小さすぎる仕事はないですか？機械学習が日常のビジネスにどのように影響するか

素人の観点から、私は深い不安を感じながら Nvidia の Deep Learning Institute のイベントに臨みました。専門用語や略語の海に流され、データ サイエンスの難解な世界を密かに無駄にナビゲートしようとすることになるでしょうか?マイクロソフトの代表者やクレディ スイスの IT チームが集う英国王立研究所の講義室で、私はディープ ラーニングの恐るべき (アクセスできないどころか言うまでもない) 世界に完全に疎外されていると感じるでしょうか?

いいえ、それが簡単に答えます。ディープラーニングの世界は複雑であることは認めますが、同時に衝撃的な世界でもあります。この現象は、家庭やビジネスにおける日常生活の合理化と進歩に無数の可能性をもたらします。 Nvidia のエンタープライズ担当副社長である Alex White 氏の言葉を借りれば、ディープ ラーニングは「コンピューティングの新時代」の到来を告げるものであり、それは「すべての人、あらゆるものに強力かつ深遠な変化 […]」を引き起こす可能性があります。少なくとも、Nvidia が思いどおりになれば。

nvidia_connect_ai_conference

Nvidia はビジュアル コンピューティングのリーダーであり、8,000 人のデータ ソフトウェア エンジニアを擁しています。同社は、機械学習を改善するためにより複雑な GPU を開発すると同時に、機械学習が人類をどこまで導くことができるかを見極めるために 1,500 社のスタートアップをサポートしています。がん治療、ロボット工学、自動運転車などの注目を集める分野だけでなく、日常のビジネス運営においても同様です。

確かに、主題としてはありふれたものですが、それが重要なのです。ディープラーニングは、人々がデータ処理に関して日々の仕事を行う方法に革命をもたらし、より充実した、創造的な、そして最終的にはより実りある取り組みに解放される可能性があります。言い換えれば、ディープラーニングは退屈な作業を行うので、その必要はありません。

たとえば、マーケティングや販売に携わっている場合は、ディープ ラーニングを利用して、すべてのソーシャル メディア チャネルにわたって顧客とブランドとのやり取りをリアルタイムで追跡できます。これにより、骨の折れるデータ照合作業から解放され、どこで何が機能するかという強みを活かすなど、より価値のある目標を追求できるようになります。

この観点からすると、ディープラーニングは雇用レベルを向上させる手段となる可能性があります。ビジネスが改善すると、発展し拡大し、私たち卑しい人間が埋めるべき仕事がさらに増えます。昨年の e コマースの売上高は 2 兆ドル (1 兆 6,000 億ポンド) に達し、この数字は 2020 年までに倍増すると予想されており、販売とマーケティングは雇用市場の広大な部分を占めており、ディープラーニング インフラストラクチャによって洗練される可能性があります。

傑出した講演者の一人は、学者のアンソニー・モース博士で、彼自身の言葉を借りれば「子供のように学習する機械を作った」そうです。モース博士はビデオの中で、人型ロボットをオレンジ色の星という物体に紹介しました。次に、彼はオレンジ色の星を赤いボールと並べて表示しましたが、ロボットにはまだそのボールが紹介されていませんでした。赤いボールを拾うように頼まれたとき、ロボットは前の指示から 2 つの物体のうちどちらがオレンジ色の星であるかを推測することができ、したがってどちらの物体が赤いボール (テーブル上に残っている唯一の物体) であるかを推測することができました。

この比較的単純なタスクには微妙なニュアンスと洗練された世界が隠されており、この演習のポイントは、この人型ロボットが小さな子供でもできるような方法で物事を自分自身に教えているということです。このテクノロジーが実用化された今、その可能性は信じられないほど広範囲に広がっています。

ビジネスを改善する方法

これらの可能性は、私たち凡人にとって現実の生活にどのように反映されるのでしょうか?モース氏は、ディープラーニングが視覚認識において人間を容易に上回るという事実は言うまでもなく、視覚画像認識は誰にでも簡単に理解できるため、機械学習の例としてよく引用されると述べています。 Facebook の自動タグ付けツールに精通している人なら誰でも、これがユーザーと広告主の両方にとって有用であることを認識するでしょうが、ディープ ラーニングの機能はソーシャル ネットワークの写真の並べ替えだけにとどまりません。モース氏は、深層学習の機能は幅広く 2 つあると指摘しました。1 つは既存の自動化を強化することです。第二に、新しい生産ラインと市場を可能にすることです。

前者のカテゴリーについて、同氏は工場の生産ラインの進歩を挙げ、ディープラーニングに置き換えられれば、より新しく、より開発された製品を量産する、より複雑なシステムに進化する可能性があると主張した。

新しい製品と市場を可能にすることは、物事が非常に魅力的なものになる場所でした。音声認識やリアルタイム翻訳から自動運転車、早期がん検出から、モース氏が説明した、誰かの服の写真を撮ってオンラインですぐに購入できる興味深いソフトウェアに至るまで、あらゆる人のニーズや奇妙な特異性に合うものがありました。

ここまでは、はい。でも無限？モース氏によれば、そうではありません。 「太陽の下ですべてを解決することはできません」と彼は述べ、ディープラーニングの広大な可能性に関してよく聞かれる意見と矛盾する感情を述べました。

モース氏は、別の講演者であるアダム・グジワチェフスキー博士の意見に倣い、最近のディープラーニングの爆発的な発展は 3 つの発展によるものであると述べました。まず、ビッグデータの可用性の向上です。人々は毎分 100 時間分のビデオを YouTube にアップロードしています。 Facebook には 1 日に 3 億 5,000 万枚の画像がアップロードされています。この規模のデータは、新しい深層学習技術の研究開発を生み出し、さらに、それらを実現するために必要な計算能力も飛躍的に向上しました。

how_ai_can_help_business

しかし、ディープラーニングには深い制限が伴います。モース氏は、ラベル付きのトレーニングデータ（AIが学習するためのサンプル、人間によるセンスチェック）は通常高価であるか（クレディ・スイスの代表者が適切に指摘したように、学術界で働く場合には厳しい）、あるいは存在しないことを嘆いた。繰り返しになりますが、この警告とディープ ラーニングの潜在的な能力を比較検討する必要があります。子どもたちがどのように学習するのかを理解し、それを機械学習に応用することは、もはや SF 映画やピクサー映画のネタではありません。それは今、急速に起こっており、ビジネスレベルで起こっています。

Grzywaczewski 博士は、ディープラーニングのエコシステムは動的であり、常に変化していることを熱心に強調しました。 Nvidia の Alex White 氏の言葉を借りると、機械学習への関与はビジネスではなく学術界に主に限定されているものの、「その波はかなり急速に押し寄せている」とのこと。

画像: クリエイティブ・コモンズで使用されるライネマ