人工知能の適用には大きな考え方の転換が必要な理由

人工知能は現在、目覚ましい進歩を遂げていますが、多くの業界ではまだ革命的な変化を引き起こしていません。多くの場合、問題は必ずしもテクノロジーではなく、人々の認識にあります。

「Power and Prediction」は、人工知能の専門家によって書かれた新しい本で、人工知能テクノロジーをさまざまな業界に適用する際の根本的な課題を探ります。絶賛された予測マシンの続編であるこの本では、人工知能の進歩の可能性を最大限に活用する前に、企業が何を変える必要があるかを論じています。

ポイント ソリューションやアプリケーションから人工知能システムに至るまで、業界の専門家がさまざまな分野での人工知能の成功と失敗を調査します。また、過去の技術革命からの重要な洞察も提供し、AI システムをゼロから再考して設計することが、強力な機械学習およびディープラーニング アルゴリズムに基づいて真の価値を生み出すのにどのように役立つかを示します。

ポイント ソリューション vs 人工知能システム

今日の AI システムは予測マシンです。つまり、過去のデータに基づいて将来何が起こるかを予測できます。これはあらゆる数学モデルが行うことです。しかし、大量のデータとコンピューティングが利用可能になったこと、そして深層学習アルゴリズムの進歩のおかげで、人々は画像、テキスト、多次元データなどの複雑な情報について予測できるモデルを作成できるようになりました。

著書『Power and Prediction』の中で、著者は人工知能の価値をポイント ソリューション、アプリケーション ソリューション、システム ソリューションの 3 つのカテゴリに分類しています。

これまで人々が目にしてきたもののほとんどは、ポイント ソリューションとアプリケーション ソリューションです。これらの AI システムは、以前は予測が必要だったタスクを置き換えます。たとえば、金融サービスでは、どの取引が不正であるかを予測することがタスクの 1 つです。適切なデータに基づいてトレーニングされた機械学習モデルがこのタスクを引き継ぐことができます。ポイント ソリューションは、導入に必要な投資と基盤となるシステムへの変更が最小限で済むため、簡単に実現できる人工知能の成果です。

ポイント ソリューションのもう 1 つの例は、放射線スキャンの分析です。現在、経験豊富な放射線科医と同等のレベルで X 線や MRI スキャンからさまざまな疾患を検出できるディープラーニング モデルがいくつかあります。

彼らは、基礎となる患者ケア システムに変更を加えることなく、放射線科医が実行する多くのタスクの 1 つを自動化しています。

人工知能システムは、現在のアプリケーションやシステムでは解決できない新しいタスクや問題を自動化することで、より大きな価値を提供できます。ただし、AI システムには白紙の状態でのアプローチが必要であり、既存の問題だけでなく新しい問題も解決するには、プロセス、ワークフロー、アプリケーション全体を再設計する必要があります。 AI システムが機能するためには、多くの場合、新しい組織構造と、目標とインセンティブの調整が必要です。これにより、AI システムはより困難でリスクが高くなりますが、同時にやりがいも大きくなります。

「Power and Prediction」の著者は次のように書いています。「AI によって強化された意思決定は、システム内の他の意思決定に影響を与えるため、システム ソリューションは、ポイント ソリューションやアプリケーション ソリューションよりも達成が難しいことがよくあります。ポイント ソリューションと応用ソリューションは、多くの場合、結果をリードします。 「システム ソリューションは既存のシステムを強化することで破壊的な効果をもたらしますが、システム ソリューションは既存のソリューションを破壊します。ただし、多くの場合、システム ソリューションは AI 投資に最大のメリットをもたらす可能性があります。人工知能の全体的な利益です。」

人工知能の中期時代

著者は、著書「力と予測」の中で、テクノロジーの力の後、広く普及する前に、私たちは今、人工知能の「中間時代」にいると信じています。これが、現在、ポイント ソリューションが人工知能のより魅力的で人気のあるユースケースである理由です。

これには歴史的な前例があります。たとえば、19 世紀後半に電気が産業化され始めたとき、その最初の用途はポイント ソリューションでした。工場にとって、これはエネルギーコストを削減するために蒸気エンジンを電気モーターに置き換えることを意味します。電源を変更しても工場を再設計する必要はありません。

しかし、電気の本当の価値提案は、機械を電源から切り離すことです。これにより、蒸気動力では不可能だった新しい工場設計が可能になり、生産性が向上し、コストも削減されました。しかし、その導入には根本的な変化、習慣の打破、既存の企業がしたがらない先行投資が必要だったため、数十年かかりました。この機会を捉えた起業家たちは主導的な地位を占め、後に古い市場に取って代わられる市場の大部分を獲得することに成功しました。

こうした変化は、オンライン ショッピングの台頭、パーソナル コンピューターの出現、印刷メディアからデジタル メディアへの移行など、他の多くの業界でも見ることができます。

人工知能はインフラストラクチャ テクノロジーであり、テクノロジー リーダーはその影響力を電気と比較しています。したがって、これには新たな考え方と大胆な探求が必要です。

