AI、機械学習、データサイエンス、ディープラーニングの2020年の進展と2021年の予測インダストリー編(3/3)

AI

1.AI、機械学習、データサイエンス、ディープラーニングの2020年の進展と2021年の予測インダストリー編(3/3)まとめ

・コロナの大きな影響を受けた業界以外はAI関連プロジェクトへの投資を減らしていない
・AIを使用するため自動運転、航空宇宙、医療規格委員会での認証を取得する動きが加速
・様々な特徴表現をまとめたFeature Storeが2021年に人気を集めるかもしれない

2.ビジネス界における人工知能やマシンラーニングの2020年の振り返りと2021年の予測

以下、www.kdnuggets.comより「Industry 2021 Predictions for AI, Analytics, Data Science, Machine Learning」の意訳です。

アイキャッチ画像のクレジットはPhoto by sol on Unsplash

(8)Johanna PingelとDavid Willingham:MathWorksのDeep Learning Project Managers

・COVID-19に関する注意事項:AIへの投資は減少していません
2020年の予想外のトレンドであるCOVID-19について言及がなければ、私達は失望するでしょう。これは、2021年まで続くと予想されます。AI関連プロジェクトへの全体的な投資は減少していません。いくつかの大きな影響を受けた業界は短期的に縮小しましたが、アナリストは、これらが予測よりも投資を増やした人々によって相殺されたと報告しています。多くの人がこの時間を使って遠隔教育のスキルアップに投資しており、AIをテーマにしたコースは、エンジニアリングや科学のコミュニティで最も人気があり、2021年にさらに多くのAIプロジェクトに取り組む準備ができています。

・AIは、エンジニアリング、コンピューターサイエンス、データサイエンス、ITの方向性を調整します
エンジニアは、AIモデルを使用してデータサイエンティストと協力し、既存のアプリケーションを強化したり、作業中のプロジェクトに対する新しい革新的なソリューションを発見するようになります。ただし、AIベースのシステムを成功させるには、モデルを開発するだけでは不十分です。モデルのライフサイクル管理が必要であり、これには、モデルのトレーニング、展開、監視、およびモデルが存在するシステムの更新が含まれます。これを効率的に行うには、これらのプロセスを自動化し、堅牢で、適切に保守する必要があります。2021年に、エンジニアはワークフローを拡張して次のものを含めるようになります。(訳注:原投稿に漏れがあって、「次のもの」が欠落しているように見えます)

・モデルの説明可能性により、絶対的な安全が求められるシステム内でのAIへの嫌悪感が軽減されます
AIは、モデリングシステムへのブラックボックスアプローチと長い間考えられてきました。そのため、AIがどのように動作するかはほとんどわかっていません。より多くの説明可能な方法が研究によって生み出され、より多くのソフトウェアベンダーツールがそれらを提供するにつれて、業界の実務家はワークフロー内でAIイノベーションをより容易に採用するようになります。

エンジニアや科学者は、モデルが特定の決定を下す理由と、モデルが安全に動作できる限界を理解し始めています。彼らは、様々なシナリオでモデルがどのように動作するかを説明するための実験を実行し、視覚化を使用して、モデルが正常に動作しない場合のモデルの内部動作を理解しています。これは、安全性が重要なシステム内でのAIの検証と妥当性確認の革新を推進しており、自動車、航空宇宙、およびEUROCAEやFDAなどの医療規格委員会が認証に必要なレベルに取り組んでいます。

(9)Maksym Tatariants:MobiDevのデータサイエンスエンジニア

2020年に定義されたモバイルアプリを含む人気ソフトウェアでの機械学習の採用の拡大。AppleのM1チップやNvidiaのAmpere GPUアーキテクチャなどのハードウェアサポートとともに、「インテリジェントプロセスの自動化」は2021年も成長を続けます。

更に、Edge AIはハードウェアの進化に大きく貢献しています。スマートフォンやIoTデバイス向けの最新のニューラルネットワークの最適化に明確な焦点が当てられるようになってきています。Automated Mixed PrecisionやTensorRTなどのアクセラレータ技術が利用可能になり、使いやすくなっています。これにより、エッジコンピューティングをより適切に実行するのに役立ちます。その結果、ユーザーのデータのプライバシーとセキュリティが向上します。

三次元研究は、もう1つの重要なトレンドです。3D再構成ポーズ推定シーンの理解です。まだ情報が不足していますが、有望なモデルアーキテクチャがたくさん登場しています。2021年の課題は、性能がそれほど高くない一般消費者向けハードウェアで三次元との連携をリアルタイムで操作する方法を学習する事です。

