Appier、「2020 AIトレンド＆2021 予測」を発表

Appier

チーフAIサイエンティスト ミン・スンが自然言語処理、人間中心AIなど2021年のトレンドを予測

AI（人工知能）テクノロジー企業のAppier（エイピア、共同創業者／CEO:チハン・ユー、以下Appier）は、「2020年のAIトレンドと2021年の予測」を発表しました。AppierのチーフAIサイエンティストであるミン・スンが、新型コロナウイルス感染拡大の影響によって大きく進んだ2020年のAI活用、および2021年に予測されるAI技術の進化や社会変化を予測しました。

1．2020年におけるAIトレンド総括
1.1　新型コロナウイルス感染症による影響
新型コロナウイルス感染拡大の影響で生活様式が大きく変化し、それに伴いデジタル変革は従来の5倍のスピードで進み、一般消費者だけでなく学校教育においても、すべての人がデジタルデバイスを使う時代となりました。最近では医療現場における高速な診断、医療機関の自動化など、病院や介護施設でもAIが使われています。こうした変革が起こる中で、我々はAI技術を駆使して新型コロナウイルス感染症と戦っていく必要があります。
また、デジタル決済などの金融、オンライン診療などの医療、オンライン授業などの教育といった多岐にわたる分野において非接触ソリューションが拡大し、ニューノーマル経済を推進しています。このように様々な分野においてデジタル変革が起きたことにより、2020年はIT企業がかなり優位になりました。なぜならIT企業は必要とされるソリューションを提供可能かつ多くの企業がデジタルを駆使して様々なことに対応するようになったからです。様々な分野でデジタル化が加速したことから、2021年はすべての企業が自社をIT企業として捉えるべきであり、テクノロジーを高度に利用し、より多くのデータを収集し、AIを戦略的使うことが重要となる、とミン・スンは予測します。

1.2　画像認識や自然言語処理などの分野で起きた「AI革新」
オンラインから収集できるデータ量の増加やクラウド上での大規模な実証の実現により、AI革新は今後も続くと予想されます。2020年には大きく3つの異なる様相においてブレークスルーが起こりました。1つ目は画像認識という分野です。教師なしメソッドであるSimCLR（https://ai.googleblog.com/2020/04/advancing-self-supervised-and-semi.html）が提案されたことにより、少ないアウトプットで画像を認識できるようになりました。2つ目は自然言語処理という領域です。昨年、巨大な言語モデルであるGPT-3（https://openai.com/blog/openai-api/）が登場しました。これは言語理解、言語生成において他のモデルをかなり上回るパフォーマンスを示し、言語モデルとして初めて1千億個を超えるパラメーターを利用するモデルとなりました。3つ目はタンパク質フォールディング（https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology）です。タンパク質フォールディングは医薬品の設計や新型コロナウイルス感染症などの病気の理解など化学的な発見をすることが可能です。

2．2021年AIトレンド予測
2.1　自然言語処理
まず1つ目のトレンド予測は、生物医学の分野での自然言語処理モデルの利用増加です。ハーバード大学の研究によると、AIに対してテキストを読むのではなく、生物学的な配列を読み込ませることで、新型コロナウイルス感染症の変異を予測することが可能になるということがわかっています。これにより現実世界において変異を念頭に置いて備えることができるということです。

また、2020年に複数の分野でAIの進化が見られたことから、各分野でのコラボレーションが進むことも予測します。具体的には、言語でインプットし、画像でアウトプットすることなどが考えられます。2021年の初め、スタートアップ企業であるOpenAI（https://openai.com/blog/dall-e/）はデモンストレーションを発表しました。例えば「犬を散歩させている、チュチュを着ている赤ちゃん大根のイラスト」と入力すると、それに沿ったイラストがいくつも作成されます（図1参照）。これにはGPT-3が活用されており、このデモンストレーションを作成するためにAIに再学習させる必要はないということを同社は主張しています。

