[レポート]re:MARSにてAndrew Ng氏が語るAIを使ったプロジェクトを成功させる方法

こんにちは、小澤です。

現地時間6/4-7の日程でAmazon re:MARSがラスベガスにて開催されました。 今回は、イベント3日目Keynoteにて登場したAndrew Ng氏が語った内容についてレポートします。

AIの成長

Andrew Ng氏はAIや機械学習、Deep Learning界隈では非常に有名な方です。 日本でもAIブームに伴って、「彼から機械学習を学んだ！」という方も多いのではないでしょうか。

• 機械学習 | Coursera

そんな氏が最初に語ったのがAI市場の成長についてです。

様々な業種おいて、AIの求人は急速に増えています。

また、論文投稿サイトであるarXivに投稿されるAI関連の論文数も急速に増えています。 私もよくお世話になっているサイトの1つですｗ

そしてなんと、2030にはその市場規模は13兆ドルにものぼると要されています。 「trillion」、言われてもピンとこない単位単位ですね。 millionやbillionならすぐわかるのですが、確認しないとほんとに兆であってるよな？ってなる単位ですｗ

オンライン学習サイトでは250万人が受講し、 arXivへの論文投稿は、査読なしではあるものの1日100にものぼります。 また、各種ライブラリも充実しており実装もしやすい環境が整っています。

AIを適切に使うには

そんなAIを適切に使いこなすにはどうすればいいか、そのための3つのポイントを紹介しています。

1つ目は「スモールスタート」です。 いきなり大きなことをしようとしないで、小さな領域から初めて徐々に適用範囲を増やしていくというのが大事とのことです。

AIの領域は明確にゴールを達成できるかがわかっていないことも多いため、「できそうなところから」始めていくのがいいでしょう。

2つ目はタスクの自動化です。 ある仕事全体をAIによって完全に置き換えることを目指すのではなく、個々のタスクの粒度のまず落とし込んでその中にでAIによって自動化できるところを実現していきます。

これは、医師が行っていることすべてをAIに置き換えるのではなく、CTスキャンの画像から腫瘍を発見するためのお手伝いをするために画像認識技術を使うなどといった感じになります。

最後は、AI技術とビジネスドメインの融合です。 AIでどのようなことが実現可能かを知る専門家と、ビジネス領域におけるドメイン知識を持った専門家が協力し合ってビジネスとしての価値をもたらすために実現すべきことを判断する必要があります。

工学的な体系としてのAI

システム開発としてAIを橋を作る例に例えています。

木でできたつり橋から始まって大きな作れるようになるまでには非常に多くの試行錯誤があり、実現するまでにも時間がかかりました。

また、ソフトフェア開発でも2週間でスプリントを回すアジャイル開発手法を理解するまでには多くの時間がかかりました。

このように工学的な体系化によって技術が進歩していくまでには様々なプロセスがあります。 AIをこの仕組み適切に組み込むための方法論はまだまだ試行錯誤が続いています。 将来、人間が直接体験することはないかもしれませんが、アジャイルのスプリントはAIによって1日単位で回されているかもしれません。

ビッグデータからスモールデータへ

現在では、非常の多くデータが生み出されています。 しかし、これは一部大企業が保有しているけど、小さな会社などではそれほど多くのデータは集まりません。

スマートフォンなどのエッジデバイスで自信が持っている情報を使ったAIを実現するような仕組みも考える必要があるでしょう。

強化学習を使ったメタ学習

最後に、強化学習を使ったメタ学習の話です。 様々な学習を行った要素をどのように組み合わせていくべきか、これに関してヘリコプターの動きをシミュレーションをして適切な操縦を行う、という話をしていました。

技術的混乱の時代にはリーダーシップを

AI技術はITの領域を超えて様々な分野に影響力を与えるようになっています。 新しい技術によって様々なことが実現可能になりつつある混乱の時代には、それを導くための強いリーダーシップが必要だと、というメッセージを最後にいただきました。

おわりに

re:MARS Keynote3日目におけるAndwer Ng氏のパートを紹介しました。 内容は、感想が言葉にならないくらい素晴らしいものでした。 私もリーダーシップ発揮できるといいな、と淡い期待をいだいています。