オリジナル

【核心】GAFAとは違う。なぜ「カナダのAI」が頼られるのか

2019/10/25カナダは、世界の「AIハブ」である──。特集を通じて、いかにカナダが誰も見向きもしなかった30年以上も前から、今のAI技術に取り組み、近年のAI爆発後も、グーグルやアップル、フェイスブックなど、世界の巨大テック企業に人材を送り込んでいるか、を詳細に伝えてきた。【ドキュメンタリー】AI爆発の「起源」を、まだ誰も知らないしかし、この圧倒的なすごみも、日本ではいまいちピンとこない。それは、カナダ発のAI技術や人材も、結局花開いているのが、GAFAを始めとするアメリカ西海岸のテック企業であり、誰もが知るようなカナダ発の巨大スタートアップが登場していないことが一番の理由だろう。だが、カナダのそんな「引き抜き先」としての歴史も、過去のモノになりそうだ。そもそもカナダ企業には、過去にはブラックベリーでiPhone前夜のスマホ市場を席巻し、今もECプラットフォーム「Shopify」が世界的に躍進し、時価総額も4兆円規模にまで成長してきた歴史がある。AI界の「最高権威」が設立そして、次なる次世代の筆頭株と言われているのが、「Element AI」だ。2016年に創業したAI企業だが、何よりも、その強みはAI界の最高権威であるヨシュア・ベンジオが立ち上げたことにある。わずか3年でマイクロソフトにインテル、エヌビディアが出資を決め、評価額は6〜7億ドル(700億円前後)に上るほどだ。カナダには「Narwhal」という海の一角獣がおり、ユニコーンリストならぬ「Narwhal List」が発表されているが、エレメントAIはこのリストで筆頭に名を連ねる。ミッションに「AIの最先端を巨大テック企業が独占するのではなく、末端にも届けていく」ことを掲げているエレメントAI。GAFAにはない、このカナダ企業だけの「真の凄み」とは何なのか。その秘密をあらゆる角度から探ろうとしていたところ、ちょうど10月18日に、日本からエレメントAIと契約した大企業のニュースが舞い込んだ。トヨタ系の世界的な大手自動車メーカー、アイシンである。NewsPicksは、アイシン担当者に緊急インタビューを敢行。カナダの現地で行ったエレメントAIの幹部への取材と合わせて、カナダの強さの秘密を解き明かしにかかった。「説明」できるAIを作る──なぜ、エレメントAIと組むことにしたのですか。アイシン髙橋克彰氏 我々は、AIやデータサイエンスの分野において開発力を強化できる提携相手を探していました。アイシンは2018年3月に、シリコンバレーでファンド事業を行う連結子会社を立ち上げたのですが、そこを介してAIのコンサルティングができる有望な会社をいろいろ探してもらっていたんです。そんな中で、何度も名前が上がってきたのが、エレメントAIでした。

自動車の製造業という絶対的な安全性を求められる産業にAIを活用していく上で、大きなネックとなっているのが「AIのブラックボックス化」です。なぜ、このアウトプットが出たのか、AIのメカニズムが分からなければ、安全性を担保できない。しかしエレメントAIは、AIの「Explainability(説明可能性:メカニズムを説明できるようにすること)」に力を入れ、専門チームを設けて取り組んでいました。ほかにも、NeurIPS(神経情報処理システム)会議のような有名な学会でたびたび論文が採択されるような実績を持っているといった点も魅力でした。やはり、(コンピュータ界のノーベル賞とも言われる)チューリング賞を受賞したヨシュア・ベンジオさんが共同創業者なだけあって、非常に優秀な人材が集まっています。

エレメントAIを創業したヨシュア・ベンジオ氏(前列右から2人目)(出典:Element AI)我々は、(ただ理想的なビジョンだけを掲げる会社より)開発力のある会社との提携開発を望んでいたので、ニーズにまさに合致したという形です。世の中にないものを生み出す力──開発力があるとは、どういう意味ですか。「世の中にないものを作り上げる」ことができる、という意味です。最近、(今のAIの主流テクノロジーがある)ディープラーニングは民主化が進んできていて、少し勉強すれば誰でも使えるようになってきています。しかし、世界では多くのAI企業が登場していますが、実は、特定の問題に対して、最適な技術を組み合わせたり、新たに技術を作り上げたりできる会社というのは、意外にあまりいないのです。ただ、我々は、すでにできているプロダクトを使うのではなく、世の中にないものを創っていきたかった。エレメントAIにそういう開発力がある、と心から思えたのは、「ブートキャンプ」という形で1週間ほどエレメントAIに滞在し、ディスカッションをした時です。

