AIについて私たちは皆間違っているのか？

10,933 文字

おはようございます。Cold Fusionの新しい回へようこそ。
まず最初に、はっきりさせておかなあかんことがあります。AIって言うたら、みんなすぐにニュースで話題になってる、あんまり良くないイメージの消費者向け生成AIを思い浮かべると思います。でも、それと普通のニューラルネットワークとは違うんです。ニューラルネットワークは、静かに裏で新しい使われ方をしてるんです。
この理由で、私は人工知能を二分法って何回も呼んできました。最後にもう一つだけ注意しておきたいんですけど、ここでは細かい意味の違いにこだわらへんことにします。現代的な意味では、人工知能とニューラルネットは同じような意味で使われてるからです。単純にするために、この二つの言葉を同じように使うことにします。
さて、AIが世間の意見を二分してるのは間違いありません。アメリカを例に取って数字で見てみましょう。2024年のユーゴフの世論調査では次のようになってます。AIに対する4つの主な感情は、用心深さ、心配、懐疑心、そして好奇心です。面白いことに、14%の人がAIはすでに人間より賢いと思ってるんです。
もう一つ興味深いのは、若い人ほどAIに対してポジティブな見方をする傾向があることです。これには社会へのAIの影響、自分の人生への影響、経済への影響などが含まれています。
世界中の数字がどうなってるかは別として、ネットを見たらすぐ分かることがあります。多くの人がAIを嫌ってるってことです。ネットで聞くのは、嘘をつく悪徳企業の話ばっかりです。AIの能力を過大に宣伝して、実際はそれに見合わへん。
それとは反対に、AIで従業員を置き換えようとする卑劣な企業の話もあります。例えば、こんな不運な人の話があります。
「僕は仕事を失いました。それもAIに奪われたんです。過去8年間、グラフィックデザイナーとして働いてきました。今週の月曜日、冗談抜きで解雇されると言われました。結局のところ、過去6年間に僕が提供してきた全ての素材が今はAIに与えられ、テンプレート化されてしまったんです。僕が30分かかるデザインが、AIだと30秒で完成するようになったんです。」
実は少し前に、AIに関する企業の欺瞞についての回を作りました。でも、それは誰もが話してる表面的なことです。
もっと深く掘り下げて、反対側の視点から包括的に見てみたらどうでしょう。つまり、AIをどうやって良いことに使えるかってことです。他の技術では達成できない、世界に利益をもたらすようなAIの応用はあるんでしょうか。
この回では、AIがどのように多くの分野で変化をもたらしているか、または可能性があるかを探ってみます。例えば、障害者支援、医療、より良いチップの設計、その他の重要な分野などです。
ここで紹介するプロジェクトの中には、まだ初期段階のものもあるので、将来的に大きく変わる可能性があることを覚えておいてください。でも、概念的には非常に興味深いと思います。
特別なセグメントとして、タスマニア州オーストラリアからの報告もあります。そこに行って、95%も減少してしまった種の回復にAIがどのように使われているかを見てきました。
では、AIの実際の影響について深く掘り下げていきましょう。
ご存知の通り、AIの主な動力源はNVIDIAのGPUです。特にトレーニングプロセスではそうです。そのため、NVIDIAの企業価値がAIブームと共に文字通り急上昇しています。
これらのGPUは強力なシリコンに依存して性能を発揮していますが、ここに面白い展開があります。今度はAIが、自分が動作するチップの性能を向上させているんです。これは興味深い循環サイクルですね。どのように機能しているか見てみましょう。
チップ製造には、リソグラフィという重要な工程があります。これは、半導体ウェハーに詳細な回路設計をエッチングする工程です。フォトマスクと呼ばれるものを使って行われます。
NVIDIAは、GPUベースの新しいアルゴリズムと新しいライブラリを設計し、計算リソグラフィを4倍速くしました。基本的に、多くのGPU間でタスクを並列化するアルゴリズムを開発したんです。
これにより、フォトマスクの計算に必要な時間が数週間から一晩の作業に短縮されました。主な問題は、フォトマスクの作成が以前は数週間かかる遅くて面倒な作業だったことです。
