ワイルドウェストワールドHBOの人工知能：当時と現在

今日のように、1973年（マイケル・クリクトンが「The World of the Wild West」を発表した年）に、誰もが人工知能のアイデアに魅了されました。 映画は大ヒットを記録しましたが、同じ年に人々がAIのアイデアに向かって冷静になり始めたのと同じ時期にリリースされました：AIリソースの大幅な枯渇、期待の欺ceiv、そして結果として、その後の年の関心の衰退。



2016年、World of the Wild Westが再び登場し、機械、公開情報リソース、コンピューティングパワーのディープラーニングテクノロジーの根本的な変化がAIの未来を根本的に変えました。 1973年の完全な希望の崩壊と比較して、AIが社会の発展を補完し、推進できるように、テクノロジーの計算能力と能力は現在十分に開発されています。



ジョナサンノーランとリサジョイによって作成されたHBOのワイルドウエストの新しいバージョンは、これまでで最も人気のあるシリーズの1つになりました。 未来的な西洋の現実は、AIのいたるところにある強迫観念の火に燃料を追加し、ショーの人気は、人々がAIの可能性に魅了されていることを証明しています。 ワイルドウエストワールドの成功は、ベンチャーキャピタルファンド、企業、消費者が活発に交流している堅牢なAIエコシステムを反映しています。



1973年以来、AIの主なタスクは変わっていません。タスクの自動化と組織の制約の排除、および日常の日常活動の促進です。 政府、科学者、および企業はAIの進歩を推進し、消費者は空高く（Wild West Worldの興行的成功によって証明されるように）、技術を獲得することも、その使用方法とそれがもたらすものを理解することもできませんでしたそれ自体への制限。



消費者の関心は技術への資金提供を続けるのに十分ではなく、映画が公開されてからわずか数か月後、ジェームズ・ライトヒルはAIについてかなり悲観的な報告を発表し、その後7年間の停滞を引き起こしました。 レポートでは、ライトヒルは熱烈な期待と現実の間のギャップが拡大していることを指摘し、大学が助成金を削減し、政府と軍がAI開発プロジェクトの資金を削減し、リソースが他のプロジェクトに使用されるようになったと述べました。



今日、Ray Kurzweil、Ren-Sun Huang、Andrew Eun、Yang Lekun、Yoshua Bengioなどの専門家はAIの可能性について大胆な声明を出し、企業は画像認識、音声、機械との対話の可能性をマスターする準備を急いでいます。 現在のAI革命は、大学や軍事研究をはるかに超えて、私たちの日常生活に流れ込んでいます。 進歩は、70年代に不十分または不十分だった6つのコンポーネント（科学的基盤、計算能力、利用可能な情報リソース、専門家、投資）によって推進されています。



1.猫の顔を認識する方法



AIを作成するための基本的なコンポーネントは50年前から存在していましたが、現在この考えに執着しているため、2012年にAndrew Unの研究が生まれました（Stanford）。 Eunと彼のチームは、ディープラーニング（脳の働きをリモートでシミュレートする一連のアルゴリズム）の前提であるニューラルネットワークの助けを借りて、制御されていない学習の分野にブレークスルーをもたらしました。 スタンフォードの客員教授であるEun（Google Brainチームの創設者兼リードスペシャリスト、 Baiduの1,200人のAI開発者チームのリーダー ）は、モデルを使用せずにニューラルネットワークを介して、教師なし学習または学習用データセットをテストすることを決定しました。 彼と彼のチームはYouTubeを一連のデータとして使用し、AI分野の著名人と16,000台のコンピューターの助けを借りて、彼のディープラーニングモデルが顔を認識できるかどうかを確認しました。 「猫の実験」として知られるようになった猫の銃口缶でさえ、何十年にもわたる科学研究につながったディープラーニングのアルゴリズムの改善によってのみ、そのようなテストを実施することが可能になりました。



2012年まで、従来の機械学習では、アルゴリズムを使用して最終変数を取得しなければなりませんでした。 Eunのテストでは、ディープラーニング（およびニューラルネットワークの構築）には大きな可能性があることが示されています。



1973年、AI、計算能力、および詳細なトレーニング方法の予算は限られていました。複雑なアルゴリズムでデータを処理する方法についての理解はありませんでした。 自然言語処理はまだ始まったばかりで、チューリング完全性の概念はほんの数年前に生まれました。 70年代の研究者は、Lighthillの研究で議論されたように、AIの進歩について誤っていました。



2. GPUと計算能力



ディープラーニングまたはニューラルネットワークを介したデータ処理には、途方もないコンピューティング能力が必要です。これは、Wild West Worldの作成時には利用できませんでした。 詳細な学習プロセスが始まる前であっても、巨大なデータベースや分散コンピューティングシステム全体でデータを収集、合成、ダウンロード、および分散する必要があります。



科学者や愛好家は今日、データ配列を使用したトレーニングにGPUを使用しています。 ニューラルネットワークは、プロセッサチップで400時間トレーニングし、数十年の研究データをアルゴリズムに抽出する必要があります。 ディープラーニングでは大量のデータが使用され、その処理には拡張性の高いパフォーマンス、高メモリ帯域幅、低消費電力、および演算処理の速度が必要です。 HadoopとSparkのフレームワークは許容可能なデータベースを提供し、Nvidiaは複雑なアルゴリズムと計算に最適なグラフィックチップの生産よりも20年先を進んでいます。 グラフィックチップを含むNvidiaチップは、ロボット車やドローンなどのほとんどのスマートハードウェアで使用されており、新しい分野でディープラーニングを使用できます。