図1


2.2　人間中心AI
2つ目に人間中心のAIという考え方は今後も続くと予測します。開発されたAIのエンドユーザーは人間であることから、研究者はAIの開発にあたって人間を中心に据えなくてはならないと、ミン・スンは主張します。この考え方を技術の面から見ると、「安全な利用に向けて、いかに保証付きのAIを開発するか」「人間が理解できるよう、どのようにAIに自身の行動を説明させるか」「人間とのやりとりを通して、AIにどうやって効率的に学習させるか」という3つの分野に注力しています。
また、2021年は単に人間中心のAIということだけではなく、我々人間の行動に対してより感度の高い察知力を伴う環境知能も普及してくると思います。スタンダードメディカルスクールでは現在新しい方向性に進んでいます。AIが病院や家庭に設置されているセンサーをコントロールすることによって、理論上はより多くの命を救うことに繋がるのではないかと予測しています。例えば病院に設置されているセンサーを分析することで医療過誤を予防することに繋がり、また、特定の患者の状態が悪くなっているということをアラートで出すことも可能です。さらに、赤外線センサーや震度センサーを使うことで個人のプライバシーを保護したうえで感染経路などを把握できます。

2.3　より少数のインプットに基づく学習
最後に、より少数のフィードバックからAIが学習可能になるということを予測します。10年ほど前は、専門家がルールを作成していましたが、ルールは非常に複雑かつ未完成でした。次に機械学習に移りましたが、データの収集にコストがかかるほか、必ずしもエンドユーザーの目的を満たすとは限りませんでした。
そのため、機械学習がシステムから学ぶことが重要で、その際に数人から直接フィードバックをもらい、最終的にそのフィードバックに基づいて学習させることによってよりパーソナライズしたサービス・結果が実現されることを予想しています。

さらに今後は、より多くのデバイス上でAIが効果的に用いられ、時計やメガネなどのウェアラブルデバイス（図２参照）や、ドアベルに設置されているカメラなどの据え置き型のデバイスなど、あらゆる分野でAIが普及すると考えます。このように今後我々人間は日常の行動でAIとやりとりができるようになると予測します。
日本の事例には、子どもの近視を防止するAI搭載の眼鏡（https://aiglasses.tokyo/products/holdon-ai-glasses）を開発・提供している企業がありました。このように身近なところでAIが導入されており、この流れはさらに加速することになるでしょう。

3．今後の課題
上記で述べたトレンドに伴う課題として、AIのバイアスがあります。AIは人間が作っており、また活用されるデータは人間が収集したものであるために、AIにバイアスがかかっていることは当然だと言えます。その対策として、データやアルゴリズムにどのようなバイアスがあったのかを監視することが必要となってきます。そして、そのバイアスによってどのような影響が出るのかを分析し、できるだけその影響が大きくならないよう、データの収集プロセスの見直しや、バイアスの少ないデータを集めること、アルゴリズムを公平にするといった調節が必要になってきます。

Appier について



Appier は、AI(人工知能)テクノロジー企業として、企業や組織の事業課題を解決するための AI プラットフォームを提供しています。詳細はhttps://www.appier.com/ja/をご覧ください。
※過去の発表はhttps://www.appier.com/ja/news/をご覧ください

Appier　チーフAIサイエンティスト　MIN　SUN（ミン・スン）



2005年からGoogle Brainの共同設立者の一人であるAndrew Ng(アンドリュー・エン)氏、元Google CloudのチーフサイエンティストであるFei-fei Li(フェイフェイ・リー)氏などのプロジェクトに携わり、AAAI（アメリカ人工知能学会）をはじめ世界トップの人工知能学会で研究論文を発表。2014年に国立清華大学の准教授に就任。
2015年から2017年には、CVGIP（Computer Vision Graphics and Image Processing）Best Paper Awardsを3年連続で受賞。専門分野は、コンピュータビジョン、自然言語処理、深層学習、強化学習。2018年には「研究者には肩書きよりもデータが必要」と感じ、AIテクノロジー企業AppierにチーフAIサイエンティストとして参画。新製品の開発、既存製品の機能改善のほか、記述的な課題解決を行う。