でも今、NVIDIAは生成AIアルゴリズムで構成される新しいプラットフォームを持っていて、このプロセスを加速できます。以前は数週間かかっていたものが、今では40倍速くなり、一晩でできるようになりました。
NVIDIA H100には89個のレチクルがあります。CPUで実行すると、1つのレチクルの処理に2週間かかります。GPUで実行するKithoは、8時間のシフトで1つのレチクルを処理できます。
NVIDIAの新しいプラットフォームはQ lithoと呼ばれ、ナノスケールの計算リソグラフィの問題を信じられないほどのスピードで、そして信じられないほど小さなスケールで処理します。2ナノメートルのサイズについて話してるんです。人間の髪の毛の幅とサッカー場のサイズを比べるようなものです。
このAI駆動のアプローチは、単にスピードアップだけじゃありません。物理的に不可能だと思われていたことを可能にするものなんです。
世界最大の独立半導体ファウンドリであるTSMCは、すでにこの加速プロセスを使用しています。ASMLのような業界の他の大手も、この取り組みに参加しています。
これらの企業は共に、次世代の半導体の基礎を築いています。2ナノメートル技術以降を目指しているんです。
じゃあ、NVIDIAが自社のチップ作成にAIを使ってるなら、性能が大幅に向上すると期待できるよね？じゃあ、その成果はどこにあるの？
ほら、このグラフを見てください。NVIDIAのGPU性能をムーアの法則と比較しています。AIシステムがどれだけ役立っているかを正確に知るのは難しいですが、AIは確かに違いを生み出しています。
じゃあ、何が言えるでしょうか。今日の高速なものは、もうすぐ桁違いに速くなろうとしています。AIは、私たちが夢見てきたレベルにまで、明日のコンピューティングパワーを引き上げる可能性があるんです。
ちなみに、ほとんどの人がDLSSについて知ってると思います。これは、過度の計算力を必要とせずに、より高品質の映像を提供できるNVIDIAのAIアップスケーラーです。
より良いチップ設計は、AIの貢献として予想されるかもしれません。でも、AIを使ってオーストラリアの辺鄙な地域でケルプ植物を再生するって？これは私にとっても新しいことです。
タスマニア州オーストラリアに招待されて、AIがオーストラリアの巨大なケルプ個体群の回復にどのように使われているかを見てきました。これはGoogleのプロジェクトで、オーストラリア連邦科学産業研究機構（CSIRO）、海洋南極研究所（IMAS）、ネイチャー・コンサーバンシー（TNC）、グレート・サザン・リーフ財団、ケルプ・アライアンスとの協力によるものです。
これだけの協力があるってことは、何か重要なことが起こってるに違いありません。話に入る前に、何が危機に瀕しているのかを理解する必要があります。
オーストラリアには、西海岸の中間地点から東海岸まで伸びる巨大なケルプ林があります。実際、オーストラリア人の70%が、ケルプ林から50km（31マイル）以内に住んでいます。
水温の上昇により、タスマニアでは時間とともに大量のケルプが死滅しました。その数は驚くべきことに95%にも上ります。そう、元々の個体群のわずか5%しか残っていないんです。
で、誰がこんな海中の植物を気にするんでしょう？実は、ケルプは何千種類もの海洋生物を維持する上で重要なんです。例えば、ケルプを餌にする動物もいれば、ケルプを住処にする動物もいます。そして、それらの動物を餌にする他の動物もいるわけです。
何千種類もの海洋生物がケルプに依存する、巨大なコミュニティと生態系があるんです。ケルプ林が永久に絶滅してしまったら、連鎖的な影響が起こることは想像に難くありません。
災害を食い止めるための取り組みを始めるには、問題の規模を把握することが不可欠でした。でも、これを手作業でやるのは事実上不可能です。
じゃあ、GoogleのAIはどのように役立つのでしょうか？Googleは、自社のGoogle Earthエンジンと、Vertex AIというクラウドプラットフォームを使って、残存するケルプ林の発見を超人的なスピードで加速しています。
Googleは非政府組織（NGO）と提携して、「7,000平方キロメートル以上の衛星画像でケルプ林を初めて特定し分析する」としています。これにより、研究者たちはこれらの生態系のより完全な全体像を描くことができます。
