AIに向けて企業の体制を整えるには

ここでは、Hewlett Packard EnterpriseのAIエキスパートが、AIに関する見通し、AIがどこに向かっているのか、AIをビジネス分野に適用する方法を説明します。

 

データを使いこなすことは人類最大の課題の1つであり、ビッグデータに存在するパターンを解明するには、推論や直感に頼る私たちの能力を超えています。

Hewlett Packard EnterpriseのSGI担当副社長兼最高技術責任者であるEng Lim Gohは、次のように語ります。「データの氾濫は普遍的な問題になりつつあります。しかし、人工知能 (AI) を使用すれば、大雑把な推論ではなくインテリジェントな推論を得られます。」

AIをITインフラストラクチャの重要な部分であるとお考えなら、この記事をお読みください。HPEのAIエキスパートたちが、AIがどこに向かうのか、AIがビジネスをどのように変えうるのか、そしてAIの導入に向けたステップについて見解を披露します。


AIは成長する

AIは何年にもわたって潜在的な可能性を示しており、企業はそれに気づいています。IDCの予測によれば、コグニティブソリューションとAIソリューションに対する世界的な支出は、今後数年間は54.4%の複合年間成長率で増加し、2020年までには460億ドルを超えるとされています。

AIが企業からこれほど注目されている理由は、AIがビッグデータに存在するパターンを発見できるからです。1997年にIBMのDeep BlueがGarry Kasparov氏にチェスで勝利し、2015年にはAlphabet社のAlphaGoがLee Sedol氏に囲碁で勝利したことが、膨大な選択肢とその結果の状況を推定するAIの可能性を明確に示しています。

今年になって、新しいタイプのAIが登場しました。ピッツバーグスーパーコンピューティングセンターにあるBridgesというスーパーコンピュータで動作するLibratusというプログラムは、ポーカーの無制限テキサスホールデムの試合で4人のプロのポーカープレーヤーに勝利しました。

チェスも囲碁も完全な情報ゲームです。各プレーヤーはボード全体の相手の位置を知ることができます。しかし、ポーカーでは、どのプレーヤーもゲームのすべての情報を把握していません。(無制限テキサスホールデムでは、各プレーヤーの手札にある2枚のカードは、そのプレーヤーにしか分かりません)。そのため、Kasparov氏とSedol氏に勝利したアプローチは、ポーカーのプロには効果がありません。

たとえば、囲碁のAIの問題は、課題を学習する深層ニューラルネットワークの応用であるディープラーニングに依存しています。人工ニューラルネットワークは人間の脳をモデルとしており、入力、複数の処理階層、出力という、いくつかの計算階層で構成されています。ディープラーニングを使用すると、画像、音声、テキストから構成される複雑な生データを分析するために必要な、隠れたセマンティクスとデータ表示をシステムが自動的に発見することが可能になります。これらの表示は、探している対象 (「猫」) を背景ノイズ (「猫以外」) から区別するのに役立ちます。

Libratusは前述のことを行いません。代わりに、ナッシュ均衡に基づいた戦略的推論を適用します。ナッシュ均衡は、対戦相手の選択を考慮した後で、選択された戦略を変更する誘因をどのプレーヤーも持たないゲーム理論のシナリオです。このアプローチでは、たとえば「猫」というラベルの付いた写真と、さらに多くの「猫以外」というラベルの付いた写真の大量のデータを与えて、AIを訓練する必要はありません。代わりに、AIは一連のルールと基本的な戦略を適用し、ゲームのそれぞれの時点で最良の動きを選択します。

 

Libratusは不完全なデータから解決策を見つけるように設計されています。データパターンを認識する従来の機械学習テクノロジーと異なり、状況ごとに適切な応答を提案します。Libratusは、他のタイプのAIと異なり、単に「アドバイス」や予測分析を提供するだけではないと、HPEでデータシステムとデータサイエンスの主任技術者を務めるDaniel Wuは述べています。代わりに、「規範的な」処理を追加しています。言い換えれば、ある行動が最も有益である可能性が高いという判断に基づいて行動することができるのです。

ディープラーニング、戦略的思考、別の種類のAIのどれについて話す場合でも、その使用の基盤となるのは、人間の応答よりも速い、瞬時の応答が必要な状況です。自動運転やネットワーク監視などの応用では、遅延が物理的またはデジタル的な損害につながりかねないことから、「AIに遅延を乗り越えさせ、取り除かせなければなりません。」とWuは言います。

1秒以内に応答するロボットのほうが数分かけて応答する人間よりも安上がりになるような顧客サービスなどへの応用で、AIは時間とお金を節約できると期待されています。HPEのAIグループ担当副社長であるPankaj Goyalによると、問題は「すべてのAIがカスタムアプリケーションである」ということです。つまり、あなたの会社にとってビジネス上意味があるような新しいAIを構築するには、時間、資金、スキルが必要になります。


ステップバイステップ

「どの企業もAIの実在を避けることはできません。」とWuは語り、さらに続けます。「インターネットを絶対に利用しないと誓った頑固な保守主義者たちを覚えていますか? 彼らは今や、GoogleやFacebookに広告を掲載しているのです。企業を経営するには、情報とインサイトが必要です。インターネットからは、情報は得られてもインサイトは得られません。AIはどちらも提供してくれます。」

しかし、AIは、誇大広告と恐怖を特徴とする「次の大ブーム」です。AIがあらゆる問題を解決しようとしているという考え方は、ロボットによる世の終末に向かっているという考え方とほぼ同じです。私たちは、実用的なAIの実在を受容しながら、どうすれば冷静でいられるでしょうか?

