機械学習のトップマインドによる2020年のAI予測(3/3)

１．機械学習のトップマインドによる2020年のAI予測(3/3)まとめ

・ニューラルネットワークを訓練する際の計算は非常に無駄が多く根本的な再考が必要
・AIの解釈可能性の向上にはニューラルシンボリックアプローチが有用とIBMは考えている
・顔認識技術以外にも音声認識など様々な生体認証技術の精度向上はまだあまり認知されていない

２．ニューラルシンボリックアプローチ

以下、venturebeat.comより「Top minds in machine learning predict where AI is going in 2020」の意訳です。元記事の投稿は2020年1月2日、KHARI JOHNSONさんによる投稿です。

アイキャッチ画像はPhoto by Drew Beamer on Unsplash

５）Dario Gil(IBM Research director)

Gilは、ホワイトハウスや世界中の大企業に積極的に助言する研究者グループを率いています。彼は、2019年の大きな飛躍には、生成モデルがもっともらしい文章を生成できる程に品質が向上した事が含まれると考えています。

彼は、精度を少し低下させる代わりに効率的なアーキテクチャが使用され、より効率的なトレーニング手法が継続的に進歩していく事を予測しています。NeurIPSでは、より効率的なAIモデルの開発に重点が置かれ、IBM Researchは、8ビット精度モデルを使用したディープラーニングの手法を発表しました。

「GPUアーキテクチャを備えた既存のハードウェアであってもディープニューラルネットワークをトレーニングする方法は、依然としてかなり非効率的です」と彼は言います。「ですから、本当に根本的に再考する事が非常に重要です。AIの計算効率を改善して、より多くのことができるようにしなければなりません。」

Gilは、機械学習のトレーニングに使われる計算機資源の需要の高まりが、ムーアの法則よりはるかに速く、3か月半ごとに2倍になっている事を示唆する研究を引用しました。

Gilはまた、AIが科学的発見の加速にどのように役立つかについても興奮していますが、IBM Researchは主に機械学習にニューラルシンボリックアプローチを適用する研究に焦点を当てます。

2020年に、GilはAIの実践者と研究者が、製品展開されたモデルの価値を考慮するために、精度だけでなく様々な基準に焦点を当てることを望んでいます。何よりも精度を優先するのではなく、信頼できるシステムを構築する方向に分野をシフトすることが、AIを継続的に採用するための中心的な柱になると言うのです。

「コミュニティのメンバーの中には、『心配する必要はないですよ、正確であれば良いのです。大丈夫です、人々はAIが少し中身が不明瞭なブラックボックス的な部分があるという事実に慣れるかもしれません』と言う人もいます。あるいは『人間だって自分自身が下した決定を全て説明できるわけではない』という議論をするかもしれません。コミュニティの知的火力を集中させて、AIのブラックボックス的な部分を説明可能なように更に改善することが本当に重要だと思います。AIシステムをブラックボックスのまま失敗が許されないような重要なアプリケーションに搭載する事はできません」と彼は言います。

Gilは、データサイエンスとソフトウェアエンジニアリングのスキルを持つより多くの人々がAIを使い始める事が、AIは限られた数の天才だけが使いこなす事ができるという神話を取り除く事になると信じています。

「私達がこのAI神話を誤解のままにした場合、これに取り組む一部のPhDだけが取り扱い可能な技術になりますが、それはAIを広く世の中に採用させる事に繋がりません」と彼は言います。

今後1年間、Gilは特にニューラルシンボリックAIに関心を持っています。IBMは、確率的プログラミング(AIにプログラムの操作方法を学習させるためなどに使用)や、AIがどのようにして意思決定に至ったのか背後にある理由を共有できるようなモデルなどを強化するためにニューラルシンボリックアプローチに注目しています。

「私達は学習と推論を結びつける新しい現代的な混合アプローチを取っています。symbolic dimensionを学習プログラムに組み込むニューラルシンボリックアプローチを通じて、私達は必要なデータが一部だけでも学習できることを実証しました。」

彼は言います。「プログラムを学習する事で、解釈可能なものを手に入れる事になります。また、解釈可能なものがある事で、はるかに信頼できるものを手に入れる事ができます。」

公平性、データの整合性、およびデータセットの選択の問題は、「生体認証に関係するあらゆるもの」と同様、引き続き多くの注目を集めるでしょう。

彼は言います。「顔の認識技術は多くの注目を集めていますが、それはほんの始まりに過ぎません。音声データは、他の形式の生体認証と同様に、感度が向上しています」彼は続けてRafael Yuste氏を引用しました。Rafael Yuste氏はコロンビアの教授で、ニューラルネットワークを使った技術に取り組んでおり、視覚皮質の神経パターンを抽出して認証に使う方法を模索しています。

「私はこれを、人間の身元確認や生体認証に関係する全ての事に関して、AIの進歩が引き続き中心的役割を担う事になる例として挙げています」とGil氏は言います。

2020年は、MIT-IBM Watson Labが力を入れるニューラルシンボリックアプローチおよび常識の推論(common sense reasoning)に加えて、IBM ResearchがAIの量子コンピューティング、および精度を低下させたアーキテクチャを超えて、アナログハードウェアを用いたAIについても調査する予定だとGilは述べました。

最終的な結論

機械学習はビジネスと社会を形作り続けており、研究者や専門家はVentureBeatに次のように語っています。

・Transformersが大きな飛躍を遂げ、自然言語モデルが進歩した事が2019年の大きな進展でした。2020年には、BERTおよびTransformerベースのモデルのバリエーションを見る事になるでしょう。

・AI業界は、モデルの出力を精度以外の観点から評価する方法を探す必要があります。

・半教師付き学習、機械学習へのニューラルシンボリックアプローチ、マルチタスク学習やマルチモーダル学習などの関連研究は、今後1年で進歩する可能性があります。

・音声録音などの生体認証データに関連する倫理的課題は、引き続き議論されていく事になるでしょう。

・モデルのパフォーマンスを最適化する方法として、PyTorchやTensorFlowなどの機械学習フレームワークでは、新たなコンパイラと量子化アプローチなどが注目を集める可能性があります。

VentureBeatがカバーすべき革新的なテクノロジーについてご存じですか？AIエディターのSeth Colaner、シニアAIのスタッフライターKhari Johnson、またはスタッフライターのKyle Wiggersにメールでお知らせください。