タスマニアでGoogleのサステナビリティ事業リーダーを務めるレイア・カプランさんと直接話をして、詳しい情報を聞きました。
「巨大ケルプは面白いですね。というのも、その樹冠が海面に浮かぶので、衛星画像で検出できるんです。これが重要な理由は、オーストラリア全域の巨大ケルプの地理的な広がりを理解することが、これまで行われてこなかったからです。
ケルプが残っている場所の地図を作成して、回復の取り組みがどのように進んでいるかを理解することは非常に重要です。そして、衛星画像を使えば、大規模にそれができるんです。
これは、以前のやり方よりずっと安上がりです。以前は基本的に飛行機を飛ばして写真を撮っていました。衛星画像の処理とAIによるケルプの検出は自動化できます。そのため、実際に継続的な残存マップを作成できるんです。」
マッピングが行われると、Google、CSIRO、IMASはAIを使って、AIが最も得意とするパターン認識と予測を行うことができます。
高温範囲で生き残った5%のケルプを使って、AIによる分析でこの種のケルプが生き残れるような遺伝的パターンを解明できます。それが分かれば、この特殊なケルプを繁殖させ、新しい耐熱性のあるケルプで死滅しつつある個体群を補充することができます。
CSIROとIMASの研究所を見学して、この取り組みの一部を実際に見てきました。遺伝子プロファイリングについてもっと詳しく知るために、Google Researchのプロダクトマネージャー、アンドリュー・キャロルさんとお話ししました。
「どんな研究でも、一つの要素は、その種にどれだけの遺伝的多様性があるかを理解することです。出発点を知るためですね。二つ目は、さまざまな課題に対する耐性を与える特性を理解することです。ここでの重要な課題は耐熱性です。ケルプが海水温の上昇に耐える能力のことです。」
この研究プロジェクトは、オーストラリアだけでなく、世界的にも良い影響を与える可能性があります。Googleは、この地理空間マップを全ての科学者がアクセスできるようにし、使用されているAIツールをオープンソース化すると述べています。
AIが違いを生み出す可能性がある最も驚くべき方法の一つは、失った運動能力を取り戻すことかもしれません。AIを搭載した義肢の登場です。
「そうです、これは完全なロボットアームなんです。ここにAIチップがあって、これが私の腕の残りの部分に取り付けられます。ここにはセンサーがあって、外科医が残した腕の神経や信号を読み取ります。開閉を考えるだけで、同じ神経を使っているんです。」
彼は明らかに幸せそうで、その喜びが伝わってきます。
もう一つの話を聞いてください。これはサラ・ディアードさんの話です。2年前、45歳の時に地下鉄の事故で腕を失いました。彼女は新しいAI支援の生体電子義手を手に入れました。この義手は自分で学習し、使えば使うほど上手くなります。
ただし、重くて毎日充電する必要があります。でも重要なのは、以前は不可能だった日常的なタスクができるようになったことです。コーヒーを入れたり、髪をまっすぐにしたり、娘を抱きしめたりといった簡単なことです。
ニューヨーク・タイムズは今年初めに彼女についての記事を書きました。そこでは完璧にこう書かれています。「AIはヘルスケアのような分野にも浸透しつつあります。多くの研究者がAIのリスクについて警鐘を鳴らしていますが、他の専門家は、そういった懸念は技術が生活を改善する可能性と比較検討する必要があると述べています。」
これがこのエピソードの中心テーマです。AIは良いこともできるんです。
義肢については以前から見てきましたが、このAI搭載の義肢はどのように機能するのでしょうか？ニューラルネットワークと機械学習は、患者の筋肉からの電気的な神経信号を解釈するために使われます。これにより、より正確で直感的な制御が可能になります。
基本的に、AIは義肢に脳を与えるんです。階段を登っていることを知っている義足や、こぼさずにスムーズにカップをつかむことができる手を想像してみてください。それがニューラルネットワークの働きなんです。
義肢内のセンサーを使って外部環境から情報を収集し、筋肉の信号を読み取って、義肢を動かします。そして、賢く適応することができるんです。