(出典:Element AI)我々のニーズに対して、すごくいろいろなアイデアを出してくれるのです。そのアイデアに対して、我々が「それは実現性がないのでは」と意見を出すと、彼らはその議論を収束させる力がありました。ただのアイデアの発散に終わらない。現実的な解にちゃんと落として、これならできそうだと思える解を持ってきて、顧客を納得させられる。私もいろいろなベンチャーと議論をしてきましたが、他の会社は「自分たちの製品を売りたい」という思いが先行して、なかなか新しい価値を作り上げるというところまではできていないと感じました。一方でエレメントAIは、自分たちの製品はもちろんあるのですが、ユーザーに合わせた新しい価値を提供できるというところに、実力を感じました。「ブラックボックス」のなくし方──製造業で使うAIは「説明可能」であることが重要とのことですが、どうやって作るのですか。「説明可能」なAIを作るには、あらゆる方法があります。例えば、ブラックボックス化してしまうディープラーニングではなく、本当に単純な機械学習のモデルにまるごと置き換えてしまうというのも、ひとつの手です。あるいは、AIが何を見て判断したのかというのを、画像の中にヒートマップのように表示する。これも一つの手です。

(写真:Pulvas/iStock)現状は、アプリケーションに応じていろんな手法が提案されていて、乱立している状態です。だけど、我々は、一つの手法にこだわりたくなかった。そこで、いろいろな引き出しを持っているエレメントAIと組んで、そこのブロックをうまく積み上げることで、我々のアプリケーションにマッチした「説明可能なAI」を作ろうと考えました。──アイシンにマッチした、説明可能なAIとは。大きく2点あります。ひとつは、現場の工場で働く人が使いやすいものであること。もう一つは、我々にとってのエンドカスタマーであるOEM(完成車)メーカーが、それを見て理解できるようなものであることです。

(出典:アイシン精機)──そもそも、ディープラーニングと「説明可能性」は相反する概念なのでは。そうですね。全てのアプリケーションに対して説明可能なAIは作れないと思います。だからこそ、我々が追求しているのはアイシン精機のアプリケーション、ニーズに沿った説明性です。「この水準なら、アイシンにとって合格」というレベルが落としどころであり、そういうものを目指しています。「ドアの異音」を聞き分けるAI──説明可能なAIを、何に役立てようと考えているのですか。やはり、まずは「工場の検査」における需要が大きいです。工場の製造工程において、今はまだ人が検査している部分がほとんどです。AIが活用できているのは、一部の非常に簡単な箇所です。例えば、ボルトの締め付け部分において、きちんとボルトが入っているかを判断するときですね。

(写真:AntonMatveev/iStock)ここで使われているAIにディープラーニングは必要ありません。「この部分にボルトがあればOK」「ボルトがなければ異常」というルールベースで解ける問題だからです。ルールベースのアルゴリズムの良さは、判断基準が分かりやすく、信頼性がある点です。このように、ルールベースで解ける画像処理の部分は、徐々に人から機械に置き換わっています。一方で、まだ人間に大いに頼っているのは、感覚によって判断する「官能検査」です。人が目で見て、感じて判断する。あるいは音で聞く。例えば、我々の製品には「パワースライドドア」という、大型のワンボックスカーに付いているような、電動でドアが開け閉めできるものがあります。この作動音は、異音がないか全て人が聞いて検査しています。

人の感覚はなかなかに神秘的で、我々が感じ取る「異音」は単純に「何ヘルツのノイズ」というルールで定義できるわけではないのです。どこでノイズが出ているのか、スペクトラムで見ていても分からないのに、人間は確かに異音を聞き取るというのはよくあります。こうした人間の感覚に頼る検査は、ルールベースで区切ることが難しい。これこそ、ディープラーニングの出番なのです。まずは、エキスパートの検査員に手伝ってもらい、「人間はこれを異常として判断する」「これは正常」というデータ群を作っていく。ここから自動的にAIが特徴を学んでいけばいい。ただ、これを工場に実装するには、「説明可能」であることが非常に重要となってきます。我々が作っているのは全て、人の安全に関わる製品です。「なぜだか分からないけど、異音と判断した」ではダメなわけです。工場の人、そして完成車メーカーが納得する形で、説明性を高めていかなければいけないというのが、今のステータスです。

