最終更新日:
2010年代後半からAIへの注目が高まり、現在多くの産業分野で活用が進んでいます。急激に発展を続けるAIを支えているのは、多くの研究者です。
現在、大学だけでなく多くの企業がAIの研究に取り組み、日々新しい技術革新が生まれています。
この記事ではAI研究に注目し、研究分野だけでなくAI研究を行う企業から研究室まで幅広く紹介していきます。
▼AIについて詳しくはこちら
目次
AI研究の概要と現状
AI研究の概要
AIには定義がなく、さまざまな技術がAIと呼称されており、AI研究にも統一した定義がありません。
さらに、AI研究は拡大し、全体を俯瞰的に捉えることが難しくなっています。今後、ますますAI研究の成果を用いた多数のシステムが実社会で活用されていくことが想定されます。
そのため、AIシステムとAI技術との対応を捉えることが重要になってきます。
そこで、これから活躍するAI研究の初学者、およびAI活用を狙う異分野の研究者・実務者をターゲットとしたガイドとして、人工知能学会AIマップβ 2.0を公開しています。
▶AI研究は深層学習だけではない ーこれからのAI研究を広げるツール「AIマップβ」>>
AIは主に汎用人工知能と特化型人工知能の2種類に分かれており、特に企業では特化型人工知能の研究が盛んに行われています。
|
特化型人工知能の研究では特にディープラーニングなどの機械学習技術を活用した研究が盛んになっており、機械学習を活用して画像や音声、テキストを認識したり、生成したりする研究が盛んになっています。
▶AIの種類を紹介|定義やそれぞれの違いについて詳しく解説!>>
最先端のAI研究
AI研究の国際情勢
AI研究の第一人者の松尾豊氏は、AI研究においては「米中の両国がトップで、その後にイギリス、カナダ、ドイツ、シンガポールなどが続き、日本はまだその下という感じだと思います」と述べています。
日本はAI研究において遅れをとっていると言えます。AI研究においてはアメリカと中国が覇権を争っているような状況です。
AI研究をリードする世界の(産官学)機関トップ50では、Google、Facebook、Microsoftなどの名だたる企業がトップ3を独占する形となっており、
アメリカがリードしているようにみえます。しかし、ここ最近では中国がアメリカを逆転したという見解もみられています。
研究の質を示す論文の引用実績で2020年に中国が米国を初めて逆転しました。
また、米国防総省で初の最高ソフトウエア責任者(CSO)を務めたニコラス・シャラン氏は、アメリカの技術革新が遅いことに対する抗議のために2021年10月に辞任しました。
そして、人工知能(AI)技術の開発競争において、以下のように語っています。
「我々(アメリカ)は今後15年から20年間、中国との競争で勝てる見込みはない。今時点で既に勝負は決着している。私の考えでは、もう戦いは終わった」
多くの人が、世界のAI研究の考察として、米国が中国をリードしており、今後も米国が中国をリードし続けられるのかという認識でいたのではないでしょうか。
しかし、中国のAI研究開発の進歩は目覚ましく、今後も「AI覇権」を巡る米中の攻防が激化すると考えられます。
▶【前編】2020年のAI研究ランキング:アメリカは中国をリードし続けられるのか?>>
▶【後編】2020年のAI研究ランキング:アメリカは中国をリードし続けられるのか?>>
最先端のAI研究
対話の展開を先読みするAI
2021年6月に対話の展開を先読みするAIが発表されました。人間同士の会話において展開の先読みが重要な要素であることに着目した研究です。
入出力が過去の文脈と未来の展開で構成されるデータを用いて応答し、会話の展開を生成するsequence-to-sequenceモデルが用いられています。
▶︎参考論文はこちら>>
対話システムの先読み能力実現に向けた未来の展開まで生成する学習戦略の提案と分析
ツイートのバズりを予測するAI
2022年5月にツイートのバズりを予測するAIが発表されました。同AIはツイートの文章とユーザーの特徴を分析することで予測の精度を13%も改善することに成功しました。
