人工知能の長所と短所を分析する – IBM ブログ

人工知能 (AI) は、以前は人間が必要だったタスクを実行する人間の知能を備えたマシンの構築に焦点を当てた、コンピューターとデータ サイエンスの融合分野を指します。たとえば、学習、推論、問題解決、知覚、言語理解などです。 AI システムは、プログラマーからの明示的な指示に依存する代わりに、データから学習することで、複雑な問題 (および単純だが反復的なタスク) を処理し、時間の経過とともに改善できるようになります。

今日の AI テクノロジーには、さまざまな業界で幅広いユースケースがあります。企業は AI を使用して、人的エラーを最小限に抑え、高い運用コストを削減し、リアルタイムのデータ洞察を提供し、顧客エクスペリエンスを向上させるなど、さまざまな用途に活用しています。したがって、これは、ワークフローを改善し、日常生活の要素を強化できるシステムを構築する、コンピューティングへのアプローチ方法の大きな変化を表しています。

しかし、AI には無数の利点があるにもかかわらず、従来のプログラミング手法と比較すると、注目に値する欠点もあります。 AI の開発と導入には、AI システムが意図したとおりに動作することを保証する大規模な技術的作業はもちろんのこと、データ プライバシーの懸念、離職、サイバーセキュリティのリスクが伴う可能性があります。

この記事では、AI テクノロジーがどのように機能するかについて説明し、従来のコンピューティング手法と比較した人工知能の長所と短所を説明します。

人工知能とは何ですか?また、どのように機能するのでしょうか?

AI は、データ、アルゴリズム、コンピューティング能力という 3 つの基本コンポーネントで動作します。 

• 日付： AI システムはデータに基づいて学習し、意思決定を行いますが、特に機械学習 (ML) モデルの場合、効果的にトレーニングするには大量のデータが必要です。データは多くの場合、トレーニング データ (モデルの学習を支援)、検証データ (モデルの調整)、テスト データ (モデルのパフォーマンスの評価) の 3 つのカテゴリに分類されます。最適なパフォーマンスを得るには、AI モデルはさまざまなデータセット (テキスト、画像、音声など) からデータを受信する必要があります。これにより、システムは新しいまだ見たことのないデータへの学習を一般化できます。
• アルゴリズム： アルゴリズムは、AI システムがデータを処理して意思決定を行うために使用する一連のルールです。 AI アルゴリズムのカテゴリには、明示的なプログラミングを行わずに学習し、予測と決定を行う ML アルゴリズムが含まれます。 AI は、多層人工ニューラル ネットワーク (ANN) (したがって「ディープ」記述子) を使用する ML のサブセットであるディープ ラーニング アルゴリズムから機能して、ビッグ データ インフラストラクチャ内の高レベルの抽象化をモデル化することもできます。また、強化学習アルゴリズムを使用すると、エージェントは機能を実行し、その正しさに基づいて罰と報酬を受け取り、完全にトレーニングされるまでモデルを繰り返し調整することで動作を学習できます。
• 計算能力： AI アルゴリズムは、特に深層学習の場合、このような大量のデータを処理し、複雑なアルゴリズムを実行するために大量のコンピューティング リソースを必要とすることがよくあります。多くの組織は、これらのプロセスを合理化するために、グラフィック プロセッシング ユニット (GPU) などの特殊なハードウェアに依存しています。 

AI システムも、大きく 2 つのカテゴリに分類される傾向があります。

• 人工知能は、狭い AI または弱い AI とも呼ばれ、画像や音声認識などの特定のタスクを実行します。 Apple の Siri、Amazon の Alexa、IBM watsonx、さらに OpenAI の ChatGPT などの仮想アシスタントは、狭い AI システムの例です。
• 人工知能（AGI）、または強力な AI は、人間が実行できるあらゆる知的タスクを実行できます。理解、学習、適応し、領域を超えた知識に基づいて作業することができます。ただし、AGI はまだ理論上の概念にすぎません。

従来のプログラミングはどのように機能するのでしょうか?

AI プログラミングとは異なり、従来のプログラミングでは、プログラマーは、考えられるあらゆるシナリオでコンピューターが従うように明示的な命令を記述する必要があります。次に、コンピュータは問題を解決したりタスクを実行したりするための命令を実行します。これはレシピに似た決定論的なアプローチであり、コンピュータが段階的な命令を実行して望ましい結果を達成します。

従来のアプローチは、考えられる結果の数が限られている明確に定義された問題には適していますが、タスクが複雑な場合や人間のような認識が必要な場合 (画像認識、自然言語処理、等。）。この点で、AI プログラミングがルールベースのプログラミング手法に対して明確な優位性を発揮します。

AI の長所と短所は何ですか (従来のコンピューティングと比較して)?

