ジェネレーティブAIが変えるビジネス、倫理、仕事のあり方ーー第一人者Andrew Ng氏が語る「今、世界で起きていること」

SHARE:
mage Source: Screen capture of AI leader Andrew Ng with author Victor Dey

教育者、研究者、革新者、そして人工知能やテクノロジーの分野のリーダーとして、忘れがたいインパクトを残しているAndrew Ng氏のような人物と会話を交わす機会は、めったにないだろう。幸いなことに、私は最近、そのような機会に恵まれた。Landing AIのクラウドベースのコンピュータビジョンソリューション、Landing Lensの立ち上げに関する記事で、Landing AIの創設者兼CEOであるNg氏との対話の一部を紹介している。今日は、この先駆的な技術リーダーの思いに迫ってみたい。

AI界で最も著名な人物の一人であるAndrew Ng氏は、DeepLearning.AIの創設者、Courseraの共同会長兼共同創設者、スタンフォード大学非常勤教授でもある。さらに、Baiduのチーフサイエンティスト、Google Brain Projectの創設者でもある。

AIが進化する中で、希望と賛否両論が渦巻くこの時期に私たちは出会った。突然沸き起こったジェネレーティブAI戦争、この技術の将来性、AI/MLモデルを効率的にトレーニングする方法、AI導入の最適なアプローチなどについてNg氏が語ってくれた。

ジェネレーティブAIで再認識される教師あり学習の価値

VentureBeat:この1年、ChatGPT/GPT-3やDALL-E 2などのジェネレーティブAIモデルが、画像やテキストの生成能力の高さで話題を呼びました。ジェネレーティブAIの次の進化は何だと思われますか?

Andrew Ng: ジェネレーティブAIは教師あり学習と非常に似ていて、汎用的な技術だと思います。10年前、ディープラーニングの台頭とともに、人々はディープラーニングが特定の産業やビジネスを変革するなどと直感的に言い、その通りであることが多かったと記憶しています。しかし、それでも多くの作業は、ディープラーニングがどのユースケースの変換に適用できるかを正確に把握することでした。

ですから私たちは、ジェネレーティブAIが意味を持ち、さまざまなビジネスを変革する具体的なユースケースを把握する非常に初期の段階にいると考えるのが自然でしょう。

また、現在はジェネレーティブAIが話題になっていますが、特にデータの正しいラベル付けには大きな価値があるため、教師あり学習のような技術にはまだまだものすごい勢いがあると思います。そうした機運の高まりから、今後数年間は教師あり学習がジェネレーティブAIよりも大きな価値を生み出すだろうと考えています。ジェネレーティブAIの年間成長率から考えても、数年後にはAI開発者が持つツールのポートフォリオに追加されるツールの1つとなるでしょうから、今から非常に楽しみです。

VB: Landing AIは、ジェネレーティブAIに代表される機会をどのように捉えているのでしょうか?

Ng: Landing AIは、現在、ユーザーがカスタムコンピュータービジョンシステムを構築することを支援することに重点を置いています。ジェネレーティブAIのユースケースを模索する内部プロトタイプはありますが、まだ発表できるものはありません。Landing AIを通じて発表するツールの多くは、ユーザーが教師あり学習を身につけ、教師あり学習アルゴリズムの作成へのアクセスを民主化することに重点を置いています。私たちは、ジェネレーティブAIに関するいくつかのアイデアを持っていますが、まだ何も発表することはありません。

次世代の実験

VB: 将来および既存のジェネレーティブAIアプリケーションで、あなたを興奮させるものがあるとすれば、それは何ですか?画像、動画、テキストに続いて、ジェネレーティブAIの次に来るものはありますか?

Ng: このような技術の出現により、多くの個人、企業、そして投資家が、さまざまなユースケースのために次世代技術の実験に多くのリソースを注ぎ込むようになったと思います。このような実験が盛んに行われているということは、近い将来、多くの価値あるユースケースを目にすることができるようになることを意味しています。しかし、最も価値のあるユースケースが何であるかを予測するのは、まだ少し早いでしょう。

多くのスタートアップ企業が、テキストに関するユースケースを実装し、要約したり、質問に答えたりしているのを見かけます。出版社を含む多くのコンテンツ企業が、コンテンツに関する質問に答えようとする実験に署名しているのを見かけます。

投資家もまだこの領域について理解していないためさらに検討し、どこに道があるかを特定することは、業界が最も守備範囲の広いビジネスを把握する上で興味深いプロセスとなるでしょう。

私は、これほど多くのスタートアップがこの1つのことを実験していることに驚いています。すべてのスタートアップが成功するわけではありませんが、多くの人がそれを考え出すことで得られる学習や洞察は貴重なものになるでしょう。

VB: 倫理的な配慮は、私たちがChatGPTで見ている問題を考えると、ジェネレーティブAIの会話の最前線にあります。CEOやCTOがそのような技術の導入を考え始める際に、心に留めておくべき標準的なガイドラインはあるのでしょうか?

