過去数十年にわたり、AIの発展はジェットコースターのように幾度となく浮き沈みを経験してきました。最近では、AlphaGoが人々のAIへの期待をかつてないレベルにまで高めましたが、当時は応用範囲が限られていたため、AIは現実味を帯びてきました。当時、AIは驚異的な力を持っていたものの、人々の日常生活や仕事とはほとんど関係がないように見えました。しかし今、状況は一変しています。

業界には、ガートナーのハイプサイクルなど、新技術の開発段階を測定するためのよく知られたベンチマークが数多く存在します。ガートナーは、各技術のライフサイクルを5つの段階、すなわち技術インキュベーション期、ハイプ期、バブル崩壊の谷間、着実な上昇と回復期、そして製品成熟期に分類しています。この曲線を見ると、あらゆる新技術は、研究室から商業的に成熟するまでに、2つの峠を越えなければならないことがわかります。

ガートナー社の2022年人工知能ハイプサイクルによると、AIアプリケーションは最初のハードルを乗り越え、安定した成長期に入り、生産成熟度に達するまでわずか2～5年となっています。

これは多くの業界専門家の意見と一致しています。AIアプリケーションの開発は急速に進んでおり、様々な業界への浸透を加速させるだけでなく、多くの伝統的分野の中核生産システムにも浸透しています。なぜAIアプリケーションの開発はわずか数年でこれほど質的に飛躍的に進歩したのでしょうか？

天に昇り、地に降り、自然の障壁を越えて舞い上がる。

AIの大規模な商用展開は、産業界にとって常に大きな課題となっています。では、なぜ多くの従来型産業にAIを適用することがこれほど難しいのでしょうか？

非常に伝統的な産業である石炭採掘を例に挙げると、採掘、トンネル掘削、機械加工、輸送、換気、選炭という8つの主要シナリオと、1,000以上のサブシナリオが含まれています。現在、鉱業におけるAIアプリケーション開発は、一般的に従来型の小規模な「ワークショップ型」モデルに基づいており、異なるシナリオごとに異なるAIアプリケーションが開発されています。シナリオが変更されると、モデルがうまく適応できず、再開発が必要になる場合もあります。さらに、多くのシナリオはサンプルサイズが異常に小さいロングテールシナリオであるため、従来の開発モデルでは「何も生み出せない」というジレンマに陥ることがよくあります。

これが、AIが様々な業界に浸透する上で大きな障壁となっています。需要側には、AIを活用したエンパワーメント、コスト削減、効率向上を求める実世界の産業シナリオが無数に存在します。一方、供給側には、従来のAIモデル開発手法がコストと効率の両面でボトルネックに直面しています。従来の「シナリオごとに1つのモデル」という小規模モデルでは、各シナリオにおいてモデル選択、データ処理、モデル最適化、モデル反復といった一連の開発ステップを個別に完了する必要があり、結果として開発サイクルが長くなり、コストが高く、効率性が低くなります。

この困難な課題に直面し、業界ではすでにいくつかの初期検討が進められています。例えば、過去2～3年で、事前学習済みの大規模モデルによってAI適用の障壁と限界費用を下げ、大規模なモデルの再利用を可能にすることが業界のコンセンサスとなっています。大規模モデルは、事前学習セッションを1回行うだけで、下流タスクの微調整を行うことで、モデルの業界適応性を向上させると同時に、モデル開発サイクルを短縮し、「1対1万」の実現を目指します。

例えば、石炭採掘業界における多数の分散シナリオという課題に対処するため、ファーウェイクラウドのAI研究開発チームは「Pangu Mine Large Model（パング鉱山大規模モデル）」を開発しました。このモデルは、膨大な量のラベルなし採掘シナリオデータを用いて教師なし自律学習を行い、様々なシナリオの背後にあるパターンと特性を分析します。単一のAIモデルで、採掘エリア全体にわたる1,000以上のサブシナリオをカバーできます。

主な輸送シナリオでは、パング鉱山ビッグデータモデルに基づくAI搭載のインテリジェント監視システムが、大きな石炭片やアンカーボルトなどの異常を正確に識別し、異物識別精度98%を達成しました。これまで、鉱山では主に手作業による検査に依存していましたが、これは非効率で、潜在的な事故リスクを迅速に検知することができませんでした。パング鉱山ビッグデータモデルは、24時間体制の検査を可能にし、検査漏れによる安全事故の防止、ダウンタイムの削減、坑内検査員の作業効率の向上を実現します。

トンネル工事においては、パング鉱山ビッグデータモデルに基づくトンネル工事シーケンスのインテリジェント監視により、標準化された作業認識において95%以上の精度を達成し、作業プロセスにおける人的要因の不確実性を大幅に低減し、プロセス全体を通して安全かつ標準化された地下作業​​を確保しています。現在、パング鉱山ビッグデータモデルは、全国4,000以上の地下鉱山で広く適用されています。

鉱山の奥深くまで探査するだけでなく、大規模な気象モデルは、刻々と変化する空をより深く理解するのにも役立ちます。天気予報は、膨大な量の気象データを収集、分析、そして傾向を予測するプロセスです。より正確な天気予報は、異常気象による甚大な人命と財産の損失を軽減します。Huawei CloudのPangu気象モデルは、今後7日間の世界の気象状況を数秒で予測することができ、従来の方法に比べて1000倍速く、20%も正確です。台風予報では、今年8月にPangu気象モデルは台風マーアンの進路と上陸時刻を90%の精度で予測し、これまでの業界水準をはるかに上回りました。

ファーウェイクラウドは、パンゴール気象モデルを基盤として、インドネシア向けに「国家海洋人工知能プラットフォーム」を構築しました。このプラットフォームは、海洋災害の予測と航行安全の確保を目的としています。パンゴール気象モデルは、農業、航空、宇宙などの分野にAIを活用した気象分析機能を提供することもできます。例えば、雨期の期間を予測して農作物の作付け指針を提供したり、航空宇宙プロジェクトの防災・減災を支援したりすることができます。

AIベースの技術のブレークスルー

実際、事前トレーニング済みの大規模モデルは、新しい AI テクノロジーの氷山の一角にすぎません。

近年、イーロン・マスクを通じて多くの人が「第一原理」という概念を知りました。古代ギリシャの哲学者アリストテレスによって初めて提唱された第一原理とは、「あらゆるシステムにおいて、侵害したり削除したりできない根本的な命題」を指します。第一原理は、建物の基礎や木の根幹のように、問題の核心部分と捉えることができます。AI業界において、第一原理はAIの根幹技術です。AIが様々な業界に急速に浸透している重要な理由の一つは、これらの根幹技術の飛躍的な進歩にあります。

AI業界では、既にいくつかのリーディングカンパニーがAIの中核技術の確立に向けて前進しています。例えば、Huawei Cloudは、大規模モデル、知識コンピューティング、AIソルバーをAIの3つの中核技術と位置付け、研究開発に多額の投資を行い、根本的な問題に取り組んで根本的な解決策を模索しています。

事前学習済みの大規模モデルは、AIのスケールアップという課題を解決します。これらのモデルは、画像、テキスト、その他のデータからなる大規模なデータセットに基づいて構築されます。教師なし学習または自己教師学習手法を用いて、データに埋め込まれた知識を抽出し、多数のパラメータを持つニューラルネットワークモデルに格納します。特定のタスクに直面した際には、汎用的なプロセスを呼び出すことで、この知識を解き放ち、業界の経験と組み合わせることで、現実世界の問題を解決できます。

近年、国内外の大手テクノロジー企業が大規模モデルの学習に参入し、様々な種類の大規模モデルが急増しています。しかし、事前学習済みの大規模モデルが大規模な商用アプリケーションに導入されるまでには、まだ長い道のりがあります。大規模モデルを活用してAIの大規模アプリケーションを推進するHuawei Cloudのアプローチは、学ぶべき価値があります。Huawei CloudのPangu大規模モデルは、2021年4月の正式リリース以来、L0、L1、L2の3つの主要ステージで反復開発されてきました。

L0とは、膨大なオープンデータを用いて学習された基本的な大規模モデルを指し、物体認識や意味理解といった基本的な機能を備えています。現在、ファーウェイクラウドは、NLP（中国語言語処理）大規模モデル、CV（コンピュータビジョン）大規模モデル、科学計算大規模モデル、マルチモーダル大規模モデル、Graph（グラフネットワーク）大規模モデルの5つの水平領域で汎用大規模モデルを展開しています。

L1とは、業界のノウハウとドメインデータを組み合わせて学習された大規模な業界モデルを指します。これらの大規模モデルは、Pangu気象モデル、Pangu鉱業モデル、Pangu電力モデル、Pangu薬物分子モデルなど、特定の業界における応用問題を解決し、これらの業界におけるAI実装の基盤として機能します。

L2は、特定の業界タスク向けに大規模な業界モデルに基づいてトレーニングされたモデルであり、業界のISVやその他の顧客が迅速に利用できるようにします。例えば、Huawei CloudはPangu Power大規模モデルをベースに、UAV電力検査​​のサブシナリオ向けにPangu Power Inspection大規模モデルをリリースしました。このモデルは、UAVインテリジェント検査システム（欠陥検出）における少数ショット学習、能動学習、増分学習などの問題を解決します。

ファーウェイクラウドのAI研究開発チームは、大規模モデルが将来のAIコンピューティングにおける「オペレーティングシステム」となり、AIハードウェアを下位レベルで管理し、AIアルゴリズムを上位レベルでサポートすることで、AI開発の標準化と再現性を高めると考えています。2022年のファーウェイコネクトカンファレンスでは、ファーウェイクラウドはパートナー企業と共に「事前学習済み大規模モデルホワイトペーパー」を発表し、大規模モデルの研究開発と展開における経験を業界全体と共有しました。

ナレッジコンピューティングは、業界の専門家がAIに関する知識を欠いているという課題、そしてAIシステムと業界の専門知識を統合することの難しさに対処します。様々な業界や分野では、生産システムのメカニズムモデル、業界の技術文献、そして貴重な専門家の経験など、数十年、あるいは数世紀にもわたる専門知識が蓄積されてきました。ナレッジコンピューティングは、一連のAI技術を通じて様々な形で知識を抽出・表現し、膨大なデータに対して計算を実行することでより正確なモデルを生成するという、全く新しいアプローチです。そして、これらのモデルは機械と人間の両方に力を与えるために活用されます。

ファーウェイクラウドは、業界初となるライフサイクル全体にわたるナレッジコンピューティングソリューションのリリースに続き、2022年5月に中国人工知能産業発展連盟および中国情報通信研究院（CAICT）と共同で「ナレッジコンピューティング白書」を発表しました。ファーウェイクラウドのナレッジコンピューティングソリューションは、業界の課題をモデル化して解決する計算プロセスに知識を組み込み、モデルの解釈可能性を高め、AIと産業の深い統合を実現します。これにより、AIをビジネスプロセスに真に統合し、コアビジネス課題の解決、エクスペリエンス変革、効率性向上、ビジネスモデルイノベーションを促進し、業界全体におけるAIの応用を加速します。

AIソルバーは、企業の最適化意思決定問題に対処します。ソルバーは、現実世界と人間の経験から得られる膨大なグローバル要因を数学モデルに変換し、最適な解を算出します。従来のソルバーは適用が難しく、企業における導入率が低いという問題がありました。ソルバーの参入障壁を下げるため、ファーウェイクラウドはAIと数理計画法を組み合わせた業界初の商用AIソルバー、TianChou AI Solverを発表しました。

包括的な最適化が求められる様々な業界で、TianChou AI Solverはすでにその能力を発揮しています。例えば、深圳国際空港ではフライトスケジュールの最適化を支援し、年間260万人の乗客を運ぶシャトルバスの必要性をなくしました。また、ファーウェイのサプライチェーンでは、大規模な複数工場の生産スケジュールの実現を支援し、供給能力を最大化し、在庫可用性を37%向上させ、毎年巨額のコスト削減を実現しました。

2022年のHuawei Connectカンファレンスで、Huawei CloudはTianChou AI Solver Intelligent Modeling Toolを発表しました。これはモデリングとメンテナンスのプロセスを自動化し、開発者のモデリング作業を簡素化し、これまで数か月かかっていたモデリング時間を大幅に短縮し、解析とモデリングの速度を30倍向上させます。特に、TianChou AI Solver Intelligent Modeling ToolはNLPテクノロジーと業界初のローコード+ビジュアルオーケストレーションモデリングテクノロジーを活用し、ビジネス要件をワンクリックで実行可能なコードに変換できます。開発者はもはやプログラミング環境やモデリング構文に制約されず、モデルライブラリ内の10以上のドメインと30のサブシナリオをカバーするエクスペリエンスモデルを効率的に再利用できます。

AI が力を発揮できない業界は存在しません。

著名なビジネスコンサルタントである劉潤氏は、2022年の年次講演でコスト・バリューモデルの概念を紹介しました。彼は、あらゆるビジネスイノベーションは、よりコストのかかる問題を解決するために価値を右にシフトすると同時に、創造的なコスト削減のためにコストを左にシフトすることから成り立っていると指摘しました。

AIの発展も同様の原則に従っています。3つのコアテクノロジーは、技術革新を通じてAIの利用コストを継続的に削減し、様々な業界における参入障壁を低下させています。同時に、技術革新とビジネスイノベーションを組み合わせることで、AIはより幅広い問題を解決し、様々な分野においてより多くのコアバリューを生み出すことができます。AIが様々な業界に参入するプロセスは、コストと価値のモデルを継続的に反復するプロセスです。これは、ガートナーのハイプサイクルにおいて、AIの応用が実用段階の成熟へと向かう次の段階の鍵でもあります。

AIが将来どのような業界やシナリオに応用されるのか、多くの人が興味を持っています。3つのコア技術の継続的な発展により、AIの応用シナリオは人々の想像をはるかに超えていると言えるでしょう。

ヘルスケア業界では、大規模なゲノムプロジェクトが生命科学の「ムーンショット」として高く評価されており、新たな創薬ターゲット発見への重要な道筋となっています。ファーウェイクラウドのAI for Healthcareプラットフォームは、大規模かつライフサイクル全体にわたるゲノムプロジェクトをサポートし、疾病の予防、診断、治療、そして創薬開発におけるAI技術サポートを提供します。ファーウェイクラウドのAI for Healthcareプラットフォームは、独自のAutoGenomeアルゴリズムを通じて、ゲノムデータのAIモデリング、分析、解釈を自動化し、疾患と遺伝子の関係性に関する詳細なマップを構築することで、創薬ターゲットの発見を加速します。

現在、ファーウェイクラウドAIゲノムプラットフォームは海外の「ミリオンゲノムプロジェクト」を支援しており、1日あたり1PBを超えるデータ分析を実現しています。これは従来のHPCソリューションよりも10倍以上高速で、40%も安価です。

運輸業界において、船舶の港内滞留時間とは、船舶が港に到着してから荷役を完了してバースを出港するまでの合計時間を指し、国際港湾の中核競争力を測る基準となっています。取扱量2,000万TEUの天津港では、港湾スケジューリングには数千万、あるいは数億もの変数と制約を考慮する必要があります。従来の手作業による計画方法では24時間かかり、突然の変更や全体最適化への対応は困難です。

天津港は、ファーウェイクラウドのAIソルバー「天周」を活用し、インテリジェントな港湾計画立案によって運用計画の時間を24時間から10分に短縮し、船舶の港湾滞在時間を7%削減しました。同時に、ターミナルの荷役効率も向上し、取扱量300万TEUのターミナルは年間2,900万元の収益増加を実現しました。

未来を予測することは困難ですが、AIは技術サイクルを通じて進歩を続け、いつの日かユビキタス化し、インテリジェント社会の目に見えないインフラとなるでしょう。AIは既にあらゆる産業のインテリジェント化を加速させる大きな飛躍を遂げています。しかし、物事の壮大なスケールで見ると、それはまだ始まったばかりです。