いくつかの企業がAIを使ってより賢い義肢を作っています。Autobokは、AIを使って機能性と制御性を向上させた生体電子ハンドを提供しています。
Rewalkは、電動歩行アシストシステムで知られています。昨年、新しい外骨格プロトタイプで自律的な意思決定にAIを使用する計画を発表しました。
「歩くのは何年ぶりですか？」
「ほぼ20年です。」
「何年も立っていなかったのに立ち上がったときの感覚は？」
「それが一番良かったですね。」
他の例としては、アイスランドの企業Osurがあります。下肢切断者用の生体電子義肢を作っています。能動的に電力を供給する技術により、パワーニー（電動義足）のユーザーは、受動的な義足では依然として難しい活動を含め、活動範囲を広げることができます。
また、Atom Limbsは、高度なセンサーと機械学習を組み合わせて、義手の動きをより正確で現実的にしています。
「基本的に、切断端を電極で覆い、見えない幻肢で訓練します。指を曲げたり伸ばしたり、手首を回したりする動作を行い、我々の機械学習とAIシステムが大量のトレーニングを行って結果を出します。そうすると、考えるだけで動かせるようになります。頭の中にも頭の上にも、腕の中にも何もありません。全て表面電極とAIが動力源となっています。」
推定によると、世界には5億5000万人以上の切断者がいます。アメリカだけでも200万人おり、その数は2050年までに2倍になると予想されています。
AIと高度な義肢によって、どれだけ多くの人々の人生が変わる可能性があるか、ちょっと考えてみてください。
でも、ここにも注意点があります。大きな可能性があるにもかかわらず、この技術は最も必要としている人々にとってはまだ本格的に利用できる段階ではありません。
大きな理由の一つは、おそらくすでに想像されているでしょうが、コストです。全ての動きを模倣できるロボットシステムを作るのは非常に難しいのです。
さらに、感覚を再現するのは、可能だとしても、おそらくまだ数十年先のことでしょう。
でも、現在利用可能なものでさえ、アクセスできる人々の人生を間違いなく変えています。時間が経つにつれて技術が向上し、製造コストが下がれば、アクセスが増えていくでしょう。そしてそれは素晴らしいことです。
義肢はほんの始まりに過ぎません。ヘルスケアの分野では、ニューラルネットワークが可能性を示しています。診断、治療、健康管理の方法を世界規模で強化しているんです。
このグラフは、ヘルスケアがすでに影響を与えている分野を広範囲にリストアップしています。医療機器の準備、医療支援、さまざまな技術者などの分野が最も影響を受けています。
ヘルスケアへの影響は膨大で、現在のほとんどの医師はそれに気づいていません。人工知能が医療の実践をどのように完全に変えようとしているのか、理解していないんです。
私自身も医師ですが、これは個々の医師を攻撃しているわけではありません。ただ、医療業界は完全に売り切れてしまい、今後数年間に起こることに完全に値すると思います。
そして、これらの変化から自分を守れると思っている医師がいるなら、頑張ってください。なぜなら、絶対にそれはできないからです。大きな変化が待っています。それに備えた方がいいでしょう。
次のセクションでは、AIが医師や他の医療従事者に取って代わるという議論は避けます。そうではなく、AIが多くの面で重労働を助けるという話です。
GoogleのMed-LMは、まさにそれを目指しています。Med-LMは、患者の記録を素早く書き上げたり、病気の重要なマーカーを見つけたりするのを助けるAIツールのセットです。ヘルスケアのタスクをより簡単で効率的にすることが目的です。
Googleだけではありません。NVIDIAも手術や医療画像をよりスマートで高速にするAIツールを発表しました。ジョンソン・エンド・ジョンソンやGEヘルスケアといった巨人たちも、NVIDIAのAIツールに乗り出しています。
医薬品分野に目を向けると、EY Americasのアウラールは、バイオファーマ業界にポジティブな変化があったと指摘しています。彼らは、AIが意味のないバズワードから、わずか1年半で本当のゲームチェンジャーになったと述べています。
これはどういう意味でしょうか？通常、新薬の発見は、研究、臨床試験、テストで満ちた長い道のりです。このプロセスは製薬会社に数十億ドルのコストがかかり、しかも失敗のリスクが高いのです。