Ng: ジェネレーティブAI業界は非常に若いため、多くの企業がこの技術を責任ある方法で実装するためのベストプラクティスをまだ見つけ出していない状況です。倫理的な問題や、偏見や問題発言の生成に関する懸念は、本当に真剣に受け止める必要があります。また、この技術が生み出す善と革新について明確な目を向けると同時に、起こりうる害についても明確な目を向ける必要があります。

BingのAIが行った問題のある会話は、今、大いに議論されています。問題のある会話は1つでも言い訳できませんが、実際に全体の何パーセントの会話がレールから外れることがあるのか、とても気になるところです。ですから、私たちが観察している良い反応と問題のある反応の割合の統計を記録することは、技術の実態と今後の方向性をよりよく理解するために重要なことなのです。

Andrew Ng氏:Image Source: Landing AI

AIをめぐる障害や懸念

VB: AIをめぐる最大の懸念は、AIが人間の仕事を代替する可能性です。人間の労働力を置き換えるのではなく、それを補完するためにAIを倫理的に利用するにはどうしたらよいでしょうか。

Ng: 新しいテクノロジーを無視したり、受け入れないのは間違いです。例えば近い将来、AIを使うアーティストが、AIを使わないアーティストに取って代わるでしょう。ジェネレーティブAIによって、作品制作のコストが下がり、アートワークの総市場が拡大する可能性すらあります。

しかし、公平性は、ジェネレーティブAIよりもはるかに大きな重要な懸念事項です。ジェネレーティブAIはステロイドのような自動化であり、テクノロジーが収益を生み出しているにもかかわらず、生活が途方もなく破壊されるとしたら、政府だけでなくビジネスリーダーもテクノロジーを規制する重要な役割を担うことになるでしょう。

VB: AI/DLモデルに対する最大の批判の一つは、人間の経験や視点の多様性を代表しない可能性のある膨大なデータセットでトレーニングされることが多いということです。また、現在のトレーニングデータの限界を克服するにはどうすればよいでしょうか?

Ng: 偏ったデータが偏ったアルゴリズムにつながるという問題は、現在、AIコミュニティで広く議論され、理解されています。ですから、今読んでいるどの研究論文も、あるいは以前に発表された論文も、これらのシステムを構築しているさまざまなグループが代表性と清浄度データを非常に真剣に受け止めており、モデルが完璧にはほど遠いことを承知していることは明らかです。

こうした次世代システムの開発に携わる機械学習エンジニアは、現在、問題意識を持ち、より代表的で偏りのないデータを集めるために多大な努力を払っています。ですから、私たちはこの作業を支援し続け、これらの問題を解消するまで決して休んではいけません。たとえ完璧なシステムにはほど遠くとも、このように進歩し続けていることに、私はとても勇気づけられます。

人間でさえも偏りがあるのですから、まだすべての偏りを抑えることはできないにしても、一般的な人間よりもはるかに偏りの少ないAIシステムを作ることができれば、そのシステムは世の中に多くの良い影響を与えることができます。

現実を知る

VB: データを収集する際に、現実のものを確実に捉えるための方法はありますか?

Ng: 銀の弾丸はないんです。このような大規模な言語モデルシステムを構築するために複数の組織が取り組んできた歴史を見ると、データをクリーンアップするためのテクニックは複雑で多面的であったことが観察されます。実際、私がデータセントリックAIについて話すと、多くの人がその技術は小さなデータセットの問題にしか使えないと考えています。しかし、そのような技術は大規模言語モデルや基盤モデルのアプリケーションや学習にも同様に重要なのです。

長年にわたり、問題のあるデータセットのクリーンアップに取り組んできましたが、まだまだ完璧には程遠く、現状に満足する時ではありませんが、進歩はしています。

VB: AIや機械学習アーキテクチャの開発に深く関わってきた者として、AIを取り入れようとしている非AI中心の企業に対してどのようなアドバイスをしますか?AIをどのように適用するのか、どこから適用するのかを理解する上で、次のステップとして何を始めるべきでしょうか。具体的なAIロードマップを策定する上で、重要な考慮点は何でしょうか?

Ng: 私の一番のアドバイスは「小さく始めること」です。なぜなら、最初の1つ、あるいはいくつかのユースケースを構築することから得られる学びが、最終的にAIのロードマップを作るための土台を作ることになるからです。

実際、Landing Lensを設計したのはこのような認識のもと、人々が簡単に始められるようにするためでした。なぜなら、もし誰かがコンピュータビジョンのアプリケーションを作ろうと思っても、どれくらいの予算を割けばいいのかさえわからないからです。私たちは、まずは無料で始めて、何か動くものを作ってみて、その最初の試みがうまくいくかどうか試してみることを勧めています。仕事に取りかかろうとすることから得られるそれらの学習は非常に貴重で、会社におけるAIの次のいくつかのステップを決定するための基礎となるでしょう。

多くの企業が、AIへのささやかな投資をするかどうか決めるのに何ヶ月もかかっているのを見ますが、それも間違いです。ですから、(AIについて)考えるだけでなく、実際のデータで、それが自分にとって有効かどうかを観察しながら、始めてみて把握することが重要です。

VB: 専門家の中には、ディープラーニングは限界に達している可能性があり、AIを進化させ続けるためには、ニューロモーフィックコンピューティングや量子コンピューティングなどの新しいアプローチが必要かもしれないと主張する人もいます。この問題について、あなたはどのようにお考えですか?

Ng: 私は反対です。ディープラーニングは、限界に達するにはほど遠い状態です。いつかは限界に達するとは思いますが、今はまだ遠いです。

ディープラーニングにおけるユースケースの革新的な開発の量は、とてつもなく大きいです。今後数年間、ディープラーニングはその驚異的な勢いを維持すると確信しています。他のアプローチも価値がないとは言いませんが、ディープラーニングと量子コンピューティングの間で、今後数年間はディープラーニングの方がはるかに進歩すると思います。

【via VentureBeat】 @VentureBeat

【原文】

BRIDGE Members

BRIDGEでは会員制度の「Members」を運営しています。登録いただくと会員限定の記事が毎月3本まで読めるほか、Discordの招待リンクをお送りしています。登録は無料で、有料会員の方は会員限定記事が全て読めるようになります(初回登録時1週間無料)。
  • 会員限定記事・毎月3本
  • コミュニティDiscord招待
無料メンバー登録