文章の分析にはGoogleの自然言語処理モデルであるBERTが利用されています。
▶︎参考論文はこちら>>
ViralBERT: A User Focused BERT-Based Approach to Virality Prediction
主なAI研究分野
ここからは、AIの研究が進んでいる主な分野を7つご紹介します。
それぞれ解説していきます。
①アルゴリズム
アルゴリズムとは、コンピューターで何らかの計算を行う際の方法や手順を示すものです。
コンピューターはいくつもの簡単な選択肢を折り重ねることにより複雑なプログラムを構成していますが、この選択肢に該当するのがアルゴリズムと言えます。
AIは膨大なデータの処理、分析を行います。そのデータのパターンや特徴を表現するためのモデル構築を行うのがアルゴリズムです。
アルゴリズムはAIが学習する過程において非常に重要な役割を担う技術であるとわかります。
▶AIのアルゴリズムとは?|図を用いてわかりやすく解説!>>
②音声認識
音声認識とは、音声をコンピュータに認識させる技術のことです。つまり、人間が話す音声を音(空気の振動)として測定し、そこから得られた波形データを解析し、文字データに変換するための技術です。
AlexaやGoogleアシスタント、AppleのSiriなどのスマートスピーカーを利用したことがある方も多いのではないでしょうか。それらに使われている技術がまさに音声認識です!
現在では、車内などの限定された状況以外での認識を可能にしたり、誰が話しているのかを特定する研究などにも発展しています。
▶AI音声認識ってなに?仕組みからおすすめサービスまで分かりやすく解説>>
▶スマートスピーカー徹底比較!おすすめのスマートスピーカーは?>>
③画像認識
画像認識とは、画像をコンピューターに理解させる技術のことです。
画像から色や形などの特徴を読み取り、特徴を学習機に入れて新たな画像を認識できるようにしたパターン認識技術のひとつです。
身近な例で言うとスマホの顔認証に使われています。他にもさまざまな産業で活用されており、伸び代がある研究分野であると言えます。
▶画像認識とは|機能・事例・仕組み・導入方法など徹底解説>>
▶画像認識で機械が眼を持つ!? ディープラーニングの可能性と画像認識の事例5選>>
④機械学習
収集データを用いてコンピュータが自ら学習し一貫性のある規則を見つけ出そうとする技術研究です。
具体的には、データから変数間の関係や変数の重要性を学習したり、隠れた重要な変数(要因)を発見したりします。それによって、データの分類、予測等ができるようになります。
このようにAIに欠かせない研究となっています。
▶機械学習をどこよりもわかりやすく解説! 教師ありなし学習・強化学習だけでなく5つのアルゴリズムも完全理解!>>
⑤自然言語処理
テキストデータの言葉、内容、意味をコンピュータに理解させる研究です。
具体的には、テータを形態素解析、構文解析、文脈解析、意味解析などを行い、内容ではなく表層的な観点から解析をします。
翻訳ソフトや検索エンジン等、私たちが普段使っているものに使われており、人の役割を代替するAIを実現するためには、自然言語処理は必須のものといえます。
また、音声認識や情報検索にも応用されており、まだまだ研究が進んでいく分野であると言えます。
⑥推論・探索
推論とは、多数のルールを用いて矛盾のない答えを導き出す手法です。
最も基本になるの三段論法です。これは「ソクラテスは人間である。人間は死ぬ。よって、ソクラテスは死ぬ」という三段階で結論を出すものです。
探索とは、データの集まりから条件に合うものを見つける手法です。推論の基盤となる技術です。
これらの技術によりAIは、パターン分けを瞬時にできるようになり、パズルや迷路を圧倒的に早く解く事が可能になりました。
AIがプロ棋士に挑み、いい勝負を繰り広げていることをご存知の方も多いのではないでしょうか。
⑦データマイニング
データベース技術と機械学習が結びついた技術で、大量の整理されていないデータから役に立つと情報を見つけだす手法の研究です。
