2019年は人工知能の進歩または幻滅の年ですか？ 研究者が都市を攻撃し、以前は達成できなかったベンチマークを迅速に克服するにつれて、今日、この分野がすでに着実に発展していると考えることができますか？
2019に座って人工知能のすべての側面を確認しましょう。
ルネサンスの領域で
2019年の人工知能の状態を1つの文で説明すると、「強化学習が復活し、永遠に続くように見える」と思われます。
これまでのところ、私たちのほとんどは教師あり学習に精通している可能性があります。一部の人々は大量のトレーニングデータを収集し、それらを機械学習アルゴリズムにフィードしてから、私たちに役立つモデルを取得します予測と分類を行います。私たちの中には、人工知能は教師あり学習と同義語であるという印象さえ持つかもしれません。ただし、教師あり学習は、今日の多くの種類の機械学習の1つにすぎません。
強化学習（RL）では、エージェントは試行錯誤を繰り返して環境と対話することで学習し、行動に対する報酬を提供します。複数のエージェントが関与している場合、それらはマルチエージェント強化学習システムと呼ばれます。
概念的には、教師あり学習というよりも、知性を創造するための合理的な学習メカニズムのように聞こえます。しかし、DeepMindは2015年まで人々の注目を集めませんでしたが、当時、DeepMindはDeep Q-learningを使用してAtariゲームエージェントを作成しました。ディープニューラルネットワークのアルゴリズム。 2018年、OpenAIは、モンテスマのリベンジを解決することにより、この分野での地位を確立しました。
過去数か月にわたって、事態はエスカレートしています：
昨年2018年末にGoogle BERT、ELMo、ulmfitなどのシステムが導入されて以来、自然言語処理は勢いを増してきましたが、今年のスポットライトはOpenAIのGPT-2によって「盗まれ」ました。そのパフォーマンスは自然言語に対する人々の関心を引き起こしました。処理システムの倫理的使用に関する大規模な議論。
実践は成熟する
今年、人々はいくつかのディープラーニング技術の最近の成熟も目撃しました。教師付き学習、特にコンピュータービジョンテクノロジーの応用により、実際の製品やシステムが成功しました。
Generative Adversarial Networks（GAN）はニューラルネットワークのペアであり、その中でもジェネレーターネットワークは、トレーニングデータを模倣した画像を生成することを学習することにより、識別ネットワークを欺こうとし、ほぼ完璧なレベルに達しました。人工知能の場合、人や物の虚偽ではあるが現実的な画像を作成することは最前線ではありません。 2014年の世代敵対ネットワークの導入から2019年のNVDIAのオープンソースStyleGANまで、1枚の写真は価値があります。以下の図を使用して説明します。これは、この分野の進歩を理解する最良の方法です。
2019年、人工知能によって作成されたアートは、過去数年間の仮想的な議論からも離れ、今日の博物館の設置とオークションの一部になりました。
コンピュータビジョンは、自動運転車や医療など、商業上および社会的に重要な分野でも使用されています。しかし、これらの分野での人工知能アルゴリズムの適用は、人間の生活と直接相互作用するため、当然遅くなります。少なくともこれまでのところ、これらのシステムは完全に自律的ではなく、その目的は人間のオペレーターの能力をサポートおよび強化することです。
研究チームは病院と緊密に連携して、早期疾患予測のための人工知能システムを開発し、多数の健康データファイルを整理しています。1つの顕著な例は、DeepMind HealthとUCLHの継続的なコラボレーションです。ただし、これらの取り組みのほとんどはまだ実験的であり、これまでにFDAの承認を受けた唯一の人工知能システムは、医療画像を強化するためにディープラーニングを使用するソフトウェアであるSubtlePetです。
眠れる巨人
AutoMLは機械学習のサブフィールドの1つであり、1990年代から存在し、2016年に大きな関心を呼んでいましたが、少なくとも他の人工知能のトレンドとは異なり、どうしても見出しを付けませんでした。おそらく、これはその空想性が低いためです。AutoMLは、意思決定を自動化することで機械学習の実践をより効率的にすることを目指しており、今日のデータサイエンティストは、手動の総当たり調整によって意思決定を行います。
この分野の理解は過去3年間で変化しており、今日では、ほとんどの大企業がGoogle Cloud AutoML、Microsoft Azure、Amazon Web Service、DataRobotなどのAutoMLツールを提供しています。今年、Learning Evolutionary AI Framework（LEAF）が最も高度な人工知能技術になったため、人々の関心は「進化」方式に変わりました。ただし、AutoMLは、完全に自動化された人工知能システムが人工知能の専門家チームよりも優れたパフォーマンスを発揮できる成熟度にまだ達していません。
人工知能に関する懸念
圧倒的な成功にもかかわらず、人工知能の分野は今年、いらだたしい話ももたらしました。主な問題の1つは、自動学習システムにジェンダーバイアスが存在することをAmazonが発見した2018年まで現れなかった機械学習モデルのバイアスであり、米国の裁判所で広く使用されている判断ツールであるCOMPASにもジェンダーがあることが判明しましたそして人種的偏見。
今年の症例数は増加しており、これは自動化された意思決定のための既存の人工知能システムについての公的および制度的懐疑心の高まりを示している可能性があります。これが写真の小さな部分です。
今年10月、病院のアルゴリズムが黒人患者に対して偏っていることがわかりました。昨年10月、人権団体は、英国の人種的偏見のビザを発行するために使用された人工知能システムを非難しました。 11月、Appleのクレジットスコアリングシステムは、性別バイアスのために顧客から非難されました。偏見は、教師付きディープラーニングの中心にあるため、特に懸念される問題です。偏ったデータをトレーニングに使用し、予測モデルで説明できない場合、偏りがあるかどうかを実際に判断することはできません。これまで、学界の対応は、深いモデル決定の背後にある理由を理解するための技術を開発することでしたが、適切な実践を採用すれば多くの問題を解決できると専門家は警告しています。 Google Cloud Model Cardsは、組織コミュニティをオープンソースモデルに導いて、その性質と制限を明確に説明する最近の試みです。
今年の別の心配な発見は、技術が複雑になるほど、悪用される可能性が高くなることです。 Deepfakeは、敵対的なネットワークを生成する暗黒面であり、ディープラーニングアルゴリズムを使用して、純粋に架空のシーンで実在の人物の写真やビデオを作成します。政治宣伝からいじめまで、このテクノロジーを使用して偽のニュースを広めることができるのは難しいことではありません。この問題は科学者だけで解決することはできません歴史は、科学者が彼らの発見が実際の生活に与える影響を予測するのが得意ではないことを証明しています。
今日の人工知能はどれほど強力ですか？
今日、人工知能の価値を定量化することは本当に困難です。しかし、一つ確かなことは、人工知能が空想科学と前衛的なコンピューターサイエンスの分野を去ったことで、現在、人工知能は社会の不可欠な部分になり、人々は人工知能に多くの投資をしています。
今年の初めに、3人の主要なディープラーニング研究者がチューリング賞を受賞しました。チューリング賞は、コンピュータサイエンスの分野として人工知能が認められ、長い間期待されていました。
