コアアルゴリズムの欠如により、人工知能の開発は「ボトルネック」のジレンマに直面している。

[[264142]]

「中国で人工知能の基本アルゴリズムの研究に携わっている数学者は何人いるのか？」最近、上海で開催されたアカデミー会員サロンイベントで、アカデミー会員の徐光迪らが提起した質問が業界で反響を呼び、「徐光迪の質問」と呼ばれた。

「わが国には、人工知能分野のアルゴリズムに真に取り組んでいる科学者はほとんどいない」。4月28日に開催された「超音波ビッグデータと人工知能の応用と推進会議」で、東南大学生物科学・医学工学学院の万綏仁教授は、「徐光迪の質問」はわが国の人工知能発展の核心的な重要問題を直撃していると述べた。「この状況が変わらなければ、わが国の人工知能の応用がさらに深化して大きな成果を上げることは難しいだろう」

私の国における人工知能の開発の現状はどうなっていますか?オープンソースのコードとアルゴリズムに頼るだけで、人工知能産業の発展をサポートするのに十分でしょうか?なぜ独自の基盤となるフレームワークとコアアルゴリズムが必要なのでしょうか?

コアアルゴリズムの欠如はボトルネックにつながる

「核心的なアルゴリズムが欠けていれば、重大な問題に遭遇した時にやはり『窒息』してしまうだろう」浙江大学応用数学研究所所長の孔徳星教授は科技日報に対し、わが国の人工知能産業の革新力は伝説ほど強くないと語った。産業の発展はオープンソースコードや既存の数学モデルに過度に依存しており、真に中国に属するものは多くないのが実情だ。

4か月で人工知能をゼロから学ぶ、人工知能入門16回の講義、オフラインアルゴリズムクラス...同様のトレーニングはインターネット上で非常に人気があります。既存のアルゴリズムとモデルの学習とトレーニングを通じて、人工知能エンジニアになるための成長プロセスが「短く、平坦で、速い」ことがわかります。

コードはオープンソースなので、そのまま使用できますが、なぜ「行き詰まる」可能性があるのでしょうか?

孔徳星氏は、オープンソースのコードは使用可能だが、専門性と特異性が欠けており、その結果が特定のタスクの実際の要件を満たせないことが多いと説明した。画像認識を例にとると、オープンソースコードを使用して開発された AI が顔を正確に認識できたとしても、医療画像を認識する際の臨床要件を満たすことは困難です。 「例えば、オープンソース コードを使用して肝臓病変を正確に特定することは、境界のぼやけ、コントラストの低さ、臓器の癒着、さらには重なりなどの問題により困難です。3 次元再構成と視覚化の点で実際の解剖学的情報を正確に反映することは難しく、誤解を招く問題を引き起こす可能性さえあります。これは医療用途では「致命的」です。」

「非常に専門的な研究課題に遭遇したとき、行き詰まってしまうと非常に受動的な立場に陥ってしまうので、独自のアルゴリズムを持たなければなりません」と孔徳星氏は語った。言い換えれば、コアコードを習得できるかどうかが、将来の AI「知能競争」で勝てるかどうかを決定するのです。オープンソースコードで「訓練」されたAIは、せいぜい「普通の人」にしかなれません。AIが「ニッチな分野の専門家」に成長するためには、数学に基づいた独自のコアモデル、コード、フレームワークの革新が必要です。

アルゴリズムの「根源」があってこそ、業界は「繁栄」できる

「背の高い木は根が深い」ということわざがありますが、人工知能の発展も同じです。草の根レベルで根が深ければ深いほど、産業の発展は強力になります。

では、なぜつい最近始まったばかりの AI 業界が、オープンソース コードの助けを借りて生き残ることができないのでしょうか。

孔徳星氏は、AIディープラーニングは、同じデータを取得するという前提の下、オープンソースコードで実行することで結果を出力できるかもしれないが、固定されたトレーニングフレームワークとアルゴリズムの制限により、ユーザーが具体的な実用化を行う際には、望ましい結果を得ることが難しく、アルゴリズムの修正、改善、最適化も難しいと説明した。

「最下層のアルゴリズムから始めれば、数学モデル全体、アルゴリズム設計全体、シミュレーショントレーニング全体が『統合』されます。共同で最適化できるだけでなく、必要に応じていつでも変更できるため、実際に実用的な問題を解くことができます。」孔徳星氏は、基本アルゴリズムは、一般的な問題を研究するアルゴリズムを指すことが多いと述べました。基本的な数学理論や高性能数値計算などの分野に関係し、さまざまな実用的な問題に適用できます。また、ターゲットを絞ったアプリケーションアルゴリズムは、特定の問題に関係する「特定の知識と事前情報」に適用されることが多く、実際のアプリケーション問題をよりよく解決します。

「基本アルゴリズムと応用アルゴリズムはどちらも重要です。基本アルゴリズムがあれば、応用アルゴリズムを充実させ、深化させるのにさらに役立ちます。」孔徳星氏は、AIが対処しなければならない現実の生活は複雑で変化に富んでいると述べた。AIが「容易に対処」できて初めて、業界の「繁栄」を促進できる。

数学が取り残されないように三党間の協力を求める

「一つは政策的な指導です。実際、国は科学研究基金の設立など、この点に関する支援を強化してきました。」孔徳星氏は、「徐光迪の質問」に反映された問題をどう解決するかについて、第二の側面は、産業界の企業が科学技術革新を行う際に数学者を意識的に含めるべきであると考えている。

「アルゴリズム開発を通じて最終製品が発売された場合、企業はその成果の共有にアルゴリズムを開発した数学者も含めるべきだ」孔徳星氏は、数学科学などの「ソフトパワー」に対する社会の認識レベルは現在不十分であり、業界や規制レベルで数学研究成果の知的財産権の保護に十分な努力をすべきだと述べた。

「第三に、数学者自身が人工知能の発展に積極的に参加すべきだ」孔徳星氏は、AIの将来の発展には数学者の徹底的な参加が必要だと訴えた。私たちはまだ「弱い人工知能」の時代（データインテリジェンスの時代とも言える）にあるため、AIの実現は主にコンピュータの巨大な計算能力と巨大な記憶容量に依存しています。基礎となるアルゴリズムの問​​題は目立たないかもしれませんが、将来の発展において、AIは論理、思考、その他のインテリジェントコンテンツと統合される可能性があります。これらはすべて、数理科学における独創的な革新を必要とします。数学者が克服したいと切望している基本的な問題は数多くあります。

アルゴリズムの進歩は、「フォロワー」ではなく「クリエイター」から生まれなければなりません。孔徳星氏は次のように語った。「実際、ディープラーニングの応用は限界に達しています。コンピューターをよりスマートにするには、新しい数学的手法（一部は論理に、一部はデータに依存する『スマートアルゴリズム』など）が必要です。これらすべての作業には数学者の参加が必要です。」