(写真:Tramino/iStock)ここで求められる「説明」は、何に注目して異常と判断したか、ということだけではありません。それだけでは弱い。例えば、本当は異常があったのにAIが見逃した場合。「見逃した理由」も説明できる必要があると考えています。それが分かれば、改善の余地があります。あと、判断に自信がないことをきちんと表明するのも、「説明」のひとつと言えます。ディープラーニングは、「自信がない」というのを判断するのが苦手で、自信ありで間違ってしまうことも多い。ここも改善の余地が大いにあります。検査工程が大きく変わる──現在人が行っている検査を機械でできるようになると、どれくらいコスト削減できるのですか。数字をお出しすることはできないのですが、社内では具体的に試算しています。ただ、我々としては人を置き換えていくことが目的なわけではなく、品質を上げていくのが目的です。

(出典:アイシン・エイダブリュ)人の検査員には、エキスパートから始めたての人までたくさんレベルがあり、どうしてもばらつきが出ます。これを、ディープラーニングに置き換えることができれば、全ての検査をエキスパートレベルで行うことができるわけです。──こうしたソリューションを、後々外販することも考えているのですか。正直、今はそこまでは考えていません。あくまでまずアイシン精機にとっての「説明性」を追求していくわけで、それがどこまで他の工場で需要があるものか、分かりません。もちろん、汎用性のある取り組みではあると思いますが。──「説明可能なAI」は、工場の中だけでなく自動運転システム自体にも広まっていきますか。もちろんそうだと思います。工場の中はデータが多いので、今はそうしたアプリケーションから始めてはいますが、今後はより直接的に利用者の安全に関わる部分にも、技術展開していきたいと考えています。グーグルでは、できないことをやるNewsPicks編集部は、エレメントAIの共同創業者の1人、フィリップ・ボードインにも話を聞いた。

フィリップ・ボードイン Element AI共同創業者
モントリオール大学でコンピュータ・サイエンスを学んだのち、エンジニアとしていくつかのスタートアップで働く。2011年から5年間グーグルで勤めたのち、2016年にElement AIを共同創業。──どのような経緯でエレメントAIを創業したのですか。私はもともと、ソフトウェアエンジニアとしてグーグルに5年ほど勤めていました。グーグルのブラウザ、Chromeの機械学習チームの立ち上げメンバーでした。グーグルのような大企業で働くのも勉強になりましたが、次第に私の中で「このテクノロジーを、テック企業だけでなく他の産業の人たちでも使えるようにしたい」という思いが強くなっていきました。そんな時に、古くからの知人で研究者仲間でもある、ヨシュア・ベンジオやニコラス・チャパドスらが、「AIを民主化する」という理念で新たな会社を立ち上げようとしていることを知りました。研究室で起きている最先端の研究を商品化して、あらゆる産業で使えるようにする。このコンセプトこそ、私が実現したいことでした。そこで私は早速加わり、一緒にElement AIを立ち上げたというわけです。Element AIは、ベンジオ、チャパドスと私ら博士号の研究者、ジャン・フランソワ・ガニエという起業家、アン・マーテルというビジネス・オペレーションの専門家、そしてベンチャーキャピタリストのジャン・セバスチャン・クルノエで創業しました。分野の違う人間たちが、それぞれの強みを生かすべくして集まりました。

(出典:Element AI)研究が核にある会社なので、優秀な研究者を集めることが一番重要です。そこで我々が重視したのは、「会社としての哲学」と「カルチャー」です。研究者の多くは、そのまま大学の研究室に残るか、グーグルなどの巨大テック企業に就職するかという道を選びます。ただ、大学で研究している人の中には、「もっと実際に世の中に役立てたい」というフラストレーションを抱えている人が多くいました。一方で、巨大テック企業に就職した人たちの中には、「製造や物流、小売や金融など、テックの恩恵をあまり受けてこなかった伝統的な産業でも自分たちの研究を生かしたい」と思っている人が多くいます。我々は、そこに目をつけました。会社としての哲学は重要です。AIを民主化して、世界にポジティブなインパクトを残すという理念を、常に核として掲げておく。エレメントAIに集まってくる研究者は、この理念に引かれるケースが多いです。そして、研究者たちは働く場のカルチャーも非常に重視します。優秀な研究者同士で交流でき、自分の専門性が生かせるチャレンジングな課題に囲まれている環境だと、いきいきする人が多い。エレメントAIは、これまで主に大学で理論を扱っていたような基礎研究者と、特定の顧客向けにプロダクトを開発している応用研究者が、非常に近い距離で働ける環境が売りです。