小売業を例に活用法を挙げます。
日々蓄積される顧客データベースからキャンペーンの最適化や販売予測の精度を高めるなどの目的達成に役立つ情報を見つけだすことができます。それにより、売上アップに繋がる施策を講じることができるのです。
このように、各業界にさまざまな恩恵をもたらしており、需要のある研究です。
⑧ロボット
機械工学と人工知能研究を結び付けた研究です。
ロボットをどう動かせばよいかを、AIの各分野の手法を応用して決めます。単純作業を繰り返すルーチンワークは少しずつロボットに置き換わっています。
ロボットが作業できるものはロボットに任せることで人手不足の解消に繋がります。AIの注目と同時にロボットも導入が進んでいます。
よって、ロボット×AIは最注目の分野の一つです。
大学でのAI研究
松尾研究室
AI研究をしている研究室は多数あります。ここでは、東京大学松尾研究室の紹介をします。
松尾研究室は、AI研究の第一人者の松尾豊教授の研究室です。同研究室は、東京大学のある本郷を起点に、世界に羽ばたく研究者・起業家が集うエコシステムを作る構想を掲げています。
松尾研究室では、ディープラーニング(特に世界モデル)を軸に基礎研究を行なっています。
特に最近では、ディープラーニングを 真の人工知能(=強いAI) の入り口に位置する重要な技術であると捉え、 研究活動に力を入れています。
また、ウェブマイニングの分野での日本の代表、長尾真記念特別賞等受賞しており、学生も工学系研究科長賞を連続受賞しています。
さらに松尾研究室は、数多くの企業と共同研究を行なっています。
最新の研究・技術をビジネスに適応することで、社会に大きな価値をもたらすことと実データの活用で研究開発をブラッシュアップさせることが目的です。
例えば、みずほ銀行との、AIによる外国為替取引高度化に関する共同研究です。
AIを活用した外国為替取引データの分析によって外国為替取引執行を精緻化させ、取引の迅速化、取引ボリュームの増強、為替リスクの極小化と収益の極大化を目的としています。
他にもAI研究を行っている研究室は多数あります。
こちらの記事でAI関連の研究をしている研究室を地方別にまとめられていますので、ぜひ参考にしてみてください。
AI研究を行う国内外の企業6選
ここからは「最も影響力のあるAI学者2000」の所属が多い国内外の企業を6社紹介していきます。
それぞれ解説していきます。
①Google
Googleは多くの優秀なAI研究者を抱えていますが、「最も影響力のあるAI研究者2000」に選出された研究者が135名います。これは大学等の教育機関を抑えトップの人数です。
GoogleはAIのサービスへの活用だけではなく、研究開発においても世界を牽引しており、AIの研究開発に膨大な資金を投入しています。
また2014年、AI開発を手掛けるイギリスの企業「DeepMind」を4億ポンドで買収しました。
DeepMind社は、2015年にプロの囲碁棋士を相手にした対戦で勝利を収め、大きな話題となった囲碁プログラム「AlphaGo」を開発した企業です。
AlphaGoの最大の特徴はニューラルネットワークを応用しているという点です。プログラム自身によって自分自身との対局を数千万回繰り返すことで学習していきます。
さらにモンテカルロ木探索と呼ばれる探索アルゴリズムを組み合わせたこともAlphaGoの特徴の一つです。
それ以前のAIの取り組みと異なる手法により、AlphaGoは高い精度を持っていました。そんな超高精度AIを開発するDeepMindを買い取り、GoogleのAI研究は勢い付いていきました。
その後も、アフリカ、中国、インド、アメリカなど多くの地域にAI研究所を設置するなど、よりグローバルなAI開発に力を入れ、AI研究の世界トップを走り続けてきました。
②Microsoft
Microsoftでは、80名の研究者が「最も影響力のあるAI研究者2000」に選出されています。こちらも他の大学等の教育機関を超えた人数です。
