人工知能とデータサイエンスの2019年の主な進展と2020年の予測developments編(1/3)

１．人工知能とデータサイエンスの2019年の主な進展と2020年の予測developments編(1/3)まとめ

・「分析業務」および「AIを現行業務に適用する業務」のステータスと認識の改善
・解釈する必要があるデータは、常に偏見に対するリスクを伴います。偏見のないデータは独立している
・アルゴリズム、モデル、チャットボットが誰かの人生に影響を与える可能性があると言う認識の必要性

２．開発視点から眺める人工知能の進化の方向性

以下、www.kdnuggets.comより「AI, Analytics, Machine Learning, Data Science, Deep Learning Technology Main Developments in 2019 and Key Trends for 2020」の意訳です。元記事の投稿は2019年12月、Gregory Piatetskyさんによる投稿です。2月も上旬が終わってしまいますが、参考になるので2019年はしっかり振り返る予定です。
research編, developments編, industry編と三部構成の第二部です

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

一流の専門家に尋ねました。
AI、分析、機械学習、データサイエンス、ディープラーニングにおける2019年と2020年の主要なトレンドの最も重要な動向は何ですか？今回の投稿では、主にテクノロジーの開発とその製品展開に焦点を当てています。

昨年、予測されたいくつかの傾向は実現されました。
・AIの倫理にもっと注意が払われる
・データサイエンスの民主化
・強化学習の進歩
・中国がAIで成功を収める

2019年には予測されていなかった驚きもありました。昨年の専門家によるインタビューでは誰もNLPの突破口を予測していませんでした。(GPT-2、その他のバージョンのBERTやトランスフォーマーなど)。

今年も専門家に尋ねました。「2019年のAI、データサイエンス、ディープラーニング、機械学習の主な進展は何でしたか？また、2020年にどのような主要な傾向が予想されますか？」

約20件の返信を受け取りました。第一部はより研究に焦点を当てた記事でした。

今回は、テクノロジー開発、およびその製品展開に焦点を当てた第二部を示します。一般的なテーマとしては、AIの誇大広告、AutoML、Cloud、Data、Explainable AI、AIの倫理があります。

回答をくれたのはMeta Brown, Tom Davenport, Carla Gentry, Nikita Johnson, Doug Laney, Bill Schmarzo, Kate Strachnyi, Ronald van Loon, Favio Vazquez, そして Jen Underwoodです。

(1)Meta Brown(@metabrown312)は、Data Mining for Dummiesの著者であり、A4A Brownの社長
2018年には、「人工知能」という用語の使用が劇的に増加し、自動運転車などの真に洗練されたアプリケーションから、ダイレクトマーケティングでの傾向を説明すると言う平凡な用途まで、あらゆる事を説明するために使われるようになりました。私は2019年、人々はこれがすべて数学に過ぎないことを理解すると予測したのですが、半分正しかったです。

一方では、より多くの人々が、現在「AI」とラベル付けされているものの制限を認識し始めています。

人々は、顔認識技術がピエロの化粧によって妨げられる可能性があること、カスタマーサービスチャットボットの背後には本当の知性がないこと、ソフトウェアを医師よりもスマートにするために数百万を費やしても、未だ成功していない事を認識しています。

しかし、「人工知能」は今でも流行語であり、ベンチャーキャピタルの資金はいまだに流入しています。2019年の最初の9か月で130億ドル以上がAIスタートアップに投資されました。

2020年、人工知能の前にある2つの道を探してください。AIの限界に対する疑念、疑念、認識の高まりに続く道。そしてAIが約束する希望、夢、お金を投資し続けているビジネス界および投資コミュニティが持っているイメージに続く道です。

(2)Tom Davenport(@tdav)バブソン大学の情報技術と管理の学長教授、国際分析研究所の共同設立者、デジタル経済に関するMITイニシアチブのフェロー、デロイト分析の上級顧問

2019年の主な開発：
・データサイエンスのより構造化された側面に対応する自動化された機械学習ツールの広範な展開
・分析とAIには倫理的な側面があり、意識的に対処する必要があるという広範な認識
・ほとんどの分析およびAIモデルは製品展開されておらず、結果としてそれらを作成する組織にとって価値がないという認識が高まっています

2020年に予定されている開発：
・組織で使用される機械学習モデルを作成、管理、監視する一連のツールの可用性向上。環境変化に直面するモデルの継続的な再トレーニングとモデルのインベントリ管理に重点を置いています。

・「分析業務」および「AIを現行業務に適用する業務」のステータスと認識の改善。彼らはビジネスユーザーやリーダーと協力して、ビジネス要件を高レベルのモデル仕様に変換します。

・モデルがデータに適合するか否かは、それが有用であるかどうか判断する際に考慮される事項の1つにすぎないという認識

(3)Carla Gentry(@data_nerd)コンサルティングデータサイエンティストであり、Analytical-Solutionのオーナー

AI、機械学習、データサイエンスでできることとできないことをめぐる誇大広告とニュースの1年でした。
私はこれらの分野に飛び込む未熟な専門家、これらのコースを教える資格のない教師、いわゆる認定や学位を吐き出す大学の数にうんざりしています。

データサイエンスと機械学習は大量のデータに依存していますが、私達はもう1年「偏見」を誤解する年に直面しています。解釈する必要があるデータは、常に偏見に対するリスクを伴います。偏見のないデータは独立しているため、解釈する必要はありません。

例をあげましょう。
「メアリーは投資利益率を10％増加させました。」対「メアリーは勤勉です」
後者は「意見」であり、測定することはできません。

先日、私の目を引いた記事のタイトルは、「データサイエンスは死にかけていますか？」でした。その記事を読む前の私の最初の考えは、「いいえ、しかし、すべてのデータサイエンティスト志望者や誇大広告はデータサイエンス分野の力になりませんでした。データサイエンスは単にプログラムを書く以上のものです」

テクノロジーに対する誤解に加えて、データと必要なインフラストラクチャの不足には2020年も引き続き悩まされるでしょうが、少なくとも一部の人々は21世紀で最もセクシーな仕事がやっぱりそれほどセクシーではないことに気付いています。相変わらず私達は洞察を収集してビジネス上の質問に答える前に、クレンジングとデータの準備の大部分を費やしています。

2020年には、データサイエンスがデータに関するものであることを思い出し、データの保全性と透明性を重視すえばデータサイエンスを前進させる事が可能だということを確認しましょう。AIの「ブラックボックス」の時代は、私達が前向きな方向に進むために終わらせなければなりません。

覚えておいてください、あなたが構築するアルゴリズム、モデル、チャットボットなどは、誰かの人生に影響を与える可能性があるのです。データベース内の各データポイントは個々人の人生に対応しています。

ですから、あなたが持つ偏見を取り除き、事実がいつも自ら語るようにしましょう。責任を持ってデータを操作する事を楽しみましょう。