「Power and Prediction」の著者は次のように書いています。「AI 主導の業界変革には時間がかかり、最初はそれをどのように行うかは明らかではありません。多くの人は、必要性を誤解しているか、AI を導入することができないため、試みて失敗する可能性があります。ユニットエコノミクスは機能します。最終的には誰かが成功し、収益性への道を構築します。他の人が真似しようとします。業界のリーダーは自分たちの優位性を守ろうとします。時にはそれが成功します。いずれにせよ、業界はこれまでと同様に変革します。常に存在します。

Breaking the Rules

『力と予測』の著者はこう言いました、「何もないときでも、人は諦めない。必要がなければ、それを使うことで」十分な情報に基づいた選択をするための情報があれば、やみくもに物事を行うことによる結果を回避できます。ですから、AI 予測が出現しても、その利用の機会が明らかではないのは驚くべきことではありません。潜在的な意思決定者は、この情報がなければ意思決定を行うことができません。

#人工知能におけるチャンスは、長い間確立され、うまく機能する厳格なルールや手順の背後に隠れていることが多いため、見つけるのが困難です。これらのルールは情報の不足を補います。これらにより、人々は正確な結果を予測できなくても意思決定を行うことができます。これらは、最適ではないにせよ、多くの状況で確実に動作するシステムの構築に役立ちます。

こうした機会を見つける鍵となるのは、第一に、予測マシンの能力を理解すること、そして第二に、予測が確立されたルールに取って代わることができる場所を見つけることです。著者が本書で取り上げている非常に興味深い例は、教育における人工知能の使用です。

機械学習アルゴリズムと履歴データのおかげで、生徒の成績、どこが優れているか、どこで苦戦しているかを予測することが可能です。これにより、各生徒にさらにパーソナライズされたコンテンツを提供する機会が得られます。

しかし、これらの予測モデルは、クラスごとに教師が 1 人だけの年齢ベースのカリキュラムに基づいている現在の教育システムではあまり役に立ちません。このシステムは、教師が教育の軌跡を通じて生徒の個々の学習能力を正確に測定する方法がないために作成されました。

機械学習を最大限に活用できるようにするには、教育システムを新しい方法で再考する必要があります。この新しいシステムは、年齢に基づいたカリキュラムを個別のディスカッション、グループプロジェクト、教師のサポートに置き換え、教育全体と個人の成長と発達に大きな影響を与えます。

「Power and Prediction」の著者は次のように書いています。「年齢に基づくカリキュラム規則は現代の教育システムの接着剤であるため、学習コンテンツをパーソナライズする人工知能はこのシステムでは限られたメリットしか提供できません。パーソナライズされた教育における AI の可能性を考えると、主な課題は予測モデルを構築することではなく、現在システムを結び付けている年齢ベースのカリキュラム ルールから教育を切り離すことです。」

PowerShift

成功人工知能の応用には、「Power and Prediction」の著者が「タスク思考」と対比する「システム思考」と呼ぶものが必要です。タスクの考え方はコスト削減に焦点を当てます。システム思考は価値の創造に焦点を当てます。タスクの考え方は、個々のタスクを自動化することに重点を置いています。システム思考では、機械の予測と人間の意思決定に基づいて価値を生み出すシステムを再構築する必要があると認識しています。

一部の業界や Amazon や Google などの大手テクノロジー企業では、このようなことが起こっているのを人々はすでに目の当たりにしており、人工知能の予測に基づいてパーソナライズされたコンテンツを推奨する収益システムを構築しています。

おそらく、システム思考の重要な要素の 1 つは、人工知能の導入によって起こるパワーシフトです。システムが変われば、意思決定権を持つ人々も変わります。

「力と予測」の著者は、「人工知能は機械に意思決定を委ねることはできませんが、誰が意思決定をするかを変えることはできます。機械には力がありませんが、導入されると、誰が意思決定を行うかを変えることができます。」 「力です。機械が意思決定者を変えるとき、基礎となるシステムも変わらなければなりません。機械を構築するエンジニアは、機械が製品に組み込んだ判断の結果を理解する必要があります。これまで瞬時に意思決定を行っていた人は、もはやその必要がないかもしれません」 ."

著者が本の中で調査している仮説の例は、心臓発作のリスクです。現在、このリスク評価は病院での検査を通じて行われており、検査を実施する専門家の判断が下されています。

仮に、スマートウォッチなどのウェアラブルデバイスによって収集されたデータに基づいて心臓発作のリスクを予測する人工知能システムを構築することが可能です。そうすれば、これらの予測を病院の救急部門のトリアージ スペースから患者の自宅に移すことが可能になります。この場合、多くの患者は、薬剤師またはかかりつけ医が自宅で治療できる病気と診断された後、病院に行く必要はありません。

人工知能をめぐる科学的および哲学的な議論のどの立場にいても、予測マシンには多くのメリットがあり、まだ表面をなぞっただけだということには同意できます。彼らの可能性を最大限に活用するには、振り出しに戻って、予測能力があった場合に人々がどのようにシステムを設計するかを再考することから始まります。 ?

以上が人工知能の適用には大きな考え方の転換が必要な理由の詳細内容です。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。