(出典:Element AI)基礎研究を行う人と応用研究を行う人の割合でいうと、後者の方が多めです。ただ、アカデミアとのつながりは非常に強く、必要があれば大学で基礎研究を行っている人々の力をすぐに借りられるような体制を作り上げています。第二のシリコンバレーになれるのか──カナダは優秀なAI人材を輩出しているものの、シリコンバレーに流出してしまうケースも多いのでは。かつてはそうでしたが、近年モントリオールは、人材を急速に引きつけています。企業のAI研究所が多く設立され、AIに関するスタートアップも多数集積しています。モントリオール大学でベンジオ教授の薫陶を受けた生徒たちが、次々に事業を起こしているのです。巨大テック企業から小さなスタートアップ、大学の研究機関が集積するこの場所で、我々はそうしたダイナミックな動きを日々感じています。やはり、カナダ政府が国を挙げて、AIの基礎研究に投資を続けていたことは、非常にポジティブな影響を及ぼしていると思います。その投資がようやく実を結ぶようになってきました。──モントリオールは、次のシリコンバレーになり得ると思いますか。我々はシリコンバレーとは違う存在になりたい、と思っています。エコシステムとして今後もどんどん栄えていければと考えていますが、我々のベースにある理念は、シリコンバレーのそれとは異なるものです。ベンジオは「AI for human good(人類のためのAI)」を唱えて環境問題やヘルスケアにAIを活用する研究を推し進めていますが、彼の哲学はこの都市全体にも通底しています。ここは、ビジネスとしてお金を稼ぎたいというより、AIで社会的なインパクトを残したいという研究者が集う場所です。ソリューションを生み出すときには、常にそれを使う「人」の存在を核に置いて考える。一握りの人々だけが享受できるテクノロジーにするのではなく、AIを民主化して誰もがそれを使えるようにする。これはベンジオとエレメントAIのモットーであり、モントリオールのコミュニティ全体に息づく哲学なのだと思っています。

真凜 練習で涙も「最後までやり抜きたい」22日に衝突事故…痛みに耐え出場決断前のページ

いずれ議論不可避 消費税の「段階的増税論」とは次のページ

関連記事

  1. オリジナル

    【教訓】斬新なビジネスほど失敗するワナ

    2019/9/26破竹の勢いで成長していた企業が、ある日突然に失速す…

  2. オリジナル

    世界を変えるテクノロジー「量子コンピューター」とは何か

    2019/10/15近年、話題の量子コンピューター。スーパーコンピュ…

  3. オリジナル

    【新】修羅場をくぐったSOMPO櫻田社長の仕事哲学

    2019/9/22ビジネスや働き方が多様化し、正解がない時代に、自分…

  4. オリジナル

    【Podcast】ブロックチェーンが不動産やモビリティを激変させる?

    後藤 今週も始まりました。ゲストは先週に引き続き、Omiseの長谷川…

  5. オリジナル

    【佐久間洋司】VTuberの「人格」はどこにあるのか?

    2019/10/29キズナアイの人格バーチャルYouTuber(VT…

  6. オリジナル

    上司に案を却下されたとき、やってはならないことは

    今月4日にNewsPicksが新たに立ち上げたレーベル「NewsPi…

コメント

  1. この記事へのコメントはありません。

  1. この記事へのトラックバックはありません。

  1. エンタメ

    松井珠理奈が再び活動休止 SKE「全力で取り組むことが現時点では難しい」
  2. ニュース

    パリ中心部の警察で男が警察官をナイフで襲う 4人死亡の報道
  3. エンタメ

    松岡修造 イベントで司会から「楽屋帰れ」と叱られる…“遅刻客”と腕立て伏せ
  4. オリジナル

    【検証】品切れ続出。アップルを超えたワイヤレスイヤホンの実力
  5. スポーツ

    女性のサッカー観戦、40年ぶり解禁 割り当てチケット即時完売 イラン
PAGE TOP