「私たちは、個人として日常的にAIとやりとりしています。」とGoyalは語り、次のように述べています。「Alexaがその良い例です。しかし、企業顧客にとっては、それは現実のことではありません。彼らはこのアイデアを採用したくてたまりませんが、その方法が分からないのです。」

Goyalは、AIをビジネスに適用することに興味を持っている人に対して、次の3つのステップを順番に実行するよう勧めています。

  • 質問する。実際に改善を実現するため、AIの手法をどこに適用できますか? AIを適用可能なユースケースを理解し、AIのテクニックを適用して実際の利益を得ることができる事例に注目します。たとえば、従業員の労働時間の節約、応答時間の短縮、資材の修理と交換にかかる費用の節約などが挙げられます。
  • 実験する。AIを大規模に適用するなら、最初に実験することが不可欠です。Goyalは、GoogleとAmazonが「彼らのDNAにAIを取り込むには長い時間を要した」と言います。適切なデータインフラストラクチャは何ですか? どのような人的資本が必要ですか? 必要な量と質のデータはありますか? 適任者がいますか? 基本的なインフラストラクチャをセットアップする方法を知っていますか? モデルを調整する方法を知っていますか? AIを適切に調整するには時間がかかります。それらの知識を持っていることを確認してください。
  • スケールアップする。ある時点で、AIをビジネス戦略、製品の考え方、顧客サポート、物流、マーケティングなどに取り込む必要があります。AIを使用して成功したら、スケールアップする必要があります。このスケールアップは、インフラストラクチャ、データ、ビジネスプロセスという複数の次元にわたって行います。Goyalは、「最終的には、組織の各拠点でAIがどのように役立つかについて毎日考える、悟りの状態に達したいと思うようになります。」と語ります。


科学と芸術

企業は、AIをどのように採用するかを理解する過程で、不確実さに慣れていくことが重要です。「AIは単なる科学ではなく、芸術です。」とGoyalは言います。

AIは数学を基盤として作られていますが、思ったほど整然としたものではありません。独立系のデータ科学者であるMiranda Mowbray氏は、「AIについて予測することは、かなり難しいことです。」と述べています。「このような予測結果はひどく滑稽なものであり、極度の楽観主義と極度の悲観主義の両方を示し、専門家の合意ですら場合によっては大きく間違っていることがあります。」

1つの重要な課題は、今日のAIアプリケーションがきわめて大量のデータを必要とすることです。一般にAIプログラムは、道路で運転したり、チェスをしたり、ホットドッグを認識するといった1つの作業を学ぶために、膨大な量のデータを必要とします。

AIに期待されていることは、大量のデータをうまく処理することであって、それを悪化させることではありません。たとえば、自動運転を「完全に安全」にするには、「10億マイル分の運転データが必要で、各マイルの運転データは15ギガバイトにもなります。」とWuは語ります。

最終的に、研究者は、ビッグデータのインサイトに対する貪欲な要求が、汎用人工知能(AGI)によって満たされることを期待しています。これは究極の理想であり、非常に特殊な1つの作業ではなく、さらに多くのことを行うことができるAIです。

しかし、これには難点もあります。「1つのことを行うように現在のAIシステムをトレーニングした後、別のことをするようにトレーニングすると、2つ目のことを学ぶのが迅速でないだけでなく、最初のことをうまくできなくなる可能性があります。」とMowbray氏は言います。

Googleは「マルチモーダルシステム」を実験しており、ある分野における機械学習を別の分野の問題に適用することにある程度成功しています。これは進歩ではありますが、AGIからは遠く離れています。

AIには、きわめて効率が高く強力な計算能力が必要です。今日のAIワークロードはスーパーコンピュータ上で実行されることが多くなっています。しかし、ムーアの法則の終焉が目前に迫っていることにより、今日のコンピューティングアーキテクチャは、AIの膨大な処理要求を扱うには不十分です。HPEのメモリ指向型コンピューティングプロジェクトであるThe Machineは1つのソリューションです。AIは、データの必要性、能力、メモリ需要などを考慮し、今後もきわめて効率が高く強力なシステムでの実行を必要とします。The Machineでは、メモリがコンピューティングアーキテクチャの中核をなしており、ユーザーは任意の計算ノードを使用してそのメモリプールを操作できることから、AIをより実用的なものにするツールの1つとなる可能性があります。

さしあたり、Libratusにより、完全な情報を必要とする状態ではなく、不完全なデータを使用した推論への移行が支援されています。

結局のところ、AIが完璧になるまで待ってから各自のビジネスニーズに合うかを調査することも、欠点を考慮せずに飛びつくこともできません。他のあらゆるものと同様に、AIは、ビジネスを助けるツールにも妨げるツールにもなりうるのです。あなたの会社にとってそのどちらになるのかは、各自のニーズ、テクノロジーとプロセスの実装方法、あなたの忍耐力によって変わります。


ビジネスのためのAI:リーダーとしての知恵

  • 困惑を受け入れてください。AIは大変革をもたらすものですが、慎重なアプローチとある程度の困惑も受け入れる必要があります。
  • 従業員の労働時間の削減、応答時間の短縮など、実際の利益を得るためにAIの手法をどこに適用すべきなのかを特定します。
  • 実験を計画します。AIを適切に調整するには時間がかかります。

この記事/コンテンツは、記載されている特定の著者によって書かれたものであり、必ずしもHewlett Packard Enterpriseの見解を反映しているとは限りません。

enterprise.nxt

ITプロフェッショナルの皆様へ価値あるインサイトをご提供する Enterprise.nxt へようこそ。

ハイブリッド IT、エッジコンピューティング、データセンター変革、新しいコンピューティングパラダイムに関する分析、リサーチ、実践的アドバイスを業界の第一人者からご提供します。