最古のボードゲームで世界最高の人間の囲碁プレイヤーを破りました。囲碁は可能な動きが無限にあり、総当たり計算では判断できるほど正確ではないため、囲碁をマスターするにはより多くの時間がかかります。したがって、2016年までは、エリートの人間は直感力と評価力で機械に勝つことができました。しかし、AIはディープラーニング アルゴリズムの進歩により形勢を逆転させ始めました。AIモデルはすべての可能な解決策を評価するのではなく、ディープラーニングを使用して検討中の潜在的なアクションを絞り込み、シーケンスの結果と勝利の確率を予測しました。本質的には、コンピューターは、過去数千年にわたって人間が考案した方法よりもゲームの問題を解決するより良い方法があるかどうかを確認するために、数世紀にわたって人間が繰り返してきた実験をゼロから再現しました。今日は成功しました。

この物語では、人間と機械の競争は終結したように見えるかもしれないが、現実はそれほど単純ではない。人間が敗北して以来、AIモデルの結論を研究し、機械のようなパターンと人間のようなパターンの両方で考えるようにすることで、プロの囲碁プレイヤーは人間との対戦でのパフォーマンスを向上させていることが研究で明らかになっています。人間が優位を取り戻すことはまだできていないものの、人間と機械の差は大きく縮まり、AIが人間を超えたときにも人類の進歩につながることが証明されました。

機械の思考モードは人間のそれとは大きく異なる

長い進化の過程を経て、人間は優れた意思決定者になりました。私たちは、過去についての理解と未来の概念化を活用し、試行錯誤、直感、パターン認識を通じて判断を下します。人間はこの点では非常に優れていますが、それでも完璧ではありません。

人間の意思決定には主に2つの欠陥があります。まず、情報を正確に処理する能力が弱いのです。私たちは評価にヒューリスティックな方法（経験則などの思考の近道）を使用しますが、これはしばしば不正確な結論につながります。第二に、私たちは人間であるため、独自の主観と偏見を持っています。その結果、私たちの決断は時には不可解で非合理的な判断につながることがあります。私たちは無関係な情報に焦点を当て、間違った決定を正当化し、そしておそらく最も心配なことに、偏見に屈してしまうかもしれません。例えば、2011年の調査では、訴訟手続き中の食事休憩の直前に裁判官の有利な判決がほぼゼロに落ち込み、食事が終わるとすぐに65％に戻ったことが判明しており、これは考える価値がある。

一方、機械が「考える」方法は人間とは異なります。AIと機械学習 (ML) は、機械が情報を処理する方法を説明するために使用される、互換性のある用語である場合があります。ただし、IoT業界では、これらの用語の定義はより具体的です。AIは、機械で人間のような知能レベルを達成することを目指す将来の開発分野全体であり、一方MLは、数学を使用してデータに関する実用的な問題を解決する実用的な数学分野です。

ますます多くのIoTエンド デバイスにML機能が搭載され、生物学的知能技術を模倣し、元々単調なデータ ストリーム内の偶発的な逸脱を検出し、そのパターンを解釈して意思決定に役立てることを目指しています。機械によるソリューションに欠けているのは、人間の本能と直感的な機能ですが、少なくとも昼食前に間違った判断を下すことはなく、この独立したロジックから多くのことを学ぶことができます。

人間の脳とシリコンの脳を組み合わせるとより完璧になる

人間と機械のどちらがデータの解釈に優れているかは、タスクの種類によって異なります。機械学習、自然言語処理、データ分析、その他のAIアプリケーションは、人間の判断を必要とせずに大量のデータを処理することに優れていますが、あいまいさ、不明瞭さ、不完全な情報の処理や、感情的知性や判断が必要な場合、通常は人間の方が機械よりも優れています。チェスや囲碁などのゲームでは、今では機械が簡単に勝っていますが、ゲーム以外では、人間の脳とシリコンの脳を組み合わせた拡張知能が最良の結果を生み出すことが研究でわかっています。

この拡張インテリジェンスは、急速に拡大するIoTアプリケーションにおいて大きな開発機会をもたらします。2021年現在、アクティブなIoTデバイスはすでに100億台を超えており、予測が正しければ、近い将来には2,500億台に増加する可能性があります。デバイスの変化を検出するMLがなければ、IoTによって生成されるデータは膨大なものになります。しかし、ある程度の人間の監督なしに機械にすべての決定を行わせるのは危険です。企業は、プライバシー侵害、機械的な意思決定、管理制御の喪失など、IoTにおけるAIのさまざまなリスクに直面することになります。たとえば、高度なウェアラブル デバイスは現在、医療の分野で広く使用されており、医療従事者は患者の心拍数、呼吸数、血圧を遠隔で監視できますが、医師の監督なしにデータに隠された情報を見つけることは難しいため、これらのデバイスに診断の責任を負わせることは望ましくありません。したがって、医療用ウェアラブルによって生成される膨大な量のデータをMLでフィルタリングして誤報を減らし、不正確な情報を除外し、医師がより情報に基づいた臨床判断を下せるようにすることは可能でしょうか?もちろん、この目標はまだ達成されていません。

