0
会員になると、いいね！でマイページに保存できます。
AI（人工知能）関連の技術は日月進歩で、日々、新しいものが登場している。キャッチアップも難しい中で、いかに企業はAIの研究・開発で価値を創出していけばよいのか。楽天の平手 勇宇氏、TISの久保 隆宏氏、LINEの並川 淳氏という日本を代表する開発者ら3名が集まり、自身の経験や知見をもとに、企業をまたいだAI活用の本音の議論を交わした。モデレータをつとめたのはFRONTEOの門前一馬氏だ。
現在の日本企業におけるAI研究・開発の課題とは何か？
まず門前氏が「現在、多くのITベンダーがAI開発フレームワークを提供するようになり、コラボレーションや実装が容易になってきました。しかし、まだ組織的な開発や研究には多くの課題が残っています。機械学習がコモディティ化する中で、どうやって研究テーマを設定すべきでしょうか？」と問題を提起した。
これについて最初に発言したのは、LINE DataLabs フェローの並川 淳氏だ。同氏は、理化学研究所でRNN（再帰型ニューラルネットワーク）による時系列学習の研究に従事後、民間企業を経て、LINEフェローに就任し、同社の「DataLabs」で活躍している。
並川氏は「いま研究テーマには2つの難しさがあります。1つは機械学習がコモディティ化し、論文化が難しくなっていること。もう1つは、民間企業で研究する意味がなくなってきたということです」と語る。
楽天技術研究所の平手 勇宇氏も並川氏の意見に同意する。同氏はデータマイニングや機械学習に関する研究に従事し、研究所のマネージャとして多くの研究開発プロジェクトを統括している立場だ。
同氏は「データを用意すれば誰もがモデルを構築できる状況になる今、研究者はいったい何をすべきかを考えるタイミングに来ています。一方で、研究所に来る人は、自身の知識を社会に活かしたいと考えています。しかし、そんな簡単なことは研究でないと言われることもあり、そのジレンマも悩みの種になってきました」と説明する。
SIerの立場から意見を述べたのは久保 隆宏氏だ。同氏は、TIS 戦略技術センターに所属し、機械学習や自然言語処理の研究開発や、
arXivTimesで積極的に論文情報などを発信している。
「大学レベルのアルゴリズムを、一般の開発者が簡単に活用できる時代になりました。ただし、いまは開発者と組織がマッチしていなくてコラボレーションがうまくできていない気がします」（久保氏）
これを受けて門前氏は、LINEの研究者とAIエンジニアの関係について問いかけた。
「LINEでは、研究者はトップカンファレンスに論文を載せることがKPIです。研究者は、企業のサービスを良くする役割は持たず、ほかのAIエンジニアが担っています。完全に役割は分かれていますが、それぞれがコミュニケーションをとって情報を共有しています」（並川氏）
楽天の平手氏は「ここに来て多くのデータを獲得できるようになり、データサイエンティストも増えてきました。その中で研究者とデータサイエンティストの境界が曖昧になっています。会社としては、同じテーマを複数で取り組むのは非効率なので、研究を整理し、切り分けを行っているところです。それぞれの役割を再定義していく動きが起きています」と説明する。
AIで儲けてほしい！ 事業側の理解も深まり、収益化の要請も
このような状況の変化のなかで、門前氏は「最近ではGCPのCloud AutoMLが登場し、精度の高いデータを入れると、本当に簡単に良い機械学習モデルができる状況です。AutoMLによって、Kaggle（世界最大規模の機械学習コンペティション）でメダルが取れるぐらいになってくると、今後は研究機関（部門）の役割が変わってきそうな気もしています」と語り、久保氏に見解を求めた。
「これほど早く安く自動的にモデルがつくれるとは思っていませんでした。データがあれば、エンジニアも不要になってしまいます。そこで研究の位置づけとなるロードマップがないと対応できなくなります。どんなテーマを設定しても、あっという間に時代遅れになる可能性があるのです。事業コアを持っていないと、今の時代は研究を続けることも難しいと感じます」（久保氏）
並川氏は「余った時間を別の仕事に割り当てればよいのですから、自動化の流れは良いことです。一歩先をやり続けることが研究者の役目ですが、民間企業でどこまで追及すべきかという問題はあるでしょう。我々は、一歩先のアプリで勝ち残った企業なので、1位になれるタイミングが重要であることを肝に銘じています。そのために研究していると解釈しています」と語る。
モデレータの門前氏は「最近は空気感が変わってきたように思います。これまでは、なんとなくAIの研究をしても予算が付きましたが、いまは研究が事業に貢献するのかという点が問われ、収益化できるように組織を作ってもらいたいという要請もあります」と、平手氏に質問を投げた。
「以前は“AIで何かできないの？”という無茶ぶりを事業側から依頼されるケースをよく耳にしました。ところが最近は事業側も理解が深まりました。ただし、訓練データのフィーチャ（特徴）をどう用意し、それを取得するためにどうすべきか、一連の流れが把握できていません。便利なツールはありますが、どうやってフルに活用すればよいか、研究側が現場にレクチャーする必要があります」（平手氏）
「企業も、AIをただやっているというだけでは、広告効果がなくなってきています。事業に貢献すべきという点は確かですが、機械学習はすべての事業に組み込めるわけではありません。データから得られる知見でサービスの差別化や付加価値を向上できるビジネスでないと出番がありません。そういう企業があまり多くないのが現状でしょう」（久保氏）
【次ページ】AIのブラックボックス化に関する説明責任をどうすべき？
関連タグ
