編集部からのお知らせ
オススメ記事選集PDF:「ジョブ型」へのシフト
「ニューノーマル」に関する新着記事一覧
海外コメンタリー

AIの導入に立ちはだかる5つの壁と対応策 - (page 3)

Greg Nichols (Special to ZDNet.com) 翻訳校正: 石橋啓一郎

2020-07-21 06:30

 現在のAIは敵対的攻撃に弱く、だまされてAIの分析機能が悪用されてしまう可能性がある。AIは大量のデータを必要とするため、データの保護に対する重要性は非常に高まっている。また、AIの意思決定プロセスはその大部分が依然としてブラックボックスであるため、悪質なデータに起因する脆弱性は大きな懸念材料になる。

この問題の解決には、透明性を確保する必要がある

4.透明性

 AIはまだ萌芽期にあるため、現在のAIに期待できる能力や、適した用途、仕組みなどについての理解が、エンドユーザーによって大きく異なっている場合がある。このことも、AIによる意思決定がブラックボックス化している要因の1つになっている。AIモデルが結論を導き出す過程の透明性を高めるには、AIの意思決定プロセスを明文化する手段を確立する必要がある。AIはまだ初期段階にあるため、信頼を構築し、導入を促すためには、透明性が必要不可欠だ。

 AIには大きな期待がかかっているにも関わらず、AIの導入は、古くからある新たな技術に対する恐怖感によって遅れている。その結果、組織は及び腰になり、どこから手を着ければいいか分からなくなっている。経営陣に圧力をかけられ、優先順位より推測に基づいて動けば、慌ててAIを導入した企業の問題は増えるばかりだ。

この問題の解決には、次の問題を解決する必要がある

5.データとインフラストラクチャーの準備状況

 AIは多くの場合、大量の過去のデータと高度な数学に支えられている。このため、AIプロジェクトを進めるには、まず一定水準のデータとインフラを準備する必要がある。よくある問題には、データ不足やデータ源のばらつき、技術インフラの欠如、テストの非効率性、コラボレーションの問題などがある。

 AIには基礎として充実したインフラが必要であり、これには高性能でスケーラブルなコンピューティングシステム、大容量ストレージ、GPUアーキテクチャーなどが含まれる。モデルを本番環境で効果的に開発、導入、監視するプロセスには時間がかかるが、多くの組織は、単純に企業規模でデータプラットフォームを運用するノウハウを持っていない。さらに、AIが利用するデータはかなりのスクラビングが必要だが、そこに十分な投資を行っていない組織が多く、それではAIや予測分析から得られる知見も制限されてしまう。投資を怠り、十分なインフラを構築できていないことが、AIモデルの多くが実際には本番環境では使われていないと考えられている大きな理由の1つだ。

ZDNet Japan 記事を毎朝メールでまとめ読み(登録無料)

特集

CIO

モバイル

セキュリティ

スペシャル

NEWSLETTERS

エンタープライズ・コンピューティングの最前線を配信

ZDNet Japanは、CIOとITマネージャーを対象に、ビジネス課題の解決とITを活用した新たな価値創造を支援します。
ITビジネス全般については、CNET Japanをご覧ください。

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]