ビッグデータは私たちを新たな AI の冬に引きずり込むのか?

過去数年間の息を呑むようなニュースクリップの数は思い出すのが難しいが、人工知能の歴史は挫折と挫折に満ちている。 記憶力に優れた人なら、70 年代から 80 年代前半にかけての、いわゆる「AI の冬」を何度か覚えているでしょう。 最初の冬は AI に対する幻滅によって引き起こされましたが、2 つ目の (そしておそらくより重要な) 冬は、テクノロジーと物理的なハードウェアが今日の理論から大きく遅れをとっていたために生まれました。 たとえば、科学者はディープラーニングの基礎となるバックプロパゲーションの概念を発明しましたが、必要な計算能力が実際に実現されたのは、最新の GPU が登場してからでした。

もちろん、今では状況は変わりました。 コンピューティングはすぐに利用できます。 私たちはデータを見ています。 政府は研究に投資している。 大学生たちは機械学習を勉強しています。 メディアはAIをテクノロジーの次の大きな変化として取り上げています。 すべては、AI がすでにかなり一般的になり、一般の人々が AI の可能性と有用性を理解し受け入れる未来に向かっているようです。

残念ながら、最後の文では「思われる」という言葉が重要な役割を果たしています。 企業は AI に投資していますが、投資収益を得ている企業はわずか 3 分の 1 程度です。 そして、そのROIが依然として達成できない場合、特に前例のないパンデミックにより不安定になっている世界経済環境においては、投資が縮小し始める世界が容易に予測できるだろう。 昨年の AI 冬からの雪解けが続くのを楽しむよりも、気温が再び下がるのをただ眺めるほうが簡単です。

しかし、問題は AI がお金を稼げるかどうかではなく、稼げるかどうかであることに注意してください。 たとえば、多くのプロセス自動化 AI プロジェクトが成功しています。 法的文書を「読み取って」情報を抽出する AI や、顧客とのコミュニケーションを整理して処理したり、請求の問題を調整したりする AI について考えてみましょう。 もちろん、これらは最も魅力的でも洗練された使用例でもありませんが、企業のコストを節約するため、すぐになくなることはないでしょう。

では、AI が利益を生むのであれば、なぜ投資収益を上げている企業は 35% に過ぎないのでしょうか。大きな理由は、モデルの構築とトレーニングにかかる​​コストが依然として高すぎることです。 では、なぜでしょうか? それは、ビジネス界、特にテクノロジー界を席巻している最近のもう一つのトレンド、ビッグデータのためです。

自問してみてください。「データが多いほどモデルが良くなる」という話を何度聞いたことがありますか? 実は、これは間違いです。 データの品質が高ければ、モデルも向上します。 有用で適切にラベル付けされたデータにより、モデルが機能します。 大量のデータがありますか? それはあまり問題ではありません。 特に、データが有用であることを証明する手段がない場合にはそうです。 ここで話しているような大量のデータを扱う場合、それを実行するのは困難です。

現実には、投資家、そしてもっと適切な言葉が見つからないのですが、ビッグデータ業界は、ビッグデータの優位性についての物語を永続させてきました。 ビッグデータのコストは AI のコストの大きな要因です。 AI や機械学習の専門家の間では、大量のデータを蓄積する必要があると確信している企業が (そうすることに明確な有用性が見出せないとしても)、ビッグデータの構築を優先して AI への投資を縮小し始めるかもしれないという懸念がある。 しかし、そもそも大量のデータを保存する理由は、それに基づいて予測を行い、AI を構築できるようにするためです。 言い換えれば、ビッグデータが AI への投資を殺してしまう危険が実際にあるのです。奇妙なことに、それがそもそも AI が存在する大きな理由なのです。

中小企業がビッグデータの負担の影響を不釣り合いに受けているという問題もあります。 小規模な組織の場合、データの保存やモデルのトレーニングに対する障壁は高くなります。 これらすべてを、ムーアの法則が終わったという事実と組み合わせると、サーバースペースとコンピューティングをめぐる真の経済競争の未来が見えてきます。 これは、AI の冬が来る可能性を予測しているように思えます。

では、ここで何ができるでしょうか? 実践者が主導権を握る必要があります。 ビッグデータのニーズではなく、私たち自身のニーズを表現する必要があります。 ビッグデータを単に整理して構造化する企業やソリューションではなく、AI の収益化を支援する企業やソリューションに投資する必要があります。 私たちは、この業界が経済的にも環境的にも持続可能なものとなるよう努力しなければなりません。 より多くのデータを持つことが常に望ましいという古い考え方を否定しなければなりません。 率直に言って、そうではないからです。 あまり活用せずにデータを蓄積している企業が多すぎます。 保存する理由がまったくない、古くて役に立たないデータを削除できる必要があります。 量を保管する場所ではなく、データの品質指標に投資する必要があります。