アルゴリズムよりもデータ

AI時代に生き残る企業がきっと備える“4つの習慣”

AI時代において企業に先発者優位性を与えるのは、アルゴリズムではなくデータだ。深層学習の第一人者であるアンドリュー・ウン氏がその理由を説明し、AIを活用する企業に共通する4つの“習慣”を紹介する。

　人工知能（AI）は新たな電気のようなものだ――。深層学習（ディープラーニング）の第一人者であるアンドリュー・ウン氏はそう指摘する。今から1世紀ほど前に電気があらゆる主要産業に変革をもたらしたのと同様に、AIは世界を大きく揺るがすテクノロジーとなるだろう。ただしそれはまだ先の話だ。

　ウン氏によれば、今のところAIが創出する経済価値の99％は「教師あり学習」によるものだという。教師あり学習のアルゴリズムは人間を教師とし、膨大な量のデータを学習しなければならない。骨は折れるが、高い成果を挙げることが実証された方法だ。

　例えばAIアルゴリズムは今では、猫の画像を猫と判断できる。だが、そのためには「猫」とラベル付けされた何千枚もの画像を見せ、「猫とはどのようなものか」を学習させる必要があった。人の発言内容を理解できるAIアルゴリズムについても同様だ。主要な音声認識システムはいずれも完成までに5万時間分もの音声データとその書き起こしデータの学習を必要とした。

　ウン氏は、現状のAIにとって競争上の差別化要因となり得るのはアルゴリズムではなくデータだと考える。トレーニングを受ければ、アルゴリズムは模倣することができるからだ。

　ウン氏は最近『MIT Technology Review』が開催したカンファレンス「EmTech」で次のように語った。「オープンソースのアルゴリズムが大量に存在し、情報はすぐに広まる。大半の企業にとって、他社がどのようなアルゴリズムを使っているかを知るのはそれほど難しいことではない」。AI業界の権威として知られるウン氏は現在、スタンフォード大学のコンピュータサイエンス学部で非常勤教授を務めている。

　ウン氏はプレゼンテーションにおいてAI時代の現状について説明した後、今後AIを活用する企業が共通して備えることになるであろう4つの特徴を紹介した。職務内容の変化はそのうちの1つだ。

正のフィードバックループ

　今のAI時代において、データは極めて重大だ。ただし企業はGoogleやFacebookのようにならなくてもAIのメリットを享受できる。必要なのは、ひとまずプロジェクトを立ち上げるのに必要なデータを確保することだけだ。そうした始動用データを用いていったん顧客を獲得すれば、次は顧客がその製品向けのデータを生み出すという好循環が生まれる。

　「こうして正のフィードバックループが形成される。しばらくすれば、事業継続に必要十分な量のデータをおのずと確保できるようになるはずだ」とウン氏は語る。

　ウン氏のスタンフォード大学の教え子たちはまさにこの手法を用いて、テクノロジーで農業を変革するAgTech分野のスタートアップ企業Blue River Technologyを立ち上げた。Blue River Technologyはコンピュータビジョンとロボット工学と機械学習を組み合わせて農場管理に役立てることを目指している。共同創業者たちはまずレタス事業から着手すべく、レタスの画像を大量に撮影して十分なデータ量を確保し、レタス生産者の支持を取り付けることに成功した。「恐らく現在、彼ら以外にこれほど多くのレタス画像を保有している企業は、世界中のどこにもいないだろう」とウン氏は語る。

　実際こうした大量のデータが彼らのビジネスを極めて有望なものにしている。「私の知る限り、世界的な大手IT企業でもこれほど大量には特定分野のデータを保有していない。たとえ大手IT企業であっても、Blue River Technologyの事業分野に参入するのは結構な挑戦となるだろう」とウン氏は語る。

　2017年9月には農業機械メーカーのJohn Deereが同社を3億ドルで買収し、こうしたデータ資産には数億ドルの価値があることが実際に証明された。

　「データ集積は、AIと深層学習の時代にあって、企業戦略が今後どのような方向に変化していくかを示す一例といえる」とウン氏は語る。

AI企業に共通する4つの習慣

この記事の著者

関連記事

• 

  『MIT Technology Review』選出の次世代イノベーター2人が語るAIとARの未来

• 

  「拡張知能」と「人工知能」　2つのAIはどこが違うのか

• 

  人工知能（AI）はどのような技術で構成されているのか？

• 

  マッキンゼー流ビジネスAIの進め方、「必要なのは二刀流プレイヤー」

• 

  現在の人工知能（AI）は誇大広告？　真の知能を獲得するまでの道筋とは

新着ホワイトペーパー PR

• 製品資料
  [o9ソリューションズ・ジャパン株式会社] 「改正物流効率化法対策」徹底解説　総物流費を抑制するサプライチェーン戦略
• 製品資料
  [o9ソリューションズ・ジャパン株式会社] 「サプライチェーン最適化」実践ガイド：効果的な意思決定を実現する秘訣とは？
• 製品資料
  [株式会社リンプレス] 非デジタル／IT人材を「自走するDX推進者」に変えるための育成ロードマップ
• 市場調査・トレンド
  [ワンアイルコンサルティング株式会社] AI時代の組織設計：「判断と責任」を人に残すための2つの原則とは？
• 技術文書・技術解説
  [ワンアイルコンサルティング株式会社] 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