Outlook 2023: 人工知能における将来の出来事を予測する

2022 年が過ぎ、今後の発展が期待される一年の中でも特別な時期です。いつものように、AI Era Frontier は読者の利益のために、将来のテクノロジーとトレンドに関する記事をまとめています。

近年、人工知能は急速なペースで成長しており、それを止めることは何ものも困難であるように思えます。勢いが増す中、2023 年に AI はどのような方向に向かうのでしょうか?専門家は言いたいことがある。

人工知能プロジェクトの多くは構想が不十分であり、最終的には失敗につながります。 Pecan AIの共同創設者兼最高経営責任者（CEO）であるゾハール・ブロンフマン氏は、2023年には企業は人工知能の有効性を評価する際にさらに警戒するようになるだろうと述べた。

「2023 年、ビジネス リーダーは潜在的なデータ サイエンス プロジェクトをこれまでよりも厳密に評価するでしょう。これらのプロジェクトは、ビジネス ニーズと合致していない、または決して実現しないという理由で、実際の影響を与えることができないことが非常に多いです。 「データサイエンスには費用と時間がかかるため、リーダーは提案された取り組みをより慎重に検討し、適切な計画を追求することになるでしょう。」ブロンフマン氏は次のように述べています。「モデルの出力に基づいて、短期的に確実にそれを実現できるよう引き続き努力していきます」 」

2023 年も、データ サイエンティストの需要は増加し続けるでしょう。 Domino Data Labs の CEO 兼共同創設者である Nick Elprint 氏は、深層学習モデルのトレーニング用の GPU の需要は今後も変わらないと予測しています。

「人工知能の改善の最大の源は、トレーニング システム、特に人間の脳のニューロンの動作をシミュレートするように設計されたタスクであるトランスフォーマー モデルにディープ ラーニングを導入したことです。これらのブレークスルーには、膨大なコンピューティング能力が必要です。大量の構造化および非構造化データ セットを分析します。CPU とは異なり、グラフィックス プロセッシング ユニット (GPU) は、ディープ ラーニング ワークロードに必要な並列処理をサポートできます。これは、2023 年には、ディープ ラーニング テクノロジに基づくアプリケーションがさらに登場することを意味します。病気の治療に向けて、GPU の需要は今後も急増するでしょう。」

Nvidia の DGX システム担当副社長であるチャーリー ボイル氏もこの見解を支持しており、来年はさらに多くの GPU を販売したいと考えています。

「2023 年には、並列処理をサポートできない非効率な x86 ベースの従来のコンピューティング アーキテクチャが、言語モデルやレコメンデーション エンジンなどの構築に必要なコンピューティング パフォーマンスを提供するアクセラレーション コンピューティング ソリューションに置き換えられ、拡張性が高まるでしょう。経済的な逆風の中、企業は IT コラボレーション プロセスを簡素化し、効率を向上させながら目標を達成できる AI ソリューションを求めるでしょう ソフトウェアを使用してワークフローをインフラストラクチャに統合する新しいプラットフォームにより、コンピューティング パフォーマンスのブレークスルーが可能になり、全体的な所有コストと炭素の削減が可能になります「フットプリント、革新的な AI プロジェクトの投資収益率の加速、より無駄の多い古いアーキテクチャの置き換え。」

資格のあるデータ サイエンティストを雇用するのにどれくらい時間がかかると思いますか?ユニコーンを見つけるのと同じくらい難しいと冗談を言う人もいます。 Kyndi の創設者兼 CEO の Ryan Welsh 氏は、2023 年は世界が「データサイエンティストの頂点に達する年」になると信じています。

「データ サイエンティストと機械学習エンジニアの不足は、企業が人工知能の価値を認識する上でのボトルネックとなっています。その結果、2 つのことが起こりました。1 つは、より多くの人々がデータ サイエンスの学位と認定資格を取得することです。データ サイエンティストの数が増加し、データ サイエンティストの量が増加し、ベンダーが AI 生産へのデータ サイエンティストの関与を最小限に抑える新しい方法を考案しているこれら 2 つの傾向が同時に干渉することで、「ピーク データ サイエンティスト」が発生します。各企業が独自のモデルをゼロからトレーニングする必要がなくなる代わりに、カスタム モデルのトレーニングに必要なデータ サイエンティストの数が減り、より多くのデータ サイエンティストが卒業することになります。科学は飽和状態です。」

データ サイエンス ツールを提供する Dataiku の AI 責任者である Triveni Gandhi 氏は、倫理的な AI が今後も企業の注目とリソースを惹きつけることが期待できると予測しています。

「一部の企業が倫理的な AI の仕事を削減することをニュースで目にしましたが、現実には、ほとんどの企業が倫理的な AI チームへの投資を継続するでしょう。このリソースは、AI 運用の規模と範囲にとって非常に重要です。これは、企業が自社の AI 出力が自社の価値観と一致しており、堅牢かつ信頼性の高い方法で実行されていることを確信するのに役立ちます。さらに、エシカル AI グループは、ユーザーがやり取りしている製品が考慮されており、安全要件を満たしているという自信をユーザーに与えます。 「そして期待を信頼します。あらゆる企業が時代の先を行くためには、倫理的な AI チームを構築することが必須です。」

深層学習のジレンマの 1 つは、予測モデルのブラックボックス的な性質です。グラフデータベースメーカーFranzの最高経営責任者（CEO）ヤンス・アスマン氏は、この問題を解決する1つの方法は、2023年に人工知能と因果知識グラフを組み合わせることだと述べた。

「今後数年間は、イベント間の因果関係を発見するナレッジ グラフの作成から始まり、因果関係 AI が成長するでしょう。ヘルスケア、製薬、金融サービス、製造、サプライ チェーン組織は、ドメイン固有の組織を組み合わせるでしょう。」 「ナレッジ グラフは因果グラフにリンクされ、過去のデータに依存する相関ベースの機械学習を超えてシミュレーションされます。因果関係の予測は、因果関係を透明にすることで AI の説明可能性を向上させる可能性を秘めています。」

グラフ データベース メーカー Neo4j の製品マーケティング担当シニア ディレクターであるマヤ ナタラジャン氏も、グラフと AI の組み合わせにおける大きな進歩を予測しています。

Natarajan 氏は次のように述べています:「企業は、ナレッジ グラフを活用して責任ある人工知能を実現するための最良の方法を模索し続けるでしょう。ナレッジ グラフによって提供されるコンテキストを活用することで、組織は次のような倫理的意思決定の精度を向上させることができます。」データ ストリーム ソースにより、解釈可能性が向上し、新しい分析手法が開かれることでバイアスが軽減されます。」

来年、人工知能はベクトル データベースをさらに魅力的に感じるでしょう。ベクター データベース市場の初期リーダーの 1 つである Pinecone の創設者兼 CEO、エド リバティ氏はそう考えています。

「人工知能が進化し続け、より広く使用されるようになるにつれて、その開発と展開をサポートするための、より高度でスケーラブルなインフラストラクチャがそれに対応して必要となります。人工知能インフラストラクチャへの投資における重要な分野は、専門化されるでしょう」これは、最新の ML モデルによって生成された大量のデータを保存および処理するように設計されたベクトル データベースなどのデータ インフラストラクチャであり、リバティ氏は「これにより、多くの分野で前世代を超える人工知能システムの開発と展開が加速されるでしょう」と述べています。申請期間は1年間。 ”

近年、企業は人工知能の利用を増やしていますが、その結果はまちまちです。しかし、SAS Consulting のビジネス ソリューション マネージャーであるキンバリー ネヴァラ氏は、2023 年に人工知能は「少ないほど良い」時代に入るだろうと予測しています。 「成長フェーズ。

」組織が「少ないほど豊かである」と認識するにつれて、AI は急速に普及し、目標としての大規模なイノベーションから、より広範囲の小さな意思決定ポイントやアクションに適用されることに静かに焦点を移すでしょう。 , その全体的な影響は、部分の合計よりも大きくなります。逆説的ですが、組織と主要な従業員はこれらのテクノロジーを幅広く理解し、それらを快適に使用できる必要があります。 「

それでは、ニューラル ネットワークをトレーニングするために GPU に多額の投資を行ってきました。それで何をしますか? 余分な馬力を必要とする SQL クエリが常に存在します」と SQream の製品担当バイスプレジデントである Matan Libis 氏は述べています。 .