今、AIの助けを借りて、時間とコストを削減することができます。これは大きな進歩です。
AIとディープラーニングを使って研究を加速している複数のバイオテク企業を挙げることができます。例えば、Recursion Pharmaceuticalsは、NVIDIAのAIスーパーコンピューターBioH2を使用して、新薬をより速く発見しています。
Benevolent AIは、テスト直前の薬をチェックします。彼らは、まだ良い治療法がない病気の治療を目指しています。
一方、Atomwiseは、結合親和性予測のためにAtomNetディープラーニングニューラルネットワークを利用しています。これは薬の発見プロセスにおける重要なステップです。これにより、効果的な薬をより速く、より頻繁に見つけることができます。
ニューラルネットワークは物事を加速し、全体の操作をより効率的でスマートにしています。
「素人の懐疑論者」なら「ふざけるな！」と叫ぶかもしれません。でも、これは単なる理論ではありません。マッキンゼーは研究論文を発表し、AIが実際にバイオファーマ研究の生産性にポジティブな影響を与え、成功率を高めていることを発見しました。
これは、一般的なAIのハイプの裏で、人々の目に触れずに進行している隠れた動きです。すでに270のAI駆動型薬物発見企業が設立されています。
急速な進歩と相まって、企業の欲が邪魔をしなければ、副作用の少ない新薬がより安価に登場する可能性があります。大きな要求かもしれませんが、夢見ることはできます。
この分野の他の企業、例えばDelilah Diagnosticsは、AIを使用して肺がんの指標を特定するテストを開発しました。
同様に、ワシントンのChildren's National Hospitalの研究者たちは、子供のリウマチ性心臓病を診断するためのAIツールを開発しました。
過去1年間で、こういった医療ソリューションが多数オンラインで登場しています。以前のエピソードでも、AIを使ってがんの検出が容易になっていることをすでに見てきました。
必要なのは単純な乾燥血液サンプルだけです。検出率は85%に達することがあり、何よりも迅速で安価です。
これは一つの研究論文や一つの病院だけが使用しているソリューションではありません。ほぼ広く普及しています。科学では独立した検証が常に重要ですので、これは本当に興奮させられることです。
ロボット手術では、AIが医師や外科医の精度を向上させています。2018年にはロボット外科医「ダヴィンチ」について取り上げましたが、今では機械学習、画像認識などを利用して、高度な画像分析、手術計画、患者固有の解剖学に合わせたリアルタイムの調整を行うことができます。
これら全てにおいて、トレーニングデータがヘルスケア関連ソリューションにとって非常に重要であることに注意する必要があります。
データの有効性は、人口統計、年齢、性別、環境要因などの変数によって低下する可能性があります。
だから、これらの初期の兆候が非常に有望だと思いますが、現実的になる必要があります。平均的な人にとって、意味のある強力な影響が見られるまでには、おそらくある程度の時間がかかるでしょう。
でも、これはまだ素晴らしいスタートです。
人工知能がより良いバッテリーの作成を助けることができたらどうでしょうか？リチウムイオン型バッテリーは、モバイルデバイスから電気自動車まで、あらゆるものに不可欠です。
しかし、リチウムは非常に高価で、その中間環境に甚大な被害を与えます。リチウムの代替は大きな課題で、何年もかかる可能性があり、何百万もの代替材料のテストが必要になるかもしれません。
AIはこの文脈で極めて有用であり、すでに大きな効果を上げています。
注目すべき研究では、AIが数百万の可能性の中から、次世代バッテリーの有望な23の材料を特定するのに重要な役割を果たしました。
マイクロソフトと太平洋北西国立研究所の共同研究で、最近発表された論文に記録されています。
関連する研究で、2024年初頭、マイクロソフトのネイサン・ベイカーと彼の同僚たちは、AIを使って2360万の候補材料をふるいにかけました。
既存の電解質設計の一部のリチウム原子を他の元素で置き換えることで、設計を調整しました。その結果、他の現行設計よりも70%少ないリチウムで済むバッテリーが完成しました。
