4 分で読了
1 views

AIの進展予測に関する研究アジェンダ

(Forecasting AI Progress: A Research Agenda)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近社内で「AIの進展予測をやるべきだ」と言われまして、正直どこから手を付ければいいかわかりません。これは要するに投資の優先順位を決める材料になるという理解で合っていますか?

AIメンター拓海

素晴らしい着眼点ですね!大筋ではそのとおりです。AI(Artificial Intelligence、AI、人工知能)がどう進むかを予測すると、研究投資や設備投資、人材育成の優先順位を定量的に決められるんですよ。

田中専務

でも予測って当たるんですか。将来は不確実だらけで、具体的な数値を出すのはリスクがあるように思えます。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。重要なのはゼロか百かで考えないことです。予測は期待値を示し、不確実性を可視化する手段であって、絶対値を断言するものではありません。

田中専務

具体的にはどんな方法で予測するのか、素人にも分かる例で教えてください。社内で説明できるレベルにしたいのです。

AIメンター拓海

いい質問です。要点を三つにまとめます。第一に過去データからの単純な外挿、第二に専門家の意見を集約するデルファイ法(Delphi method、Delphi、デルファイ法)、第三に不確実性を取り込むシナリオ分析です。これらを組み合わせると現実的な見通しが作れますよ。

田中専務

デルファイ法って聞いたことはありますが、どうやって集めるんですか。社内の専門家だけでも意味がありますか。

AIメンター拓海

素晴らしい着眼点ですね!社内専門家だけでも始められますが、多様な視点を得るほど予測は安定します。ポイントは匿名で意見を集め、複数ラウンドで見解を更新していく点です。対立があっても平均化することで合意点が見えてきますよ。

田中専務

それと不連続なブレークスルーの可能性が一番怖いです。これって要するに過去の延長線だけで見ていると見落とすということですか?

AIメンター拓海

そのとおりです。不連続(discontinuous progress)の可能性を無視すると重大なリスクを見落とします。だからモデル化では過去のトレンド(例:Moore’s Law、ムーアの法則)と、技術的なブレークポイントの両方を検討する必要があります。具体的にはシナリオ別に確率を付ける運用が有効です。

田中専務

うちの役員会でどう説明すればいいですか。数字だけ出しても納得しないメンバーがいます。

AIメンター拓海

要点を三つでまとめましょう。第一に予測は意思決定のためのツールであること、第二に不確実性を明示すること、第三に短期と中長期で使い分けることです。これだけ伝えれば議論の質が変わりますよ。

田中専務

分かりました。まずは社内専門家でデルファイをやり、その結果をもとにシナリオを作る。要するに小さく試して学びを重ねるということですね。ありがとうございます、拓海先生。

AIメンター拓海

素晴らしい整理ですね!その通りです。小さく始めて、得られた知見をもとに投資のスケールを決める。失敗も学習と捉えれば道は拓けますよ。大丈夫、一緒にやれば必ずできますよ。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
プライバシーを超えて:人工知能の主要領域における差分プライバシーの応用
(More Than Privacy: Applying Differential Privacy in Key Areas of Artificial Intelligence)
次の記事
進化計算による創造的AI:原理と事例
(Creative AI Through Evolutionary Computation: Principles and Examples)
関連記事
数値安定性の端でのグロッキング
(GROKKING AT THE EDGE OF NUMERICAL STABILITY)
FormalZによる正式仕様の学び方を楽しくする試み
(Having Fun in Learning Formal Specifications)
認知型空中地上混合ネットワークにおけるユーザ結合と協調ビームフォーミング:安全強化学習アプローチ
(User Association and Coordinated Beamforming in Cognitive Aerial-Terrestrial Networks: A Safe Reinforcement Learning Approach)
航空会社レビューから読み解く顧客評価
(UNDERSTANDING CUSTOMERS’ EVALUATIONS THROUGH MINING AIRLINE REVIEWS)
新しいデータ、新しい方法?――GRH(人的資源管理)研究における定量的帰納的手法の概観と実証 New Data, New Methods? — A panorama and illustration of the employment of inductive quantitative methods for HRM research
ペルソナ誘導型AIによる移動性調査の生成
(Guided Persona-based AI Surveys: Can we replicate personal mobility preferences at scale using LLMs?)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む