IBM Watson Healthの大規模レイオフによるAI導入の苦痛

少し前、The Register紙はIBMの内部情報筋が、ワトソン・ヘルス部門が従業員の約50%から70%を解雇する予定であることを明らかにしたと報じた。

これはIBMにとって非常に悪いニュースだ。近年、IBMは「コグニティブ・コンピューティング」を精力的に推進しており、Watson Healthはそのベンチマーク・プロジェクトとなっている。ワトソン・ヘルスが多数の従業員を解雇したことで、同社は基本的に、IBM の長年にわたる取り組みが基本的に失敗したと宣言している。

[[231029]]

IBM は AI テクノロジーを市場に投入した最も初期の企業の 1 つであるため、Watson Health の失敗から、現在の AI 実装における問題点のいくつかを見ることができます。

効果的な評価基準の欠如

インターネット上では、Watson Health についてさまざまな意見が見られます。これを「ジョーク」と呼ぶ人もいれば、その技術的進歩は否定できないと考える人もいます。さまざまな意見の間でコンセンサスはありません。

もちろん、その大きな理由は、IBM が自社製品を宣伝するためにメディアや広告を通じて人々の注意をそらしたことにあります。しかし、業界内で統一された基本的なテストが欠如しているため、AI 製品を定量化して評価することは不可能であり、これが問題の本質です。

他の業界が何を宣伝しようとも、独自の基準があり、ベンチマークテストを通じて、誰もが常に大まかな勝者と敗者を判断できます。しかし、AI業界では、画像と音声を除いて、認められたベンチマークテストはまったく存在しません。

Fei-Fei Li が ImageNet 画像テスト セットを確立する前は、画像認識の分野には統一された評価基準がありませんでした。このため、さまざまなアルゴリズムの長所と短所を定量的に評価することが困難になります。

ImageNet データセットが業界ベンチマークの標準となって以来、画像認識分野の発展を大きく促進してきたことがわかります。画像認識は急速に人工知能の中で最も急速に成長している分野になりました。

もちろん、アルゴリズムの適用性の問題もありますが、業界全体でアルゴリズムの有効性を定量的に分析できるよう、統一された評価基準を確立することは、業界全体にとって大きな意義があります。これが、フェイフェイ・リーが人工知能コミュニティで非常に尊敬されている理由です。

振り返ってみましょう。IBMはヘルスケア分野で長年取り組んできましたが、業界で認められたテスト結果を公開したり、外部に参照される厳格な評価システムを開発したりすることはほとんどありませんでした。

一方、IBMは学術以外のさまざまなチャネルを通じてその成果を宣伝し、人々に過度な期待を抱かせているが、その有効性はアプリケーションで検証されていない。このギャップは人々に不信感を与えやすい。

良いビジネスモデルがない

ビジネスモデルはテクノロジーの収益化にとって極めて重要ですが、IBM は AI 製品に関して両者が受け入れられるビジネスモデルを見つけていません。

IBM のビジネス モデルは非常に旧式で、技術サービス契約を通じて顧客を囲い込み、その後、プロジェクトを実行するためにパートナーに人員を派遣します。

この協力モデルは、一般的に従来の IT プロジェクトに適用できます。明確な目標と要件があるため、入力と出力は比較的予測可能であり、双方が制御可能な範囲内で入力を制御できます。しかし、一部の AI プロジェクトへの投資は莫大ですが、そのメリットは計り知れません。

有名なIBMとMDアンダーソンがん研究センターを例に挙げてみましょう。MDアンダーソンはIBMに3,900万ドルを支払ったと報じられていますが(1)、その報告書では「ワトソンを使った医師たちはそれについて話したがらない」とも指摘されています。最初のポイントで述べたように、AIのメリットは正確に定量化することができないため、高価なAIの結果はまったく評価できません。

もう一つの例は、IBMとシンガポール政府の協力である。Titanium Media (2)のレポートによると、このシステムは試験運用期間中、交通管理の有効性が認められた。しかし、実際に運用するには、シンガポールの交通管理部門がまず多額の費用を支払う必要があり、その莫大な費用が関係部門の導入を躊躇させた。

クラウド コンピューティングの台頭により、IT サービスは徐々に従量課金制に移行しており、不確実な結果に対して一度限りの巨額の固定料金を支払うことを嫌がる企業が増えています。 AI サービスは、顧客の信頼を得るために同様のモデルを見つける必要があります。従来の契約を使用して顧客を人質に取るモデルは、決して未来ではありません。

効果的な業界モデルとトレーニングデータの欠如

AI コンピューティングには現在、成熟した業界アプリケーション モデルが必要であり、システムを実際に使用するには大量のラベル付きデータで「トレーニング」する必要があることがわかっています。

多くの場合、そのようなモデルやデータは非常に不足しています。

このジレンマは、IBM Watsonに関するForbesのレポートにも表れています(3)。

「Watson には何ヶ月もの厳しいトレーニングが必要で、専門家はプラットフォームに大量の整理されたデータを投入して、有用な結論を導き出さなければなりません。『整理された』という要件は Watson システムにとって達成するのが難しいため、整理されていないデータは一般的に役に立ちません。その結果、Watson ユーザーはデータセットの改善と整理のためにコンサルティング専門家のチームを雇う必要があり、これには時間と費用がかかります。」

IBMは、Watson Healthにデータサポートを提供するために、近年、医療データの分析やソリューションに携わる企業を中心に多数の買収を行ってきました。これには、2016年に26億ドルで買収された医療データ会社Truven、2015年に10億ドルで買収された医療画像会社Merge、同じく2015年に買収されたヘルスケア管理会社Phytelが含まれます。

しかし、これほど巨額の投資をしたにもかかわらず、IBMはまだ高品質なデータをあまり得られていないようで、訓練されたAIのパフォーマンスも満足できるものではありません。フォーブス誌は、専門家が「最新の機械学習アルゴリズムは、臨床上の意思決定に必要な十分な感度、特異性、正確性を提供できないことが多い」とコメントしたと報じた。

解雇対象者の大部分は、以前買収した医療データおよびサービス企業の従業員であり、これは間接的に、これらの企業が IBM にあまり価値をもたらさなかったことを証明している。

IBMのWatsonはAIの産業化における最古の先駆者であり、同社が直面している困難は業界全体が直面している困難でもある。

新しい AI 企業は、業界で認められた評価基準を確立し、企業のコスト管理のためより柔軟な実装計画を開始し、実際の業界アプリケーション モデルを確立し、トレーニング用の膨大なデータを取得して使用可能なソリューションを得るなど、これらの困難を克服する必要があります。上記の点を完了することによってのみ、AI は概念から応用へと真に移行することができます。