使えなくなるAIアプリも？
COVID-19で変革を強いられるAIシステムのアーキテクチャ
AIシステムにもCOVID-19の影響が及ぶだろう。COVID-19によってあらゆるものが変わり、以前に学習したモデルは適用できなくなるかもしれない。この変化に対応できるAIシステムのアーキテクチャとは？
新型コロナウイルス感染症（COVID-19）によるロックダウンの影響を数え上げるに当たって、AIは最初に挙がるものではないかもしれない。だが、COVID-19の危機はあらゆる想像をはるかに超えている。
最近AI対応のデータベースについての質問を受けたときに、あるアイデアを思い付いた。AIサーバをインメモリデータベースに統合することで、バックエンドのデータトラフィックを取り除き、速度を大幅に向上させるという考えだ。
AIにとってバックエンドが重要な理由
AIの実運用部分である“推論”は比較的「閉じられた」アプリケーションで、トレーニングの部分よりも要求リソースははるかに少ないと考えがちだ。だが実際には、AIエンジンの進行に合わせて絶えず監視し、トレーニングをやり直すAIアプリケーションもある。
AIの最前線に高速なプロセッサを用意したとしても、そのプロセッサはバックエンドと大量のデータ転送を行う。通常はバックエンドに計算サーバを用意して、データベースと通信することになるだろう。そのため、AIサーバをデータベースに統合して必要なトランザクション数を減らすという考えは、定期的にまたは頻繁にトレーニングをやり直す必要のあるAIアプリケーションにメリットをもたらす。
では、COVID-19との関係はどこにあるのだろう。大半のAIシステムは、大量の履歴データを使ってトレーニングされている。だが、新たなリスクやルールの適用に伴って事業や個人の行動は劇的に変化している。買い物の習慣、旅行のパターン、流通、エネルギーの利用などが予想外に変わっている。小麦粉の生産の国内市場と商業市場への販売比率さえ変わっている。あらゆることが変わっている。
その結果、かつて比較的安定していたAIシステムも著しく流動的になる。さらに悪いことに、パンデミックからの回復も再開もばらばらで場当たり的だ。国や業界が違えば、ロックダウン解除の速度も方法も異なる。当然、ウイルスがどのように変異するかも分からない。こうした流動性や変動性はかなり長く続く可能性がある。
今のモデルはまだ有効なのか
こうした状況下では、AIの監視と再トレーニングのニーズが高まると考える。簡単に言ってしまえば、先週機能していたモデルは、翌週には適用できない恐れがある。
これによってAI機能を統合するデータベース開発者が増えるのだろうか。それについてはあまり確かではない。開発者は手元のタスクに最適なデータベースとAIエンジンを選択するのに慣れている。そのため、恐らくしばらくは変わらないだろう。ただし再トレーニングの必要性が明らかになるにつれ、AI要素とデータベース要素を近づけるアーキテクチャ上の変化が見られるようになると考えている。
もちろん、こうしたことが全てのアプリケーションに当てはまるわけではない。定期的な監視と再トレーニングを必要とするAIアプリケーションもあれば、それをほとんど必要としないアプリケーションもある。
とはいえ、自社でAIシステムを運用していて、それが後者のカテゴリーに含まれているとしても、目を離している間に前者カテゴリーに切り替わらないようにチェックするのに適切なタイミングかもしれない。
Copyright © ITmedia, Inc. All Rights Reserved.
Computer Weekly日本語版
この記事の著者
関連記事
新着ホワイトペーパー PR
-
事例
[日本オラクル株式会社] ピンチをチャンスに変えたEPR製品は？ 先行企業の導入事例3選 -
技術文書・技術解説
[日本オラクル株式会社] 無自覚なリスク 秘伝Excelファイルが監査の壁、不正・ミスの温床となる理由 -
製品資料
[日本オラクル株式会社] 戦略的経理の第一歩 失敗のない「脱Excel」を実現する秘訣とは？ -
技術文書・技術解説
[日本オラクル株式会社] いまさら聞けないオンプレERPとクラウドERPの違い 最適な製品をどう見極める？ -
事例
[株式会社ビザスク] 連結売上高が約2倍に成長、富士フイルムが実践した新規事業創出の戦略とは？
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
2
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
3
「ノートPC派」は損をしている？ Dellと考える“自作PC”のメリット
-
4
「0.3秒のスピード顔認証」の入退室管理が社員に好評 事例に学ぶオフィス改革
-
5
慶應義塾が「Notion」を選んだ理由 AI導入の盲点になる“情報のサイロ化”
-
6
エンジニアの生産性はどう測る？ マネジメントに不可欠な可視化の実現方法とは
-
7
生データを隠してデータ連携 KDDIが4000万人の顧客情報を安全に分析できた理由
-
8
1200万円のSaaS導入を回避 スギ薬局「運用費10万円」のAIエージェント構築術
-
9
「また同じ説明か」 消費者の半数が離脱するAIチャットbotの“記憶喪失”
-
10
IT製品の導入に関するアンケート「PC＆デバイス」編
ホワイトペーパーランキング PR
-
1
DX／AI投資の壁を突破、現代の最高財務責任者が直面する課題と克服のヒント
-
2
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
3
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
4
バックアップは“取っているから大丈夫”なのか？ ランサムウェア時代の備え方
-
5
システムの保守がモダン化を阻む？ 「変えない判断」から脱却する方法とは
-
6
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
7
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
8
5分で分かる Microsoft 365のデータ損失に備えるためのバックアップの仕組み
-
9
ネットワーク遅延の原因、「パケットロス」の基礎知識と効果的な解決策
-
10
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー