出典: Mu Feng のテクニカル ノート

2021年、中国は世界の主要なAI会議で発表された論文の27.6%を占め、トップに立ち、EUと英国が19.0%、米国が16.9%でこれに続いた。AI論文の発表数でも特許出願数でも、中国は世界トップクラスである。 論理的に考えると、中国のAI研究の幅広さと深さを考えると、 ChatGPTのような画期的なAIアプリケーションは中国で生まれるべきだった。自然言語の理解と生成はAI研究における重要なピークを表しており、到達して征服するには継続的な高品質のリソース投資が必要であり、アリババDAMOアカデミー、ファーウェイ、清華大学などの機関が同様の取り組みを行っているが、 強力なChatGPTを最終的に米国のOpenAIが最初に立ち上げたのは残念である。 今日、私たちはなぜ次世代の技術革命のイニシエーターになれていないのか、そして将来の技術において追随者ではなくリーダーになるにはどうすればよいのかを客観的に分析しようと試みる。

原因分析

ビジネスモデルを過度に重視し、基盤技術の研究を軽視している

中国と米国の技術開発の軌跡を比較すると、興味深い現象が浮かび上がります。中国では、技術開発は主に事業運営を中心に展開されています。つまり、ビジネスモデルが立ち上がると、その規模の事業を支えるために必要な技術の開発に重点が移ります。技術進歩は、ビジネスモデルの革新と事業の成長によって推進されます。

しかし、米国ではその逆の傾向が見られる。技術の進歩が新たなビジネスモデルを生み出すことがしばしばあるからだ。例えば、ChatGPTを立ち上げたOpenAIは、元々は非営利の技術組織だったが、AIをよりユーザーフレンドリーにすることを最初の目標に、AI分野の第一人者を集めた。その中核的な目的は、人類に利益をもたらす「安全な汎用人工知能（AGI）の実現」である。継続的な反復とアップグレードを経て、GPTモデルは最終的にChatGPTへと発展し、これは将来のAIアプリケーションの基盤技術になると期待されている。そのため、今後、膨大な数の上位アプリケーションがChatGPT上に構築されることが予想される。ChatGPT 、あるいは汎用モデルは、AI分野のオペレーティングシステムであると言っても過言ではない。それが生み出す新たなビジネスモデルや運用形態の数は計り知れない。このボトムアップ型の破壊的イノベーションは、将来の産業構造に大きな影響を与えるだろう。

長期主義の欠如

しかし、ChatGPTもGPT4も、これらのAIアプリケーションは、どこからともなく現れたわけではありません。GPT 、GPT2、GPT3をベースに段階的な反復開発を経て開発されたものであり、トップクラスのAI専門家による長期的な取り組みと多額の資金投資の集大成です。OpenAIは、Microsoftからの投資を受けて第一世代のGPTモデルに基づくプロトタイプを作成するまでの3～4年で1億ドル近くを費やしましたが、これはChatGPTが現在達成している成功レベルに​​は程遠いものでした。 基礎技術研究は一夜にして達成できるものではなく、継続的な試行錯誤、将来の技術動向に対する独自のビジョン、そして何よりも長期的なコミットメントが必要です。 しかし、AlibabaとHuaweiが年間1,000億人民元以上を技術研究に投資しているという事実は、私たちを勇気づけるものであり、近い将来、新たな技術革新が生まれると信じています。

技術システムサポートの欠如

つまり、汎用大規模モデルの学習には、それを支える包括的な人工知能技術システムが必要です。そうでなければ、たとえ高度なアルゴリズムを用いても、 高品質な学習データをどのように入手するか、膨大な学習用計算リソースをどこで見つけるかといった問題が、汎用大規模モデルの学習において解決すべき課題となります。 高品質なデータと計算能力のサポートがなければ、熟練した料理人が米なしで料理を作ろうとするようなものです。

行き詰まりを打破する方法

汎用大規模モデルは、人工知能の将来の発展にとって重要な方向性を示しています。最先端のAI技術をめぐる競争で優位に立つためには、リソース投資を確実に増やす必要があります。では、この行き詰まりを打破するにはどうすればよいでしょうか？まずは、以下の点から始めることができると考えています。

データ

現在、オンラインの中国データは膨大である一方、その質は概して低く、データサイロ化が大きな問題となっています。中国データに基づいて汎用的な大規模モデルを学習させるには、オンラインの中国データの質を向上させ、データサイロ化に対処し、データの共有と相互運用性を促進する必要があります。

コンピューティングパワーの構築に関しては

国家東西コンピューティングプロジェクトと各地域のコンピューティングセンターの連携を組み合わせることで、全国規模のユニバーサルコンピューティングインフラストラクチャを構築し、国家統合型新コンピューティングネットワークシステムの構築を加速させ、汎用大規模モデルのトレーニングに持続的かつ強力なコンピューティングサポートを提供します。これにより、大規模モデルのトレーニングに必要なコンピューティングパワー要件を満たすと同時に、強力な人工知能時代の到来に備えたコンピューティングリソースを整備することが可能になります。

意識

もちろん、他国との技術格差を埋めるために全力を尽くさなければなりません。しかし、私たちが進歩している間、他国も進歩していることを認識する必要があります。したがって、単に追いつくだけでは不十分です。より長期的なビジョンを持ち、未来を的確に判断し、早期の技術検証と産業計画を実施し、次の技術革命に備え、追随者ではなく、真の意味で未来の技術開発のリーダーとなる必要があります。

要約

技術の進歩は一夜にして達成されるものではなく、何世代にもわたる技術者たちのたゆまぬ努力の積み重ねによって実現されます。多くの分野で大きな進歩を遂げてきた一方で、コンピュータサイエンス、インターネット技術、人工知能といった分野では、依然として大きな課題が残されていることを認識しなければなりません。だからこそ、ネット上の有名人やスターへの露出を減らし、科学技術分野の人々がより熱心に、そして実践的に技術を広め、技術を重視する社会環境を醸成することが、テクノロジー産業の未来の繁栄の礎となるのです。私たちが衝動的にならず、より集中して取り組めば、次の技術革命は中国から生まれるかもしれません。最後に、将来の技術発展について考える上で非常に参考になると思われる、馬教授の言葉をご紹介します。

「ギャップを埋める」という言葉には、常々問題があると感じてきました。西洋のものが必ずしも先進的だから、私たちがそれを埋めるべきだということではありません。今日、私たちは何かに同調したり、特定の国の基準に適応したり、ギャップを埋めようとしたりすべきではありません。むしろ、未来にどのように適応し、未来の基準にどのように適応し、そして未来のギャップをどのように埋めていくかを考えるべきです。他者が何をしているかを見る前に、未来が何をもたらすのか、そしてどのようなシステムを構築したいのかを理解する必要があります。他者の言葉を繰り返し、他者が設定した話題ばかりを議論していると、現在を見失うだけでなく、未来を見失ってしまうでしょう。