4,472 文字
これらのAIツールは良くなってきていますが、それはデータに見られる特定の指示を実行できるということだけを意味します。あなたはまだAIに何をすべきかを提供する必要があります。その内容を説明できる能力が必要です。そして、AIがどのようなタスクを実行すべきか、どのようなプログラムを書くべきかを説明する能力は、今でも重要なのです。
AIによって代替されない職業の一つは、好奇心を持って難しい問題に取り組む能力だと思います。若い人たちへのアドバイスは、AIを恐れたり、AIに代替されるスキルを学ぶことを心配したりするのではなく、本当に好奇心の道を歩むことです。私はアニマント・クマールです。カリフォルニア工科大学の教授です。
カリフォルニア工科大学の教授を約8年間務めており、その間に産業界でも活動してきました。アマゾンウェブサービスの主任科学者として、最近までエヌビディアでAI研究をリードしていました。カリフォルニア工科大学では、AIと科学のラボを率いており、科学と工学で見られる最も困難な課題に取り組み、既存のAI手法を使ってそれらを解決するだけでなく、新しい手法を開発しています。
AIによって代替されない職業の一つは、好奇心を持って難しい問題に取り組む能力だと思います。多くの学生にとって、ただ従い進むことへの強い動機があります。私が最初に求めるのは、すべてに疑問を持ち、批判的に考えることです。私はいつも授業を質問から始めます。数学の方程式を書き下すのではなく、詳細に入るのではなく、あなたが見たことや行ったことのすべてに基づいて直感的に何を考えるかを尋ねます。例えば、火災警報器を設計する場合、いつ火災があると言うべきかというシンプルなケースを考えさせます。
それは変更できるものです。閾値を設定して、どのレベルの煙でスモーキーだと判断するかを決めることができます。それは非常に実践的な質問です。毎日火災警報が鳴れば、私たちはただ外に出るだけで役に立たず、機能的なオフィススペースを持つことができません。
一方で、火災が起きたときに警報が鳴らないのも悪いことです。この問題をどうバランスよく解決し、センサーがどれほどノイジーになり得るかをモデル化するか。そして時々、数学的トレーニングを受けていなくても、非常に直感的で実践的な学生を見ることがあります。彼らは「ノイズの程度を測定する」とか「異なるサイズのろうそくを使って異なるレベルの煙を示し、テストする」と言うでしょう。
多くの場合、人々はすでにある程度それを認識しているので、直感的なアイデアを持っており、それが良い出発点になります。また時に彼らの直感が間違っていることもありますが、それも問題ありません。直感だけが答えではないからです。多くは質問することから始まり、これらのAIツールを使って非常に迅速に答えを得て、それを検証することができます。多くは好奇心や興味から来るものです。それは特定のトピックかもしれず、音楽に興味がある人はそれをより深く掘り下げることができますし、アートに興味がある人もいます。その火花が内側から来る必要があるのです。私は、学生たちが情熱を持ち、火花を持っている分野を追求する自由をより与えることが将来であり、それが正しいことだと思います。全員に全てを学ばせるよりも。私はいつも最も難しい課題に動機づけられています。
何が難しいか、そしてなぜそれが難しいのかを知りたいのです。今日それを解決できないとしても、どのように基盤を構築してそこに到達するかを考えます。マイソールで育った子供の頃、私は数学の問題を解くのが大好きでした。両親の工場に行くと、プログラムマニュアルを読んでいました。それらがどのようにプログラムされるかを学んでいました。
他のコンピュータプログラムとは異なり、何か間違いがあると物理的な故障や部品が正しく製造されないことにつながり、私は「でもどうやってコンピュータに入り、コンピュータはマシンに何をするよう伝えるのか」と思いました。子供なので全てを知ることはできませんでしたが、観察して何がギャップなのか理解し、すぐに答えが得られなくても、ギャップがあることを覚えていました。そして後にそれらのトピックが紹介されたとき、私の心の中では「ああ、それが関連しているものだ」と思いました。どこかで私はその精神的なマップを構築し、知っていることと知らないことの場所を置き、年を経るにつれてそれを拡大していきました。
私が成長した頃、AIはSF小説と考えられていました。当然、私が見て魅了されたSF映画はたくさんありました。しかし、それは人々が実用的だと思っていたものではありませんでした。私が中学・高校生の頃から今まで、もう30年近くになります。長い時間ですが、起きた進歩の量も非常に驚くべきものです。
2017年にカリフォルニア工科大学に加わって以来、AIをツールとフレームワークとして使い、それまで実用的とは考えられていなかった最も難しい問題の一部を解決するタイミングが丁度良いと感じました。カリフォルニア工科大学に加わった後、AIと科学の交差点での問題を探求したいと思い、キャンパス内の全員と話していました。「計算能力が必要ですか？何のために必要ですか？あなたが取り組んでいる問題を理解させてください」と言っていました。