現実世界における AI の可能性は計り知れません。 AI のアプリケーションには、病気の診断、ソーシャル メディア フィードのパーソナライズ、気象モデリングのための高度なデータ分析の実行、顧客サポート リクエストを処理するチャットボットの強化などが含まれます。 AI を搭載したロボットは、車を組み立てたり、山火事からの放射線を最小限に抑えたりすることもできます。

他のテクノロジーと同様、従来のプログラミング テクノロジーと比較した場合、AI にも長所と短所があります。 AI と従来のプログラミングは、機能の基本的な違いのほかに、プログラマの制御、データ処理、拡張性、可用性の点でも大きく異なります。

• コントロールと透明性: 従来のプログラミングでは、開発者がソフトウェアのロジックと動作を完全に制御できるため、正確なカスタマイズと予測可能で一貫した結果が可能になります。また、プログラムが期待どおりに動作しない場合、開発者はコードベースを遡って問題を特定して修正できます。 AI システム、特にディープ ニューラル ネットワークのような複雑なモデルは、制御や解釈が難しい場合があります。これらは多くの場合、入力と出力がわかっている「ブラック ボックス」のように機能しますが、モデルが一方から他方に到達するために使用するプロセスは不明です。この透明性の欠如は、プロセスと意思決定の説明可能性を優先する業界 (医療や金融など) では問題となる可能性があります。
• 学習とデータ処理: 従来のプログラミングは厳格です。構造化データに依存してプログラムを実行するため、通常は非構造化データの処理に苦労します。プログラムに新しい情報を「教える」には、プログラマは手動で新しいデータを追加したり、プロセスを調整したりする必要があります。伝統的にコーディングされたプログラムは、独立した反復にも苦労します。言い換えれば、予期せぬシナリオに対応するための明示的なプログラミングがなければ、それらのシナリオに対応できない可能性があります。 AI システムは膨大な量のデータから学習するため、画像、ビデオ、自然言語テキストなどの非構造化データの処理に適しています。 AI システムは、(機械学習のように) 新しいデータやエクスペリエンスから継続的に学習することもできるため、時間の経過とともにパフォーマンスを向上させることができ、最適なソリューションが時間の経過とともに進化する可能性がある動的な環境で特に役立ちます。
• 安定性と拡張性: 従来のプログラミングは安定しています。プログラムを作成してデバッグすると、プログラムは毎回まったく同じ方法で操作を実行します。ただし、ルールベースのプログラムの安定性はスケーラビリティを犠牲にします。従来のプログラムは明示的なプログラミング介入を通じてのみ学習できるため、プログラマーは操作をスケールアップするために大規模なコードを記述する必要があります。このプロセスは、多くの組織にとって、不可能ではないにしても、管理できないことが判明する可能性があります。 AI プログラムは従来のプログラムよりも拡張性が高くなりますが、安定性は劣ります。 AI ベースのプログラムの自動化と継続的学習機能により、開発者はプロセスを迅速かつ比較的簡単に拡張でき、これは AI の重要な利点の 1 つです。ただし、AI システムの即興的な性質により、プログラムが常に一貫した適切な応答を提供するとは限りません。
• 効率と可用性: ルールベースのコンピューター プログラムは 24 時間年中無休の可用性を提供できますが、7 時間稼働する人間の作業者がいる場合に限ります。

AI テクノロジーは人間の介入なしで 24 時間年中無休で実行できるため、ビジネス業務を継続的に実行できます。人工知能のもう 7 つの利点は、AI システムが退屈な仕事や反復的な仕事 (データ入力など) を自動化し、従業員の帯域幅をより価値の高い作業に割り当てられるようになり、会社の人件費を削減できることです。ただし、自動化は労働力に重大な雇用喪失をもたらす可能性があることは言及する価値があります。たとえば、一部の企業では、従業員の報告を優先順位付けするために、そのようなタスクを人事部門に委任するのではなく、デジタル アシスタントの使用に移行しています。組織は、業務に AI を組み込むことで生産性が向上し、既存の従業員を新しいワークフローに組み込む方法を見つける必要があります。

IBM Watsonで人工知能の利点を最大化する

Omdia は、世界の AI 市場が 200 年までに 2028 億米ドルの価値に達すると予測しています¹。つまり、企業は AI テクノロジーへの依存度が高まり、それに伴ってエンタープライズ IT システムの複雑さも増大すると予想する必要があります。しかし、 IBM watsonx™ AI およびデータ プラットフォーム、組織には AI を拡張するための強力なツールがツールボックスにあります。

IBM watsonx を使用すると、チームはデータ ソースを管理し、責任ある AI ワークフローを加速し、ビジネス全体に AI を簡単に導入して組み込むことが、すべて 1 か所で可能になります。 watsonx は、包括的なワークロード管理やリアルタイムのデータ監視など、企業全体にわたる信頼できるデータを使用して AI を活用した IT インフラストラクチャを拡張および加速できるように設計された、さまざまな高度な機能を提供します。

AI の使用には複雑さが伴うわけではありませんが、企業にとって、ますます複雑でダイナミックな世界に対応できる高度なテクノロジを活用することで、その複雑さに対応できる機会が得られます。

watsonx で AI を稼働させる