2018年に注目すべき4つのAIトレンド

[[218374]]

今年、AIによる意思決定はより透明化されるでしょうか？

現在、IT ビジネスで AI がどれだけ使用されているかに関係なく、2018 年にはさらに多くの AI が使用されることが予想されます。 AI プロジェクトに携わったことがなくても、今年は話を行動に移す年になるかもしれない、とデロイトのマネージング ディレクター、デビッド シャツキー氏は言います。 「AIに取り組む企業の数は増加している」と彼は語った。

今後 1 年間の AI に関する彼の予測をご覧ください。

1. 企業向けAIパイロットプロジェクトの増加が期待される

今日私たちが日常的に使用している市販のアプリケーションやプラットフォームの多くには AI が組み込まれています。 「さらに、特定の問題を解決したり、データの理解を深めたり、社内プロセスを自動化したり、自社の製品やサービスを改善したりするために、機械学習や自然言語処理を実験する企業がますます増えています」とシャツキー氏は語った。

「それに加えて、企業が AI に取り組む熱意も高まるだろう」と同氏は述べた。「早期導入企業はすでに 5 件以下のプロジェクトを進めているが、その数は 10 件以上に増えるだろうと我々は考えている」。同氏は、その予測の理由の 1 つは、AI 技術がますます向上し、使いやすくなっていることだと述べた。

2. 人工知能はデータサイエンス人材の不足を緩和する

データサイエンスにおいては人材が大きな問題であり、大企業のほとんどは必要なデータサイエンティストの雇用に苦労しています。 AIは負担の一部を担うことができるとシャツキー氏は言う。 「データサイエンスの実践は、スタートアップ企業と大手の確立されたテクノロジーベンダーの両方が提供するツールによってますます自動化されています」と彼は述べ、データサイエンスの作業の多くは反復的で退屈であり、自動化に適していると説明した。 「データ サイエンティストがいなくなることはありませんが、生産性は向上します。そのため、自動化なしでは数件のデータ サイエンス プロジェクトしか実行できなかった企業は、データ サイエンティストをさらに雇用できなくても、自動化によってより多くのことを実行できるようになります。」

3. 合成データモデルはボトルネックを緩和する

Schatsky 氏は、機械学習モデルをトレーニングする前に、トレーニング用のデータを取得する必要があると指摘しています。 それは簡単なことではありません、と彼は言います。「多くの場合、それは生産上のボトルネックではなく、ビジネス上のボトルネックです。場合によっては、健康記録や財務情報に関する規制のためにデータを取得できないこともあります。」

同氏は、合成データモデルは少量のデータを取り込んで、それを使って必要になるかもしれないより大きなデータを生成することができると述べた。 「以前はモデルをトレーニングするために 10,000 個のデータ ポイントが必要だったのに、実際には 2,000 個しかなかったとしても、不足している 8,000 個のデータ ポイントを生成して、モデルのトレーニングを続行できるようになりました。」

4. AIによる意思決定の透明性が高まる

AI に関するビジネス上の問題の 1 つは、AI がブラックボックスとして運用されることが多いことです。つまり、モデルをトレーニングすると、解釈できない回答が吐き出されてしまいます。 「機械学習は、データが多すぎたり複雑すぎたりして人間には見えないデータのパターンを自動的に発見できます」とシャツキー氏は言う。「こうしたパターンを発見すると、新しい、見たことのないデータについて予測できるようになります。」 ”

問題は、AI の発見や予測の背後にある理由を本当に知る必要がある場合があることです。 「例えば、医療画像を取り上げてみましょう。モデルは、提供されたデータに基づいて、この画像が腫瘍である可能性が 90 パーセントあると示します」と Schatsky 氏は言います。「『なぜそう思うのですか?』と尋ねると、モデルは『わかりません。データが示唆していることです』と答えます。」

これらのデータに従うなら、患者に対して探索的手術を行わなければならないだろうとシャツキー氏は述べた。 理由を説明できない場合、それは難しい要求です。 「しかし多くの場合、たとえモデルが非常に正確な結果を出したとしても、その理由を説明できなければ誰もそれを信頼しようとはしません。」

規制により、説明できないデータは実際には使用できない場合もあります。 「銀行が融資申請を拒否する場合、その理由を説明できなければなりません」とシャツキー氏は言う。「少なくとも米国では、それが規制になっています。従来は、人間の販売員が折り返し電話をかけていました。機械学習モデルの方が正確かもしれませんが、答えを説明できなければ使えません。」

ほとんどのアルゴリズムは、その推論を説明するように設計されていません。 「研究者たちは、AIに秘密を漏らさせ、どの変数がこの患者に腫瘍ができる可能性を高めたのかを説明させる巧妙な方法を見つけている」と彼は語った。「それができれば、人々は答えを見て、なぜそうなったのかを知ることができる。」

これは、AIによる発見や決定が、現在は不可能な多くの分野で活用できる可能性があることを意味する、と彼は述べた。 「これにより、これらのモデルはビジネスの世界でより信頼性が高く、より使いやすくなるでしょう。」