MIT スローンの人工知能と機械学習に関する研究

Jan 19, 2024

生成 AI には人間の創造的なタッチが必要な理由

ブルーボトルコーヒーのCEOがオーツミルクとイノベーションについて語る

HubSpot CEO: トップにつながる 6 つのキャリアの選択肢

クレジット: ジェニファー・タピアス・ダーチ

重要なアイデア

人工知能

2022 年 10 月 26 日

AI 生産性ブームが到来しています。 倫理的かつ労働者中心のインテリジェント テクノロジーを展開するために管理者が知っておくべきことは次のとおりです。

ビジネス上の意思決定において、人工知能と機械学習が果たす役割が増大していることにほとんど疑問の余地はありません。 NewVantage Partners がデータおよびテクノロジーの上級幹部を対象に行った 2022 年の調査では、大企業の 92% がデータおよび AI への投資から利益を達成していると報告しており、2017 年の 48% から増加しています。

しかし、これらのテクノロジーが主流になるにつれて、ワークフローと職場のつながりの性質をどのように変えるのかという新たな問題が生じます。 それらは倫理的に利用されるでしょうか? 彼らは人間に取って代わるのでしょうか？

MIT スローンの研究者、客員学者、業界専門家によると、AI と機械学習が遍在するにつれて考慮すべき点は次のとおりです。

人工知能はほとんどの職業を変えていますが、人間に取って代わるには程遠いです、未来の仕事に関するMITタスクフォースの調査結果を調査した本によると。

大企業の約 92% が、データと人工知能への投資から利益を上げていると報告しています。

MITの研究者デビッド・オーター氏、デビッド・ミンデル氏、エリザベス・B・レイノルズ氏は、人工知能が仕事にどのような影響を与えるかを考える際には、人工知能の能力と限界を理解することが不可欠であると主張している。

今日の AI の課題は、身体的な器用さ、社会的交流、判断力を中心にしています。 在宅医療補助者のことを考えてみましょう。その責任には、脆弱な人間に身体的援助を提供し、彼らの行動を観察し、家族や医師とコミュニケーションをとることが含まれます。 自動化がそのレベルに達するまでは、学者が「汎用人工知能」と呼ぶものを真に考慮することはできません。

AI を活用して、より公平な未来を生み出すことは可能です。あらゆる業界の従業員が、自動化や人工知能によって仕事が奪われるのではないかと懸念しています。 マサチューセッツ工科大学スローン経営学教授のトーマス・コーチャン氏もこうした懸念を共有しながら、「生産的でより公平な未来」を生み出すための新技術の「途方もない」革新的な可能性も見ている。

コーチャン氏は、オンラインのエグゼクティブ教育コース「仕事の未来を導く」で、未来の働き方に向けた 4 つの要素からなるロードマップを示しています。

AI を活用した生産性ブームが到来しつつあります。インターネットについて考えてみましょう。その基礎技術は 1960 年代から 1970 年代に根付きましたが、商用化されたのは 1990 年代半ばになってからです。 MIT未来の仕事に関するタスクフォースの一員であるスタンフォード大学のエリック・ブリニョルフソン氏は、テクノロジーの受け入れが「最初はゆっくりと段階的に進み、その後加速して広く受け入れられるようになる」この現象を「Jカーブ」と呼んでいる。

現在、企業はテクノロジーの普及に伴い、AI を活用した J カーブに備える必要があります。 ブリニョルフソン氏は、企業は人工知能と機械学習を業務プロセスに組み込み、従業員の準備を整えることに重点を置くべきであり、一方で政策立案者はその導入が不平等を助長しないように取り組むべきだと述べた。

AI には関係者の同意が必要です。機械学習ツールはさまざまな分野で使用されています。 しかし、テクノロジーを職場に導入することは 1 つのステップにすぎません。これらのツールが成功するのは、それらがワークフローに統合され、人々がツールを十分に信頼して依存できる場合に限られます。

MITスローン教授ケイト・ケロッガンド氏の共著者の研究によると、導入を成功させる鍵はテクノロジー開発者とエンドユーザーの間で継続的に対話することだという。

「管理者と開発者は、ツールを実際に役立つように構築、評価、改良するという往復のプロセスに取り組む必要がある」とケロッグ氏は述べた。

さらに、関係者は AI プログラムが正確で信頼できるものであると信じる必要があります。 人工知能の説明可能性が役立ちます。 MIT 情報システム研究センターの研究者は、AI の説明可能性を「モデルが価値を生み出し、準拠し、代表的で信頼できるものであることを保証する方法で AI の取り組みを管理する能力」と定義しています。

人工知能の説明可能性は新興分野であると研究者らは認めている。 彼らは企業に対し、すでに効果的な AI の説明を作成している部門や組織を特定し、その組織の AI プロジェクト チームがすでに採用している実践方法を特定することから始めることを推奨しています。

AI と機械学習はデジタル マーケティングを変革しています。ほとんどのマーケティング担当者はリテンションと収益を懸念していますが、適切な予測がなければ、効果的なマーケティング介入に関する決定は恣意的に行われる可能性があると、MIT デジタル経済イニシアチブの社会およびデジタル実験研究グループリーダーのディーン・エクルズ氏は述べています。

機械学習はこの状況を変え、顧客の行動を予測し、顧客のニーズを直感的に理解するのに役立ちます。

「長期的で測定が難しい結果を予測するために統計的機械学習を適用することには多くの価値があります」とエックルズ氏は言う。

Wayfair や Spotify などの企業は、高度にカスタマイズされた家具の検索結果からパーソナライズされた推奨プレイリストに至るまで、オーダーメイドの顧客エクスペリエンスのために機械学習を活用しています。 そして、新型コロナウイルス感染症（COVID-19）が蔓延すると、モデルナは長年保有してきた自動化プロセスとAIアルゴリズムを利用して、臨床実験の実施に必要な小規模メッセンジャーRNA（mRNA）の数を増やした。 この基礎は、モデルナがパンデミックの初期に最初の新型コロナウイルス感染症（mRNA）ワクチンの1つをリリースすることに貢献した。

優れたデータは優れた AI を生み出します。データ サイエンティストやデータ プラットフォームなど、5 つの重要なデータ機能を備えていると、企業が成功する人工知能プログラムを構築するのに役立ちます。

MIT CISRの研究者らによると、鍵となるのは、AIプロジェクトチームが学習し成熟するにつれて、ローカルではなく企業の視点を取ることだという。 企業が AI チームの専門知識とプラクティスを特定して蓄積すると、再利用可能で洗練されたプラクティスを作成し、機能を構築できます。 これにより、新しい AI プロジェクトが加速し、将来のチームが成功に向けて準備されます。

データ中心の AI を採用することも重要です。 Google Brain 研究所の創設者で、Baidu の元主任研究員である Andrew Ng (SM '98) 氏によると、これは「成功する AI システムを構築するために必要なデータを体系的にエンジニアリングする分野」です。

一貫してラベル付けされた高品質のデータに焦点を当てることで、ヘルスケア、政府テクノロジー、製造などの分野における AI の価値が解き放たれる可能性があると、Ng 氏は EmTech Digital カンファレンスで述べました。

そして、たとえ AI が世界の問題のすべてを解決することはできず、その過程で新たな問題を引き起こす可能性さえあるとしても、少なくとも Wordle の解決を少しは容易にすることができます。

次を読む: AI が金融をどのように変えるかについて語る SEC のゲイリー・ゲンスラー氏