2017年、マイクロソフトは、AIの最も困難な課題の解決に焦点を当てた研究組織内のリサーチとインキュベーションのハブであるAI研究所「Microsoft Research AI」の新設することを発表しました。
科学者、エンジニアのチームがマイクロソフトの研究所や製品グループとの連携が目的で設置されました。
また一番の設立理由は、機械学習、認知、自然言語処理などの個別の研究分野として発展してきたAIの研究分野を統合することです。
この統合型アプローチにより、高度な理解を行い、複雑で多面的な作業で人々を支援できるツールの開発を進めてきました。
また2019年には、OpenAIに10億ドル出資し、AGI(汎用AI)開発を支援することをを発表しました。OpenAIとは、2015年12月に設立された、汎用AIを世界で初めて作ることを目標としているアメリカの非営利団体です。
MicrosoftはAIの研究開発に膨大な資金を投入し、世界のAI研究を牽引していると言えます。
③Facebook
Facebook社からは、「最も影響力のあるAI研究者2000」に51名が選出されています。
Facebookには、AIの研究者集団「Facebook AI Research(FAIR)」があります。FAIRの設置は、AIの最先端技術を研究し、社会全体のAI技術の底上げを図ることが目的でした。
FAIRが開発したPyTorchは、Python言語によるオープンソースの機械学習ライブラリです。
機械学習ライブラリのなかでも、最も人気があるものの1つといえます。PyTorchの大きな特徴として、Numpyの基本的な操作方法と酷似しているという点です。
Numpyとは、Pythonにおける機械学習で必須のライブラリです。ユーザーライクな設計が人気の理由の一つです。また、動的な計算グラフを用いていることが特徴として挙げられます。
ニューラルネットワークを構築するライブラリの定番製品の多くは、静的な計算グラフを用いています。動的な計算グラフを導入することで、柔軟であるがゆえに複雑なネットワークを実装しやすくなりました。
このようにFacebookのAI研究開発はユーザーライクで進められていることが特徴的です。
④NEC
NECは技術領域「認識AI」「分析AI」「制御AI」を定め、新たな社会価値を創造するための研究開発に取り組んでいます。
NECは米国国立標準技術研究所(NIST)による顔認証技術の評価試験で世界トップの座を5回も獲得しています。
特に、キャッシュレス決済をはじめとするFinTech領域や公共交通機関、Digital IDなどで主に活用され、より高精度が求められる大規模な「1:N認証」では、1,200万人分の静止画の認証エラー率0.22%と性能評価されました。
顔認証は、カメラに写った顔情報をデータベースと照合して識別する認証方法です。
その処理は、画像中から「顔がどこにあるか」を検出し、瞳、鼻、口など、「その人の顔の特徴的なポイントがどこにあるか」を見つけ、検出された顔の特徴点から「誰であるか」を判定するという、高度な分析を要するものです。
顔認証で重要な要素の性能を高めていくために、
- 画像の中から対象となる顔の位置を高速・高精度に探し出す顔検出技術
- 経年変化や表情変化によらず安定して顔の特徴を解析する顔特徴点検出技術
- あらゆる場面で誤照合が零になることを目指した高精度顔照合技術
の研究開発に力を入れています。
その結果、他社と比較して、最小限のエラー率、加齢による経年変化の影響を受けにくい認証精度、登録人数に依存しない認証精度を実現することができています。
⑤サイバーエージェント
サイバーエージェントは、デジタルマーケティング全般に関わる、幅広いAI技術の研究開発を目的に「AI Lab」を設立しました。
機械学習、計量経済学、コンピュータビジョン、自然言語処理、HCIなどを専門とする研究者が所属しています。
また、高度なAI研究技術を持ち、実用化に積極的な大学・学術機関との産学連携を強化し、ビジネス課題の解決だけでなく学術的貢献を目指し研究開発に取り組んでいます。
