デジタルトーク

2018.02.20

共通 AIの次なる進化により何が起こるか

「誰でもAIを構築できる時代」が到来する!?

Googleが2017年に、AIに関する新たな取組みを以下のように発表した。
 

 Googleが進める『AutoML』プロジェクトでは、AI構築すら“AIによる自動化”によって実現しつつある。将来的には、この技術を使うことによって、たとえプログラミングが出来ない人であっても、目的に応じてAIを構築できるようになる。



「AutoML」とは、機械学習の最新技術である「Learning2Learn」や「転移学習」を活用することで、プログラミングや大規模な教師データが無くても、高精度なAIの自動構築を実現可能にするものである。

これは、AIの進化における新たな方向性を感じさせるものであり、AI導入におけるユーザーの敷居を下げる「親化」と呼べるだろう。AIの進化はこれまで、機械学習の一手法である「ディープラーニング」を起点として、特定用途におけるAIの質、すなわち精度とスピードを高めていく「深化」と、新たな用途にAIを適用させていく「新化」が中心であった。具体的には、「深化」は高精度での画像認識や音声認識の実現、「新化」は自動運転や対話エージェントへの適用などである。しかしながら、「深化」「新化」の中で問題視されてきたのは、AIを構築できる人材、すなわち「データサイエンティスト」の圧倒的不足である。この問題は、Googleも同様に抱えており、先述の「AutoML」―AIによるAIの自動構築―もその解消を目的としたものだといえる。更にいえば、この「AutoML」はGoogle社内向けに留まらない。Googleからの招待制で利用できる企業は限られるが、2018年1月に、画像認識用「AutoML Vision」のα版を、社外向けに提供開始している。

以上のように「AutoML」技術が確立し、広く一般利用できるようになったとしたら、ユーザーの負担が下がることは間違いない。しかし、本当に「AI人材がいなくても、あらゆる企業が手軽にAIを構築できる時代」がやってくるのであろうか。

AIの汎用化が実現するまでは、AI人材の有無による格差が顕著化していく

私は、「逆に企業ごとのAI人材の格差が顕著に拡大していく」と考えている。「親化」が進むとはいえ、1つのAIで種々の用途や機能に対応できる「汎用型AI」の実現は、まだまだ先と想定される。直近においては、特定の用途や機能にのみ対応できる「特化型AI」に限定されるだろう。やはり何でもAIに、というのは難しい。

「特化型AI」では、企業の課題や活用ニーズに応じて、最適なAIを選択していく必要がある。各AIによって、対応可能な領域/不可能な領域や、得意領域/不得意領域が存在するからだ。また、企業固有の用途には、用途に合わせたデータやモデルの最適化が必要となり、一定のカスタマイズは必要となる。すなわち各企業には、「どのような用途にどのようなAIを活用できるのか、を判別できるAI人材」が必要になる。「AutoML」のような技術により量産されるであろう特化型AIを、いかに「目利き」していけるか……それがより重要になるということだ。例えば、数値予測はこのAI、結果のYes/No判定はこのAI、画像認識は・・・といった感じだ。

ではAI人材がいない企業はどうすればいいのか? 結局のところ、AI人材を確保するか、AIの汎用化、すなわち「汎用型AI」の実現を待つしか選択肢はない。ただ、「汎用型AI」の実現はまだまだ先であり、その間にも、AI人材を保有する企業との間に水を空けられてしまう。そうした格差を極小化するためにも、AI人材が乏しい企業は、最低限の敷居を乗り越えるための、最低限の「目利き」人材を確保しておく必要があるのだ。

ビジネスとAIとを繋ぐ「データプランナー」が必要

それでは、ここでいうところの「最低限のAI人材」とはいかなるものだろうか? AIを構築できる「データサイエンティスト」までのレベルは必要ない。AIの企画ができる「データプランナー」こそが上記でいうところの「目利き」人材だ。

もしもこの「データプランナー」を確保できた場合には、大きな役割が2つ求められることになる。1つ目は、AIによる打ち手の構築である。企業課題に対し、必要なアウトプットと活用可能なデータを踏まえ、AIで対応可能な部分とそれ以外を切り分けるとともに、必要なAI機能の定義をしていく役割のことである。もう1つの役割は、AI導入に向けたアプローチ設計だ。AIの効果最大化に必要なインプットデータや、最適なツール/アルゴリズムを選定していく役割である。

しかしながら、現在の人材市場の実情を見れば、「データプランナー」でさえもすぐに獲得することは難しいと想定できる。こうなれば、相応しい人材の育成を内部で進めざるを得ないところだが、AI技術の進化スピードの速さを考えると、企業側の対応は待ったなしの状況かもしれない。今後は、Googleの「AutoML」をはじめとするAIの進化動向はもちろんのこと、それに対する企業側の対応も注視していきたい。

マネージャー 宮崎 晃

政府系金融機関、総合コンサルティングファームを経て現職。
金融・ヘルスケア・メディアを中心に、ビッグデータアナリティクスを主軸として、業務改革や戦略立案など多数のプロジェクトに従事。直近では、データサイエンティストとして、AI・機械学習の構築まで行い、企業におけるラピッドプロトタイピングを支援。

We use cookies to enable website functionality, understand the performance of our site, and serve more relevant content. We may also place cookies on our and our partners' behalf to help us deliver more targeted ads and assess the performance of these campaigns. For more information, please review our Privacy Policy(Japanese).

当サイトでは、サイト機能の有効化やパフォーマンス測定、関連性の高いコンテンツ表示といった目的でCookieを使用しています。また、メールマガジンを始めとした当サイトによるキャンペーン実施やその効果測定のためにCookieを使用する場合があります。詳しくはプライバシーポリシーをご参照ください。

×