なぜAIと人間のガイダンスによる「双方向コミュニケーション」が不可欠なのか?

AI搭載ソリューションをネットワークに導入した後は、リラックスして人工知能に仕事を任せれば良いのでしょうか？そうではありません。

それはなぜでしょうか。

なぜなら、人間と機械学習を搭載したソリューションの関係は、双方向の道路であり、継続的にそして、両方向に「通行」が行き交う必要があるからです。

より正確に言うと、成功の方程式は、「ネットワークの生データ + 人間の洞察力 + 人工知能 = 高性能ネットワーク+ 正確なビジネスの意思決定」として成り立ちます。

最初に正しいことを言っておくと、多くのユーザーにはそう見えたとしても、人工知能自体は全能ではありません。多くの場合、それはユーザーがその存在に気付かないほど製品に調和して溶け込んでいます。ある調査によると、調査対象の消費者のうち77%が何らかの形で機械のAI機能を利用していましたが、自分がAIを使っていると気付いたのは、わずか33%でした(出典: Artboard 12(pega.com)。それはおそらく、私たちは人工知能を搭載したソリューションや製品の潜在能力を当然のこととして享受しているからでしょう。

 

AI技術の可能性は計り知れないが

今では、AI技術の採用が組織に長期的な価値をもたらし、複雑な管理におけるリスクの低減に役立つことが認識されています。

しかし先に述べたように、AIは適用すればすぐに課題を解決し、願いを叶えてくれる魔法のツールではありません。また、たとえ機械学習を搭載した高度なソリューションを使用していても全てに万能なものはありません。

AI技術への巨額の投資と急速な進歩にもかかわらず、その適用分野はまだ狭く、ユースケースも限られています。

企業や機関は、AI技術を最大限に活用する方法をさらに学ぶ必要があります。ただ、一方で調査が示すようにトレンドラインは右肩上がりです。

例えば、スタンフォード大学の報告書「2023年14チャートで見るAIの現状」によると、2023年には全ての分野でAIスキルを求める求人情報が増加し、2022年のAI求人数も前年に比べて顕著に増加したことが明らかになっています。また、2022年の企業のAIへの投資額は、2021年のピークからは減少しましたが、その額は過去10年間で13倍に増加しています。

そうなると、企業はAIの可能性を最大限に引き出す方法を見つけ出す必要があります。

専門家は、規模を拡大したAIの導入と継続的なカスタマイズが鍵になると主張しています。

 

AI搭載システムの仕組み とその舞台裏

この論文をより理解するために、まず、従来のソフトウェアと AI モデルのソフトウェア展開の異なるロジックを見ていきましょう。

従来のソフトウェアは、コードベースで特定のタスクを実行するようプログラムされています。

一方、AIモデルソフトウェアでは、コードは別の目的を果たします。まだコードを書く必要はありますが、ここではデータが基盤となり、AIはデータから実行タスクを学習します。

AI モデル ソフトウェアは、複数のサブコンポーネント、データパイプライン項目、ML パイプライン項目、ワークフローで構成されています。

したがって、処理技術と機械学習は自動化レベルに達します。従来のソフトウェアとは異なり、定期的な人間の介入を伴う継続的で適応型プロセスです。

 

「ガイドなし」の機械学習 / AI搭載システムではどうなるのか

人間の制御や信頼のおけるモデルなしで、継続的な新しい入力データフローにさらされると、商用環境では「完璧な」アルゴリズムとAIモデルが、分裂し、曲者になり、様々なバイアスに影響を受けやすくなります。そのため、潜在的に脆弱になり、展開後に倫理、安全性、論理的な問題のリスクにさらされます。

AI搭載ソフトウェアの歴史で、奇妙な結果をもたらした教師なし学習の例があります。顔認識システムが誤って多くの議員を犯罪者として認識したり、AIボットが悪質なユーザーによるチェックされていない偏ったデータから人種差別を学習したりした例です。

簡潔に言うと、「ガイドなし」の機械学習システムが作成者ともに問題に陥る根本的な原因は次の通りです。

人間の注釈又は双方向コミュニケーションがない生データは、AI搭載システムの妥当性や精度に重大なリスクをもたらします。

意思決定の質は、機械学習システムの重要な利点です。AIの世界での良い意思決定は、正しい要素を収集し、それらを正しく読み取ることで可能になります。読み取り間違いの一つは計算であり、誤った要素はデータである場合があります。自動化を推進しある規模に達すると、結果として表れる重要な問題は、意思決定の質です。不十分または不正確なデータセットでは、人間の洞察の間違いと比較してより大きなリスクが生じます。

したがって、生データと人間の洞察とを組み合わせ、注釈付きの要素を作成するプロセスは、AIベースのサービスやプラットフォームを設計・開発する際の基本になります。

 