「AI/ML 用にコンピューティング リソースを再利用できることは、企業にとって刺激的で貴重な機会です。再利用により AI によって残される二酸化炭素排出量が削減されるだけでなく、より安価なグローバル データ ストレージ ソリューションの一般的な増加により、GPU ハードウェアへの依存も削減されます。さらに、データをある場所から別の場所に移動する必要がない場合、遅延を短縮できます。しかし、企業がある場所でデータを準備し、別の場所でトレーニングし、推論をさらに別の場所に移せば、できればプロセスを合理化することで、AI/ML 機能の精度と速度が大幅に向上するでしょう。

ディープ ラーニング企業 Deci の CEO 兼共同創設者であるヨナタン ゲイフマン氏は、クラウド コンピューティングの高コストがすべての人にプレッシャーを与えているが、人工知能ユーザーはモデルを最適化することでコストの上昇に対抗できると述べました。

「クラウド環境で AI モデルを実行している企業は、高性能のクラウド処理が企業に課す財務的負担に直面しています。 2023 年には、AI 推論クラウドのコスト削減を検討する企業がさらに増える可能性があります。これを達成するための最も効果的な方法の 1 つは、精度を維持しながら AI モデルの速度を向上させ、クラウドでの処理時間を短縮し、コストを効果的に節約することです。

著名な主任科学者ヨッシ・シネット氏は、2023 年には、ラベル付きデータを必要としない自己教師あり機械学習テクノロジーでさらなる画期的な進歩が見られるだろうと予測しています。

「人工知能の開発を妨げる要因の 1 つは、高品質のラベル付きデータが不足していることです。現在すでに進歩が見られますが、2023 年も成長は続くでしょう。私たちは、自己教師あり学習を使用して、モデルは事前にトレーニングされ、特定のタスクに合わせて微調整されます。これの最良かつ最も効果的な例は、マスク言語モデリングと呼ばれる NLP (自然言語処理) です (モデルに文中の隠れた単語を予測させます)。言語モデリングの技術 (文中の次の単語をモデルに予測させる) は、大変革です。自己教師あり学習にはラベル付きデータが必要ないため、微調整に必要なラベル付きデータははるかに少なくなり、複雑なトレーニングが容易になります。モデルを使用すると、ラベル付きのサンプルをより適切に選択できるため、AI プロジェクトに対する経済的障壁がさらに軽減されます。」

ウェルズ・ファーゴの CEO 兼グループ CIO であるチンタン・メータ氏は、人工知能を2023 年にはさらに高いレベルに達し、新しいユーザー インタラクション モデルを採用し、意図をよりよく理解できるようになります。

「2023 年以降、人工知能と信号センシングの導入は飛躍的に加速するでしょう。AI は、偏見のある認識、判断、法的解釈を打ち破るでしょう。業界は、人工知能のインテリジェンスが提供できるように、偏見を打ち破るソリューションをさらに構築するでしょう。」消費者の行動方針を説明しながら、消費者にソリューションを提供する ユーザー インターフェイスは変化します。ユーザー インターフェイスは、非視覚的なタップ/タッチ インタラクションから、アプリベースのエクスペリエンスを超えて、コンテキストに応じて提供される視覚的なアクション コールや言語およびジェスチャー ベースのインタラクションに移行します。 「これらの体験は劇的に増加し、単に言語を理解するだけでなく、各インタラクションの隠された意図を真に把握できるようになるでしょう。人工知能は人工知能を生み出すでしょう。」ドイツの IT 企業 GFT US の

CEO マルコ・サントス氏は、2023 年には私たちが人工知能を生み出すだろうと予測しています。人工知能と機械学習の前例のないユースケースが出現し、最終的には主流になるでしょう。

「企業がレガシー システムの制約から解放され、異種システムからの大規模なデータ セットを統合できるようになると、人工知能と機械学習の前例のない使用例が見られるでしょう。たとえば、自動車製造においては、 「私たちは、次世代の製造データ プラットフォーム、つまり単一の統合されたクラウドベースのプラットフォームの出現を目にし始めたところです。製造業者は、組織全体のすべてのデータを集約しています。データを取得したら、AI アプリケーションの構築を開始できます。」

以上がOutlook 2023: 人工知能における将来の出来事を予測するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。