〒160-0023
東京都新宿区西新宿3-2-9

TEL : 03-5324-2452

2030年までのAIの動向について(⑥知識獲得)

[page_title]

(引用)総務省「人口知能の未来 -ディープラーニングの先にあるもの」(2016,松尾豊)に基づいて作成

上記のロードマップにおける6つのカテゴリーの中の⑥知識獲得について「技術面の概要」、「産業化の可能性」、「産業化にあたっての考慮点」について考えてみたいと思います。

■技術面:大規模知識理解
大規模知識理解は、AIが特徴量を抽出し、現実世界の意味と紐づけられた(バイディングされた)言語データが蓄積されていくことにはじまります。そして、大量に蓄積されたバイディングされた言語データに基づいて、AIがより抽象化された知識を獲得することができるようになることが予想されています。また、抽象化された知識の獲得が進むと社会予測の精度が高まることにつながることが期待されています。

■産業化の可能性
・教育:大規模知識を獲得したAIが教師となる教育
・秘書:大規模知識を獲得したAIによる秘書業務
・ホワイトカラー支援:大規模知識を獲得したAIによるホワイトカラー職務の支援

■産業化にあたっての考慮点
ここまで来ると、現時点ではSFの世界のような感じもするのですが、技術的には2030年ころまでに可能なのではないかという予測になっています。当然、産業化するに当たっては、ハードの制約と社会的、心理的な制約がありますので、世の中に浸透するのは案外時間を要するのかもしれません。

しかし、バイディングされた言語データが大量に発生する段階にまで達すると、技術的なブレークスルーは早いのだと思います。

つまり、産業化されるためには、使用する側の実情に即したAIのプロダクトやサービスが提供できるかにかかっていそうです。

現在のITのシステム導入においてもさんざん起こっていることですが、システムありきで導入を進めると実際の業務に合わずに使われないシステムが作られることになってしまいます。

AIのビジネスへの導入も同様で、特に初期の段階においては、どこまで実際の業務や社会の問題を有効に解決できるかが重要になってくると思います。

機能面、コスト面でAIは有用だという認識が一定程度まで広がった時に、産業化のスピードが一気に高まるかもしれません。そのときは、現在(2017年)と異なったビジネス環境や生活環境が立ち会われてくるのかもしれません。

[参考資料]
松尾豊. 人口知能の未来 -ディープラーニングの先にあるもの. 総務省. http://www.soumu.go.jp/main_content/000400435.pdf
清水亮. (2016). よくわかる人工知能. KADOKAWA.