だからこそ、AI技術と人間のガイダンスによる相乗効果が不可欠である

AI技術と人間のガイダンスによる相乗効果は、AI活用したユースケースのソリューションにおいて特に注目されています。

ここでは、データソースとデータサイエンスの能力と、データ エンジニアリングを組み合わせ、展開シナリオと展開後のストリームを処理する機能と共に、AI 活用ソリューションから最大限の効果を得るための要素を説明します。

AI搭載ソリューションは、以下の知識を組み合わせることで強力になります。

• ユースケースの展開シナリオに応じた機械学習アプリケーションとソリューションエンジニアリングにより、重要な要素を追跡し獲得する。
• AIを使用したユースケースの展開中および展開後のネットワーク最適化から得る経験と理解。
• 顧客と協力し、AI導入の過程を進め、AIモデルを定期的に観察、分析、調整する能力。

ユースケースは、AI技術と人間のガイダンスによる相乗効果を示す最も特徴的なものです。

AIモデルのユースケースを運用する中で、ギャップや狂いが理解されるにつれて、ソリューションアーキテクチャーで具現化されたAIコンポーネントに常に変更が加えられており、特定の状況やより正確なユースケースに対応することを目的としています。

 

AIモデル主導のユースケース - その内容と方法

AIモデル主導のユースケースの採用を検討する際、金融、小売、医療および製造業がリストの上位を占めています。451リサーチ 「New Survey Sheds Light on Top Use Cases for AI and Machine Learning in Key Industries」によると、これらの業界それぞれに、AIの導入レベルが最も高い分野が一つあり、更に多くの分野に広がっていくだろうと考えられています。

金融業界では、機械学習は主に不正検出に使用されており、次いでデジタルおよびデータセキュリティといったセキュリティ関連のユースケースが挙げられます。小売業では、顧客エンゲージメントが最も使われているユースケースです。医療では、患者モニタリングシステムが機械学習を使用したユースケースの中で最上位にあり、次いで医療従事者のワークフロー最適化が続きます。製造業では機械学習によるメンテナンス予測が最も一般的なユースケースです。

通信業界では、Ombia社の調査報告書(CSPネットワーク幹部がゼロタッチオペレーションの障壁をどのように克服しているか)によると、CSPがゼロタッチオペレーションを追求する主な理由として、顧客満足度の向上と市場投入までの時間短縮が挙げられています。

業界の変革、IoTによる新しい要件、新たなユースケースがインテリジェントなネットワークを必要とする中、エリクソンは特定のユースケースを対象としたAI主導ソリューションを順調に開発しています。当社のAIへの取り組みは、新しいネットワークの複雑さに対処し、ネットワークパフォーマンスを向上させ、自動化を可能にします。

エリクソンのネットワークサポートサービスポートフォリオに最近追加された「Service Continuity AI APP Suite」は、AIと機械学習を活用し、ネットワークの特定の用途ごとに予測的かつ先手を打ってサポートを提供します。インテリジェントなアルゴリズムは、対象のユースケースに合わせて調整・適応します。

 

どのように機能するのか

各ユースケースで実装されるMLモデルは、教師なし学習方法を使用したオフラインとリアルタイムのAIモデルの組み合わせです。モデルが初めてプッシュされる際、開発から本番環境に向けて事前にトレーニングされたオフラインモデルが用意され、その後オンラインでトレーニングが行われます。

モデル開発者は、開発環境を使用しコードを書き登録します。ステージング環境では、オンライン推論と再トレーニングの2つのタスクが実行されます。商用の環境では、ユーザーはアプリケーションが公開するエンドポイントを使用して、推測を要求することができます。ユーザーは、ステージングと商用モデルでのパフォーマンスを監視できます。これにより、ユーザーはステージング環境で材料の質をさらに向上させ、より価値のある結果を得るためにさらに精度を高めることが可能です。また、異なる結果を導き出した変数を排除することによって発見を促すケースもあります。いずれの場合も、AIと人間が共に学習し、より良い結果を得るために協力しています。

もしユーザーが、「ステージング モデルが商用モデルよりも優れている」と判断した場合、商用モデルをステージング モデルに置き換える選択肢がユーザーインターフェースに表示されます。このユーザーインターフェースでは、 ML管理ダッシュボードを使用して推定データを監視することもできます。商用環境では、新しい入力データセットにより生成された結果は、再トレーニング用に保存されます。その後、オンライン ML 再トレーニングは定期的又は要求に応じて起動されます。

 

広告キャンペーンが何を言おうとも、 AIインテリジェンスは人間の知能と共に機能します

将来の全てのAI搭載システムは、人間の洞察に大きく依存することになるでしょう。テクノロジーが驚くほど進歩したとしても、人間がシステムを監督し、我々の期待に応え、想定通りの結果を生み出すように作られなければなりません。

当社は、先制的・予測的なネットワークサポートを実現するために200を超えるAIアプリを備えたパッケージを開発しました。人工知能機械学習を搭載し、人間の知性によって導かれるエリクソンのネットワークサポートサービスについて詳細をご覧ください。