要点
AIに別のAIを構築させることを目指すGoogleのAutoMLプロジェクトが、最先端モデルを大幅に上回るコンピュータービジョンシステムを開発した。このプロジェクトは、自動運転車や次世代AIロボットの「見る」能力を向上させる可能性がある。
AIを構築できるAI
2017年5月、Google Brainの研究者たちは、独自のAIを生成できる人工知能（AI）であるAutoMLの開発を発表した。最近、研究者たちはAutoMLにこれまでで最大の課題を与えることにし、AIを構築するAIは、人間が作ったすべての同種システムを上回る「子ども」を生み出した。
Googleの研究者たちは、機械学習モデルの設計を自動化し、強化学習と呼ばれる手法を用いた。AutoMLはコントローラーとなるニューラルネットワークとして機能し、特定のタスクを担う子どもAIのネットワークを開発する。研究者たちがNASNetと名付けたこの子どもAIのタスクは、動画の中の物体――人、自動車、信号機、ハンドバッグ、バックパックなど――をリアルタイムで認識することだった。
AutoMLはNASNetの性能を評価し、その情報を使って子どもAIを改良する作業を何千回も繰り返す。Googleの研究者たちが「コンピュータービジョン分野で最も評価の高い大規模な学術データセットのうち2つ」と呼ぶImageNet画像分類とCOCO物体検出のデータセットでテストしたところ、NASNetは他のすべてのコンピュータービジョンシステムを上回った。
研究者たちによると、NASNetはImageNetの検証用データセットで画像を82.7％の精度で予測した。これは、これまでに発表されたどの結果よりも1.2％高く、システムの効率も4％向上し、平均適合率（mAP）は43.1％だった。さらに、計算負荷を抑えたNASNetのバージョンは、モバイルプラットフォーム向けの同程度の規模の最良モデルを3.1％上回った。
未来を見据えて
機械学習によって、多くのAIシステムは特定のタスクを実行できる。仕組み自体は比較的単純で、アルゴリズムに大量のデータを与えて学習させるというものだが、そのプロセスには膨大な時間と労力が必要となる。正確で効率的なAIシステムを作るプロセスを自動化することで、AIを構築するAIはその作業の大部分を担う。つまりAutoMLによって、機械学習やAIの分野が専門家以外にも開かれる可能性がある。
NASNetについて言えば、正確で効率的なコンピュータービジョン・アルゴリズムは、応用先が数多く見込まれることから、大きな需要がある。高度なAI搭載ロボットの開発や、視覚障害のある人が視力を取り戻す支援に利用できる可能性がある。ある研究者が示唆したように、自動運転車の技術向上にも役立つ可能性がある。自動運転車が進路上の物体を認識できるまでの時間が短くなれば、それだけ早く反応できるため、車両の安全性を高められる。
Googleの研究者たちは、NASNetが幅広い用途で役立つ可能性を認め、画像分類の推論と物体検出に使えるよう、AIをオープンソース化した。「より広範な機械学習コミュニティがこれらのモデルを基盤として、まだ想像もしていない数々のコンピュータービジョンの課題に取り組めるようになることを願っています」と、研究者たちはブログ記事に記した。
NASNetとAutoMLには多くの用途がある一方で、AIを構築するAIの登場は、いくつかの懸念も招く。たとえば、親AIが望ましくない偏りを子どもAIに引き継がせるのを、どう防げるだろうか。AutoMLが社会の対応が追いつかないほど速くシステムを作り出したらどうなるだろうか。近い将来、規制が整うより先にNASNetが自動監視システムに利用される可能性は、容易に想像できる。
幸い、世界の指導者たちは、こうしたシステムが何らかのディストピア的な未来を招かないよう、急ピッチで取り組んでいる。
Amazon、Facebook、Appleをはじめとする企業は、AIの責任ある開発に取り組む団体である人々と社会に恩恵をもたらすAIのためのパートナーシップのメンバーだ。電気電子学会（IEE）は、AIの倫理基準を提案している。また、Googleの親会社Alphabet傘下の研究企業DeepMindは最近、AIがもたらす道徳的・倫理的な影響
に焦点を当てたグループの設立を発表した。自律型兵器など危険な目的でAIが使われるのを防ぐため、各国政府も規制に取り組んでいる。人間がAI開発全体の方向性を保ち続ける限り、AIを構築するAIがもたらす恩恵は、潜在的な問題をはるかに上回るはずだ。