1973年、コンピューターの計算能力は対数的に今より弱かった（ジョナサンクミの画像に見られるように）



3.ストレージのコストと比較したデータ量



現在、学習モデルにダウンロードできる大量のデータが生成され、画像認識、音声、自然言語処理でより正確な結果が得られます。 データは、フィットネスブレスレット、Appleウォッチ、IoTデバイスなどのデバイスから受信されます。 また、企業レベルではデータ量が何倍にもなります。 モバイルデバイス、インターネットからのビッグデータの量を増やすと、モノのインターネットはAIにぴったりの大量のデータを作成します。



最新のクラウドテクノロジーをすべて使用することで、大企業は多額の費用をかけることなくデータを保存し、データに常時アクセスできます。 Box、Dropboxエクスチェンジャーの人気の高まり、Google、Amazon、Microsoftからの提供により、データストレージのコストが削減されました。



1973年には、ユーザーウォッチがスリープサイクルやヘルスインジケータを追跡しなかったため、今日のお気に入りのアプリケーションでできることは何もありませんでした。 企業では、すべてのデータはローカルに保存されていたため、サーバーとそのメンテナンスにお金がなかった場合は、船外に残っていました。



4.相互作用と公開情報リソース



AIの専門家は、今日の競争の激しい市場に代表される企業を通じて利用可能なオープンITリソースに惹かれています。 IBM Watsonスーパーコンピューターは最初の兆候であり、競合他社は現在、独自のサービスを提供することに熱心です。 GoogleはGoogle TensorFlowを通じてインフラストラクチャを提供し、MicrosoftはCNTKディープラーニングフレームワークを提供します。 大学は研究へのアクセスを提供します。バークレー大学はCaffeフレームワークを共有し、モントリオール大学はPython-Theanoライブラリへのアクセスをオープンしました。



多くの組織は、最高の専門家を惹きつけるためにAIの分野で共同研究を行い、研究を共有していますが、ある組織が先に進んだ場合、負の結果を招く可能性に備えています。 この分野のプレイヤーの一部は、OpenAI、Open Academic Society、Semantic Sc​​holarライブラリです。 Appleは12月のニューラルネットワーク情報処理システムに関する会議で、AI開発へのアクセスを開放し、専任の研究者が自分の成果を公開できるようにすることを発表しました。



「ワイルドウェストワールド」の時点では、すべての研究は主に政府機関と防衛企業で実施されていたため、研究の交換に関する相互作用はほとんどありませんでした。 組織はLISPのようなプログラミング言語を共有し、科学者たちは対面会議で彼らの仕事を比較しましたが、コラボレーションとAI開発を妨げるインターネット通信機能はまだありませんでした。



5. AIスペシャリスト-王と神



学生はAIの分野を把握し、データ分析と自然言語処理のコースを受講しました。そして、大学はそのようなコースを作成するために関連するリソースを引き付けます。 適切な資金を提供する奨学金プログラムにより、コンピューターサイエンス、数学、エンジニア、進行中の研究のコースを受講する学生の数は増加しています。



1973年には、そのようなプログラムはほとんどなく、ヨーロッパの大学は、Lighthillの悲観的なレポートの発行後、多くのAI研究プロジェクトを終了しました。



6.投資の狂気



今日、AIへの投資は飛躍的に成長しています。 Venture Scannerによると 、2011年以降、AGRT（累積年間成長率）は42％でした。 大規模なベンチャーキャピタルファンドやテクノロジー企業はAIに嫌われ、専門家、企業、イニシアチブに投資しています。 いくつかの買収取引が行われましたが、これは基本的に、有能な従業員が既存のAI専門家チームを作成または強化するための美しい購入でした。



1973年、投資は主にDARPA（Defense Advanced Research and Development Agency）などの防衛および政府機関から行われました。 熱がおさまり始めたとき、DARPAはAIとツール、大規模な研究者の開発のための予算を大幅に削減しました。 当時、ベンチャーキャピタルは生まれ始めたばかりで、ファンドはAIよりも半導体製造に関心がありました。



AIはすでに私たちの生活に存在しています（例：プリズマ、シリ、アレクサ）。 ソフトウェアの運用と開発、セキュリティ、販売、マーケティング、顧客サポート、その他多くの組織のすべての領域に漏洩します。 上記の6つのコンポーネントはAIの可能性を示す強力な証拠となり、AI開発の波は90年代のインターネットブームやモバイルゼロ開発のブームに似たものになります。 画像認識、ビデオ、音声、機械翻訳技術で提示されるこの可能性については、多くの人がいまだに認識しています。



組織は、今後の変更に備えるために、テクノロジーの適用分野、その限界、および将来の可能性を明確に理解する必要があります。 Facebookのような企業は、テクノロジーよりも哲学としてAIを採用しています。FacebookのテクニカルディレクターMike Schroepferが11月のWebサミットでAIを取り上げたからです。





写真：アンソニー・ホプキンスとジェフリー・ライト、ワイルド・ウェストの世界

HBOの写真