AI Labでは分野別での研究を強化しています。直近では10月に、AIを活用したCGアバターの生成を研究する「デジタルヒューマン研究センター」を設置しました。
人物の多様な動きを自動生成し高精細なデジタルヒューマンを生み出すべく、モーションやエフェクトまで幅広く研究対象を広げた組織です。
現実の人間と比べ違和感のないCGモデルを作り、広告やテレビ・CMなど映像における活用をはじめ、オンライン接客など様々な事業に技術を展開し、人間が稼働をすることなく、あらゆる場面でデジタルヒューマンが活躍できる世界の実現を目指しています。
また同10月に、音声合成や音声認識といった分野を専門に研究する「完全自動対話研究センター」を設置しました。
音声合成や音声認識に加え、自然言語処理、声質変換、声からの感情認識、話者の識別といった分野の研究を強化します。
2026年をめどに、ユーザーの意図や会話の文脈を理解して対話できる「完全自動会話」の成立を目指しています。
⑥NTT
NTTは、以下4つのコンセプトでAIの研究開発を行っています。
- 人の発する情報を読み解き、意図・感情を理解する「Agent-AI」
- 意識されない人の心と身体を読み解き、深層心理・知性・本能を理解する「Heart-Touching-AI」
- 森羅万象(物・人・環境)を読み解き、瞬時に予測・制御する「AmbientAI」
- 複数のAIが有機的につながり成長し、社会システム全体を最適化する「Network-AI」
▶注目のAI企業33選|話題のスタートアップ企業から大企業・海外企業まで紹介!>>
AI研究の今後
弱いAIから強いAIへ
AIは、これからの社会を大きく変える可能性があるものです。そのためAI研究は、将来の発展のためには非常に重要であり、重要が増していくことが予測できます。
また、AI先進国から見ると、日本はAI研究者が極めて少なく、不足しています。そういった意味でもAIの可能性について正しく理解したAI研究者の需要は高まっています。
AIは主に汎用人工知能と特化型人工知能の2種類に分かれています。
AI研究が始まった1950年代から人間の様にふるまうロボット、つまり汎用人工知能の開発が目標でした。しかし、技術的な制約もあり、特定の機能に限定した「特化型人工知能」の開発が進められてきたのです。
ディープラーニングが登場してからは、汎用性の高い技術が急速に発展してきました。
近未来においては複数の情報を組み合わせて学習する「マルチモーダルAI」が増えてくると考えられている。
「マルチモーダルAI」とは、さまざまな種類(画像、音声、テキストなど)の入力情報をそれぞれ個別にAIに認識させるのではなく、組み合わせて学習するAIのことです。
人間はさまざまな情報を多面的に認識し、活用しながら行動しています。
AIをさらに人間に近づけようと考えたとき、このような多面的な情報を組み合わせて処理し、認識する機能をAIモデル化することが必要となるのです。
現時点では複数の種類の情報をどのように扱うのが最適なのか、盛んに研究が行われています。
「マルチモーダルAI」の研究の成果は「汎用人工知能」のヒントとなります。このように着実に汎用人工知能の開発に向かっていっています。
シンギュラリティ
汎用人工知能の実現検討で論点となるのは、「技術的特異点(シンギュラリティ)」です。シンギュラリティとはAIが人類の知能を超える転換点や、AIがもたらす世界の変化を示す概念のことです。
AI研究の権威であるレイ・カーツワイルによると、現在では2045年にシンギュラリティが訪れると言われています。
▶シンギュラリティとは?技術特異点による私たちへの影響を解説>>
▶AIは今後どういった進化を遂げるのか。そして私たちへの影響は?>>
AI論文検索サイトの紹介
最後に、研究者向けのAI論文検索サイトを3つ紹介します。
|
まとめ
今回はAI研究の分野、国内外の研究室や企業、研究するための便利ツール等を紹介させていただきました。
AI研究について興味がある方、AI研究に取り組みたいと考えている方に少しでもお役に立てれば幸いです。
最後までご覧いただきありがとうございました。