(10)Dan Sommer:Qlikのグローバルマーケットインテリジェンスリード、シニアディレクター

Gartnerによると、2024年末までに、企業の75%がAIを試運用から実運用に移行し、ストリーミングデータと分析用のインフラストラクチャの需要が5倍に増加するとのことです。最新且つビジネス用途に耐えうるデータを持つことは、これまで以上に重要になります。

パンデミックが発生して以来、リアルタイムで最新のデータの必要性が急増しています。通常時にもかなり陳腐化しているもの(例えば、四半期ごとのビジネス予測)は、一時的ですぐに変わってしまいます。アラート、データの更新、および予測は、最新の変数を使用して、より頻繁に実効する必要があります。

マクロレベルでは、病院が個人用防護具(PPE:Personal Protective Equipment)の調達を急いでおり、消費者がトイレットペーパーを備蓄しているなど、サプライチェーンの混乱が見られました。PPEの場合、実際の不足への対応が遅すぎました。トイレットペーパーでは、消費者は十分に在庫があったのに不足していると想定してサプライチェーンを壊しました。このような群衆の殺到は危機の際に強調され、私達はこれに対する準備を構築する必要があります。

(11)Kimberly Nevala:SASのAI戦略アドバイザー

・分析の「コアが強化」されます
パンデミックは予想されるビジネスの方向を覆し、大量の代表的な履歴データに依存する機械学習システムの弱点を明らかにしました。これらは十分に制限された合理的に予測可能なパターンを含むデータから学習するため想定外の自体に対応できませんでした。その結果、組織は、迅速なデータ発見と仮説化により適した従来の分析チームと手法への投資を強化します。

訳注:「コアが強化」の部分は「Core Gets Reinforced」なので、リサーチ編の方で出ていた想定外の自体を予測するために強化学習(Reinforce Learning)を使うアイディアかと思ったら、強化は強化でも従来の分析チームと従来手法への投資を強化との事で真逆の予想で面白いですね。

倫理的なAIの原則は、責任あるAIの実践に委ねられています。組織は、原則として倫理を超えて、AIの意思決定を導くための実践的な手順に移行します。これには、適切なサイズのAIガバナンスと、特定の業界、問題領域、成熟度の監視が含まれます。

AI対応の製品およびサービスに対する説明責任は、製品の所有者にあります。消費者の意識とエージェンシーの向上に支えられて、主要な採用者は、付加価値のある差別化要因として「責任あるAI」の実践を促進します。

(12)Sarah Gates:SASのAnalytics Strategist

ModelOpsの年
COVID-19によって引き起こされたプレッシャーにより、ModelOpsに対する組織の認識と必要性が高まりました。ModelOpsは、分析ライフサイクルを通じて数学モデルを迅速に移動し、価値と洞察をより迅速に提供するために使用される包括的なアプローチです。デジタルトランスフォーメーション(DX)を加速し、俊敏性と競争力を向上させたい組織にとって、ModelOpsはそれを可能にする魔法の妖精の粉です。

(13)Monte Zweben:Splice MachineのCEO

・フィーチャーストア(訳注:Feature Store、様々な特徴表現をまとめたショーケース的な、リポジトリ的なもの)は、機械学習を運用可能にするために2021年のNo1のML製品として実装されます。

・すべての商用データベースはML機能を持つようになります。

・クラウドへの移行は10倍に加速し、AWS、Azure、GCPによる大規模な市場占有を引き起こします

・企業はOracleやIBMがロックイン(訳注:lock-in、他社製品に移行出来なくなるように顧客を縛りつける事)したのと同等のクラウドプロバイダーによるロックインを恐れているため、ベンダーによるロックインはクラウド移行の最大の懸念事項になります

・縦割り組織に良くあるデータサイロ(訳注:silo、元の意味は農産物や飼料などを貯蔵するために牧場などに設置してある縦長の建物の事。これが転じてデータが部署毎に独自の形式で保管されており横連携が出来なくなってなって分断化されている事をデータサイロ化と言う)から脱却するにつれて、機械学習とデータサイエンスの民主化について誰もが話し合うことになります。2000年代の「ウェブ」のように、現在、全ての開発チームがウェブに関するスキルを持っています。MLでも同じことが起こります。

・データレイクはついに消滅し、構造化データ用にまとめられたSQLデータウェアハウスと非構造化データ用の関連するクラウドストレージの再出現により、ビッグデータの夢がついに現実のものになります。

3.AI、機械学習、データサイエンス、ディープラーニングの2020年の進展と2021年の予測インダストリー編(3/3)関連リンク

1)www.kdnuggets.com
Industry 2021 Predictions for AI, Analytics, Data Science, Machine Learning

コメント

タイトルとURLをコピーしました