もちろん私自身がすべての問題を一人で解決することはできません。私の疑問は、多くの異なる分野に影響を与える一般的なツールを開発できるかどうかでした。そしてそれは再び私を数学的基礎に戻しました。多くのこれらの異なる現実世界の現象は偏微分方程式によってモデル化されているからです。
では、AIを設計してこれを解決し、従来のシミュレーションよりはるかに速く、はるかに良く行うことができるでしょうか。そのために私たちはニューラルオペレーターを開発しました。物理的な振る舞いを理解するために訓練された、ニューラルオペレーターと呼ばれるAI技術を発明したのです。テキストでの高度な推論だけでなく。例えば、ハリケーンを考えてみてください。
ハリケーンを目で見るだけで、それがどこに向かうかを言えますか？ほとんどの人間にはできません。ハリケーンがどこに向かうかを予測するのは超人的なスキルです。そしてそれを行うには、詳細な情報と詳細なモデリングが必要です。これは猫の画像のようなコアスケールの画像ではありえません。ぼやけていても猫だとわかる画像とは違うのです。
同じ技術はハリケーンのような現象には通用しません。ツールを開発した後、次の自然な疑問は、実用的なユースケースは何かということでした。天気モデルは自然な選択肢でした。なぜなら広く使われていて、私たちの生活に大きな影響を与えるからです。特にハリケーンのような極端な気象現象を正確に把握できれば、人命を救い、経済的コストを下げる可能性があります。
私は人々にどのように役立つかに動機づけられましたが、それが非常に難しい技術的課題と考えられていることにも動機づけられました。実際、私たちがモデルをリリースする数ヶ月前、非常に尊敬される気象科学者のグループがロイヤルソサエティジャーナルに発表し、AIが従来の気象予報方法を置き換えるのに10年以上かかると印象を持っていました。
彼らはAIがまだ準備ができていないと感じていました。この問題は難しすぎると。そして私たちはこれをリリースし、みんなを驚かせました。それは正確であるだけでなく、数万倍速かったのです。従来の気象モデルでは大型スーパーコンピュータが必要だったものが、今では一般的なGPUを搭載したローカルのゲーミングPCで実行できます。それが機械学習という分野の美しさです。
私たちは他の人が難しいと思うことに常に阻まれるわけではありません。データを取得し、方法を設計できる限り、やってみることができます。私の使命は、常に好奇心を持って学び、どんな問題も簡単だと思わないことです。科学者が職を失う世界は想像できません。なぜなら科学者の定義は、未解決の問題に取り組む人だからです。より難しい問題に取り組むことがあります。
宇宙の深い秘密を見たい場合、最小スケールまで下り、原子レベルとサブ原子レベルで物質がどのように構成されているかを理解し、もちろん銀河レベル以上で宇宙がどのように構成されているかを理解します。まだ多くの未解決の課題があります。Google DeepMindのような他のチームは、AIサイエンティストとして知られるものに焦点を当てています。
つまり、新しいアイデアを生み出すAIです。しかし、科学的な進歩の多くは、新しいアイデアの欠如によって制限されているわけではありません。多くの人々が多くのアイデアを持っています。しかしボトルネックは、実験室や現実の世界に行ってそれらをテストすることです。それは遅く、費用がかかります。だから私の焦点は、それらの実験室実験をどのように置き換えることができるかです。
物理をより良く理解する固有のAIを開発できますか？そうすれば、実験室実験を完全に避けることができるか、最終テストのみを行うことができます。そのような焦点と物理的知識を持って、私たちは直接現実の世界に行くことができるAI設計の答えを考え出し、このテストの必要性を最小限に抑えることができます。
私にとって、人間のエージェンシーとは、AIにあなたがしてほしいことをさせることです。人間としてAIがどのタスクを実行するかを決定するエージェンシーがあり、評価し、あなたが責任を持ちます。AIが言っていることが真実かどうかを検証し、時間をかけてAIにそのフィードバックを提供し、より良くします。AIはツールです。
それは使い方によって、好奇心を助けることも殺すこともできます。若い人たちへのアドバイスは、AIを恐れたり、AIに代替されるスキルを学ぶことを心配したりするのではなく、本当に好奇心の道を歩むことです。AIをツールとして使って好奇心を刺激し、新しいスキル、新しい知識を学び、それをより対話的な方法で行うことができます。
コンピュータプログラムを書く場合でも、これらのAIツールは良くなってきていますが、それはデータに見られる特定の指示を実行できるということだけを意味します。あなたはまだAIに何をすべきかを提供する必要があります。それを説明できる能力が必要です。そして、AIがどのようなタスクを実行すべきかを説明する能力。
AIがこれらのコンピュータプログラムを書くときに何をしているかという高いレベルの理解は、まだ重要です。なぜならAIよりも優れていない悪いプログラマーは代替されるでしょう。しかし、AIが何をしているかを評価し、修正を加え、それらのプログラムが適切に書かれていることを確認できる優れたプログラマーは、かつてないほど需要があるでしょう。
コメント