製造業におけるAIの真のインパクト：数学とデータ、ビジネス課題の三位一体

私の直感では、製造業における人工知能（AI）の活用には緊急性が必要だ。

その緊急性は、テクノロジーが今日いかに速く動くか、そして予期せぬブレイクスルーがいかに速く支配的になるかに駆動される。AIは顔認識、音声の文字起こし、チェス勝利などに使われている。きっと製造業にも大量の潜在的応用があるはずだ。

以前、AIの「知能」の実態は複雑な数学だと書いたが、真の専門家にその見解をぶつけたとき、より啓蒙的なビジョンを得た。彼の意見では、AIをより広い視点で捉える必要がある。「数学だと言うのは公平だが、数学に固執しすぎるのは簡単だ。なぜなら、それは実際にはデータについての話だからだ」と、ニューヨーク拠点のAIコンサルティング・戦略ファーム「Foxy Machine」創業者、オリバー・クリスティ氏は説明する。「AIは、あらゆる状況においてデータを用いて新たな問いを立てることを可能にする。」

しかし、データと数学のみに限定することも、やはり制約になる。第三の考慮事項は「ビジネス課題」——どの状況を検討しており、どのツールが利用可能か——だ、とクリスティ氏。「あらゆる問題をこの3つのアプローチから見る必要があります。数学、データ、そして問題そのもの。この全体論的視点が、堅牢なソリューションをもたらします。」

同氏は製造業がAI応用に適していると考える。「AIで最も解決しやすい問題の一部は、安全性と製造リスクの解決にあります」と同氏。「現在、大規模にどのようなリスクがあり、どう安全性を改善できるかを理解するAIシステムが存在します。」画像認識技術を品質管理に用いることも「手堅い勝ち目」だ。クリスティ氏が最近関わった応用では、熱処理後の鋼材品質を認識し、懸念されるサンプルをフラグ付けするAIシステムを訓練した。それらサンプルはその後、人間によって詳細に検査された。

同氏は、AIをどう最適に活用すべきかという重要なポイントを強調した——品質管理作業員を置き換えるのではなく、「拡張（オーグメント）」することだ。デジタル画像を用いれば、AIシステムは人間が疲労せずにチェックできるよりも多くのサンプルを観察し、フラグ付けできる。しかし鋼材品質のケースでは、それが良いか否かを最終的に保証する「人間のタッチ」を提供することはできなかった。同様のシステムが皮膚がん検出に用いられた際、訓練された腫瘍学者より優れた性能を発揮したが、AIシステムと腫瘍学者の組み合わせが、いずれか単独よりもさらに優れていた。「まさに同じアプローチを製造業で用いるべきです。機械システムと人間が手を携えて働くのです」と同氏。

コンピューティングパワーの転換点

緊急性の話に戻ろう。今日のAIテクノロジーの多くは新しいものではない。コンピュータを単なる計算機ではなく、人間の能力を模倣するものとして使うという概念は、コンピュータ自体と同じくらいの歴史がある。しかし、コンピューティングパワーとデータの「転換点（インフレクションポイント）」が、それを緊急に、かつ関連性の高いものにしている。「20年前に始めた頃は、計算能力とデータのコストが応用可能な範囲を制限していました」とクリスティ氏。「今や膨大な混合データと非常に安価な計算能力があります。IBMのWatsonのようなテクノロジーへの直接アクセスを、ほぼ無料で持っています。」これに、GoogleのTensorFlowのような実質無料で使えるオープンソースAIソフトウェアを加えると、「AIを構築し活用するために必要なすべてのコンポーネントが揃った『パーフェクトストーム』が到来しています」とクリスティ氏。

同氏は、AIが容易に次の競争優位性になり得ると考える。しかし、それは困難でもある。彼のアドバイスは？「小さく始めよ。」小さなチームを作り、パイロットビジネス課題を中心にデータ収集を始め、いかに最良のアプローチが製造課題を解決できるかを学べ。「しかし、今すぐ始めろ」と同氏。