AIが発見したブレークスルー材料は「N216」と名付けられました。エネルギー省の専門家たちが後にこの材料の実用可能性を確認しました。
N216は本質的に新しい電解質で、リチウム原子の半分をナトリウムで置き換えたものです。この斬新なレシピは、バッテリー物理学に新しい可能性を開きます。
この材料を使って、電球を点灯させる程度の簡単なプロトタイプを作ることができました。でも重要なのは、アイデアから実際に動作するプロトタイプまでにかかった時間がわずか9ヶ月だったことです。特に全く新しい化学物質としては、非常に加速された時間スケールです。
もちろん、いくつかの課題もあります。バッテリー工学で利用可能なデータが限られているため、トレーニングデータについてまだいくつかの疑問があります。また、将来のAI設計を実現する際に予期せぬ複雑さがあるかもしれません。
でも、これは間違いなく素晴らしい進歩です。
ここまでで、消費者向けAIアプリケーションについては十分すぎるほど聞かされてきたと思います。どの企業も「斬新な特典」としてAIを追加していますね。正直言って、やりすぎで、むしろイライラします。
2015年から、このハイプが起こる前からニューラルネットワークについてこのチャンネルで取り上げてきた者として、全体像を把握することは重要だと思います。
今回紹介した話は、私個人的に魅力的だと感じたものです。大きな流れの中で、私たちがどこに立っているのかを見極めるのに役立ちます。そして、あまりにも多くのノイズに巻き込まれないようにするのです。
確かに、メッセージングアプリでAIステッカーを生成するのが面白いと思う人もいるでしょう。でも、AIが人類のより広範な問題を潜在的に解決し、究極的により良い世界を夢見るのを助けるというのは、クリシェに聞こえるかもしれませんが、私たちのほとんどがAIに対して常に想像してきたことです。
そして今、AIがこれらの分野のいくつかで可能性を示し始めているのを見ると、反対側の完全な混乱にもかかわらず、その方向に向けていくつかのポジティブな動きがあるのは良いことだと思います。
みなさんはどう思いますか？コメント欄で自由に意見を共有してください。
今日、私たちはAIが人類を助けている様子を見てきました。でも、あなた自身がそのような仕事をしたいと思ったらどうでしょうか？
実際、キャリアの長さについて考えたことはありますか？平均して約80,000時間、つまり人生の大部分を占めます。だから、キャリアを計画するのに時間をかける価値は十分にあります。
ここで、非営利団体の80,000 Hoursが役立ちます。オックスフォード大学の研究者たちと10年間研究を行った結果、彼らは最もやりがいのあるキャリアパスをいくつか見出しました。世界で最も差し迫った問題を解決するのに役立つキャリアです。
80,000 Hoursには、高い影響力を持つと彼らが考える数百の求人情報が常に更新されているジョブボードがあります。場所、役割の種類、職務要件、取り組む問題分野でフィルタリングすることができます。
強調したいのは、彼らが提供するすべてのものが無料だということです。彼らは非営利団体で、唯一の目的は、やりがいがあり影響力の大きいキャリアを見つける手助けをすることです。
例えば、高impact分野における情報セキュリティのキャリアパスは非常に重要で、時間が経つにつれてさらに需要が高まると私は考えています。彼らはそれに関する詳細なキャリアレビューを提供しています。
80000hours.org/coldfusionにアクセスすると、詳細なキャリアガイドの無料コピーが送られてきます。このガイドは、影響力の大きいキャリアの特徴を学び、影響力のあるパスについての新しいアイデアを得て、学んだことに基づいて計画を立て、それを実行に移すのに役立ちます。
つまり、80000hours.org/coldfusionです。
視聴いただき、ありがとうございます。何か新しいことを学んでいただけたら嬉しいです。AIが完全に悪いものではないということが少しでも理解していただけたら幸いです。
さて、これで十分です。私の名前はダゴです。Cold Fusionをご覧いただきました。次回のエピソードでまたお会いしましょう。じゃあね。