機械学習は人間の意思決定能力を高める

ML機能を備えたIoTを使用して人間の意思決定を強化することは、困難な課題となります。IDCの分析によると、2025年までにIoTデバイスによって生成されるデータ量は73.1ゼタバイトに達すると予想されており、ネットワークの制限、デバイス リソースの不足、高コストなどの理由から、これほど大量のデータをクラウドに中継することは現実的ではありません。

しかし、今日のIoTチップは、MLの軽量版であるTinyMLをサポートできます。たとえば、エッジ デバイスは産業機械からのデータを継続的に監視して、障害のリスクを予測できます。現在、「学習」は強力なクラウド サーバーによって実行され、予測アルゴリズムが「再調整」され、IoTデバイスがワイヤレスで再プログラムされます。

AIの究極の目標は、MLを使用して人間の意思決定を直接強化することですが、まだ道のりは長いです。ディープラーニングの進歩により、機械はいくつかのタスクにおいて超人的なパフォーマンスを達成できるようになりましたが、これは実質的に報われていません。しかし、私たちは機械がどのように意思決定を行うかを学ぶことに時間を無駄にするのではなく、機械の能力を直接活用することに重点を置くべきです。IoTによって生成されるデータは、機械の予測能力を保証し、多くの日常的な状況で人間に取って代わることができますが、複雑な判断に関しては、機械の予測は人間に取って代わるのではなく、人間を補完することになります。機械はより多くの意思決定情報を提供してくれるでしょうが、重要な決定を下すのは常に私たちです。

組み込み機械学習を迅速に活用するための開発者のサポート

NordicとEdge Impulseのコラボレーションにより、NordicのThingy:53マルチセンサーIoTプロトタイピング プラットフォームとThingy:91およびnRF5340開発キットはすべてTinyMLをサポートできるようになり、開発者は組み込み機械学習をすぐに使い始めることができます。

Nordic Thingy:53™ は、カスタム ハードウェアを構築せずにプロトタイプや概念実証 (PoC) を作成できる、使いやすいIoTプロトタイピング プラットフォームです。Nordicの主力デュアルコア ワイヤレスnRF5340 SoCをベースに構築されており、デュアルArm Cortex-M33プロセッサの処理能力とメモリ サイズにより、組み込みMLモデルをデバイス上で直接実行できます。

一方、Nordic Thingy:91は、LTE-M、NB-IoT、GNSSを使用したセルラーIoT向けの、使いやすいバッテリー駆動のプロトタイピング プラットフォームです。セルラーIoT開発フェーズで概念実証、デモ、初期プロトタイプを作成するのに最適です。Thingy:91はnRF9160 SiPをベースに構築されており、世界中のLTEバンドで認定されているため、世界中のほぼどこでも使用できます。セルラー通信はGNSS測位取得と簡単に組み合わせることができるため、複雑な資産追跡を伴う製品アイデアに最適です。また、キットには高度な資産追跡アプリケーションがプリロードされています。

Nordic nRF5340開発キットは、Low Energy Bluetooth、Bluetooth mesh、NFC、Matter、Thread、Zigbeeなどの通信プロトコルをサポートするデュアルコアBluetooth 5.3 SoCです。nRF5340開発キットには、開発を開始するために必要なものがすべて1つのボードに含まれており、幅広いワイヤレス プロトコルの開発をサポートします。2 Mbpsの高スループット、広告拡張機能、長距離機能を備えたLow Energy Bluetoothをサポートします。Bluetoothメッシュ、Thread、Zigbeeなどのメッシュ ネットワーク プロトコルは、Low Energy Bluetoothと同時に実行できるため、スマートフォンでメッシュ ネットワーク ノードのプロビジョニング、コミッショニング、構成、制御を行うことができ、これはMatterアプリケーションの前提条件となります。また、NFC、ANT、802.15.4、独自の2.4GHzプロトコルもサポートしています。

結論

AIが急速に発展する時代において、AI技術を活用して人間の管理や意思決定を支援することがトレンドになっています。基本的な情報処理と判断にAIを使用し、その情報を重要な意思決定の参考に人間に提示することで、この強化されたインテリジェント アプリケーションは、将来の開発の重要な方向性となります。Nordicの機械学習ソリューションは、IoT AIアプリケーションの開発時に開発速度を加速できるため、さらに理解を深めて導入する価値があります。