人工知能技術は3つのレベルで社会を変える

[[282875]]  

数十年前、日本は避けることの難しい一連の長期的経済課題に直面していました。 1980年代頃には経済全体が過去最高の成長を記録したが（主に自動車販売の好調、任天堂などの新興企業、不動産投機による支援が背景）、日本にとって最も重い負担は、まもなく65歳以上の人口が全人口の4分の1を占めるようになることだ。

統計によると、現在までに日本の平均年齢（47歳）は米国（36歳）よりも10歳以上高くなっています。こうした現実的な背景から、日本は労働力の急速な高齢化の影響を相殺し、世界的な競争上の優位性を確立するために、ロボット技術を積極的に開発する必要に迫られている。現在、製造業、ヘルスケア、家電製品、パーソナルサービスなどの応用分野において、先進的なロボット技術は日本の経済生態系に深く根ざした役割を果たしており、生産性とGDP成長を維持するための重要な柱となっています。

海の反対側では、米国は、まだ同様の人口動態上の課題に直面してはいないものの、やはり歴史的な岐路に立っています。人工知能（AI）はまもなく私たちの経済システムを覆すでしょう。その影響がプラスになるかマイナスになるかは、私たちの判断と行動にかかっています。

AI、ディープラーニング（DL）、機械学習（ML）、コンピュータービジョン、ロボティクスの継続的な発展は経済に大きな影響を与え、その結果生じる雇用の喪失も特定の業界に大きな影響を与えることを認識する必要があります。マッキンゼーは、AIが世界の雇用市場に最大15%の影響を及ぼす可能性があると見積もっています。そして、これは一連の変更のほんの一部にすぎません。

現在、政府や企業がいかにして労働力の質を向上させ、自律技術の普及に備えるべきかが、各方面にとって重要な議論のテーマとなっている。こうした議論は確かに必要ですが、AI 技術を楽観的な視点から見て、その可能性を探り、今日直面している最も差し迫った問題のいくつかを解決するための経済的触媒として活用することも必要です。厳しい現実は、米国が AI の分野で主導権を握ることができなければ、他の国々がその代わりとなり、最終的には製造、農業、輸送、テクノロジー、教育、さらには環境衛生などの基幹産業における最先端の生産力の代表者になるだろうということです。

歴史を振り返ると、産業革命からインターネットまで、技術革新のたびに人々は仕事への影響についてパニックに陥ってきました。しかし、革命のたびに、まったく新しい市場と経済形態が生まれ、革命によってもたらされる新しい雇用の数は、置き換えられる雇用の数をはるかに上回ります。これらの新興経済は当初想像されていたよりも複雑で広範囲に及んでいます。

したがって、AI は広範囲にわたる影響を及ぼす普及したテクノロジーとなり、主に次のようなさまざまなレベルで一連の社会的影響を引き起こします。

生産性:米国経済は依然として好調ですが、生産性レベルは 1960 年代よりも低くなっています。 1995年から2005年までのインターネット時代による短期間の生産性向上を除くと、米国の実質生産性成長率は1970年以降わずか1.4%にとどまっている。 AI システムが人間の労働に取って代わることについては多くの議論がなされているものの、最も現実的な結果は、AI システムとインテリジェント ロボットが実際に人間の効率と生産性を向上させることができるというものです。

製造業では、AIを中心とした新しい施設が増えることで、確かに一部の雇用が削減される一方で生産能力は向上しますが、これにより製造業者が母国に戻ることも可能になり、別の観点から雇用需要も高まります。例えば、AppleはAIの助けを借りて、中国に展開している大規模な生産施設を徐々に米国に戻すことができるようになるだろう。産業界では、生産性の向上が常に最優先事項であり、大規模な投資のシフトを促進するのに十分です。航空会社が生産性向上を通じて 10% の利益増加を達成できれば、より多くの航空機を購入し、より多くの空港を建設し、何千もの雇用を創出し、民間航空サプライチェーン全体にプラスの連鎖反応をもたらすでしょう。

プライバシー:プライバシーの問題は、今日、アメリカの消費者、企業、規制当局が直面している最大の課題の 1 つになっています。一般的に、AI はプライバシーに反する技術と見なされていますが、プライバシー保護や偏見の排除にも大きな可能性を秘めており、他の AI システムに存在する偏見を修正することさえ可能です。顔認識を例に挙げてみましょう。街中で人の顔情報をスキャンして記録することは、個人のプライバシーの重大な侵害であると多くの人が考えています。しかし同時に、街路に設置されたスマートカメラは犯罪を大幅に抑止し、危険な人物を発見するのに役立つということにほとんどの人が同意しています。したがって、最も科学的なアプローチは、AI、特に軽量 AI システムを使用して、データを中央システムにアップロードせずにカメラ内でキャッシュして処理することかもしれません。つまり、カメラが捉えたエリアが犯罪現場とならず、24時間以内に指名手配犯が現れなければ、関連データは自動的に削除される。

アレン人工知能研究所のオーレン・エツィオーニ氏が記事で指摘しているように、AIシステムは人種や性別などに関して偏見を示すことが証明されているものの、AIシステム間の相互監視によってそのような問題をうまく解決できる可能性がある。さらに、ネットワークセキュリティ、プライバシー、セキュリティにおけるAIの連携効果も徐々に実現されつつあります。

フェデレーテッド ラーニング:フェデレーテッド ラーニングの台頭は、プライバシー権の保護における新たな大きな前進であり、さらに大きな経済的および環境的利益をもたらすことが期待されています。これらの新しいフレームワークは、大規模な集中型データベースではなく、エッジにある数千台のスマートフォンでモデルを実行することで、機械学習の分散化を可能にします。最近のスマートフォンには一般的に AI チップが搭載されているため、ML モデルをローカルで実行することができます。これは、単一のユーザー向けにモバイル ソフトウェアをカスタマイズするのに役立つだけでなく、高度な暗号化により、中央サーバーに送信されるすべての個人データが悪意のある第三者に見られないようにすることも保証します。

フェデレーテッド ラーニングは、データ収集のプライバシーを向上させ、個人データの集約者ではないイノベーター (Amazon、Microsoft、Facebook など) が企業や消費者向けの強力な AI ソリューションを構築できるようにする大きな可能性を秘めています。しかし、この新興分野が真にその可能性を発揮するには、まだいくつかの重要な研究課題を解決する必要があります。確かに、連合学習は AI 主導の世界という目標にとって真の可能性を秘めています。これからの世界で、消費者は多くのエネルギーを必要とせずに、自分のデータとモデルを効果的に制御できるようになります。

1990 年代半ばにインターネットが普及したとき、今日私たちが享受しているモバイル、ストリーミング コンテンツ、ゲノミクス、オンデマンド サービスを想像できた人は誰もいなかったでしょう。当時、人々はインターネットに対しても同様の懸念を抱いていました。インターネットによって何百万もの雇用が失われ、産業全体が時代遅れになるのではないかという懸念です。さまざまな理由から、人々は常にこれらの問題について議論します。しかし、より客観的な見方をすれば、AIの研究と進歩は今後何十年も続くはずであり、それはゆっくりではあるが非常に重要なプロセスとなるだろう。その結果生じる失業に備える必要がある一方で、楽観的になる理由もある。結局のところ、米国の経済的優位性は主にテクノロジーにおけるリーダーシップに由来しており、後退を選択することは決して賢明な決断ではない。