多くの産業分野で導入が進むAI、2024年に注目すべき3つのトレンド：AI基礎解説（2/2 ページ）

[井上道雄（MathWorks Japan），MONOist]

2．組み込みAIには小規模なモデルが好まれ、コンピュータビジョンや言語モデルには引き続き大規模モデルが使用される

　AIモデルには数百万ものパラメーターがあり、実行するには大容量のメモリが必要です。研究では精度が最優先に考えられますが、AIモデルをハードウェアに展開する場合は、メモリと精度の間でトレードオフが発生します。AI実践者は、処理速度とメモリ効率が重要なデバイスにAIを展開する場合、モデルの性能がどのように違うかを考慮する必要があります。

　AIは、オブジェクトを検出するためにコンピュータビジョンで一般的に使用されるようなエンドツーエンドのAIモデルに依存するのではなく、既存の制御システムの小規模なコンポーネントとして追加できます。小規模なAIモデルについて議論する場合に、特に関連性の高いトピックはインクリメンタル学習です。インクリメンタル学習は、新しいデータが利用可能になると、リアルタイムでモデル自体の知識を更新することで、モデルが継続的な学習を可能にする機械学習アプローチです。この手法は、エッジ展開において効率的であると考えられています。

3．生成AIが工学教育全体に変革をもたらす

　生成AIは最先端の技術であり、2024年以降、大学の工学部における授業で学生を支援するため大規模に使用されることが予想されています。インターネットや携帯電話のように、生成AIは工学教育全体に変革をもたらします。

　授業で生成AIを使用する主な利点は、工学部の学生にコンピュータプログラミングなどの基礎的なスキルを指導する時間を節約できることです。これまで初歩的な概念の説明に使っていた時間を削減することで、複雑な工学システムの設計や実装など、高度な内容の指導に集中できるようになります。

　教員は、ChatGPTのような技術を用いてシミュレーションを実行し、対話型の演習や実験授業を作成することで時間を節約し、学生の関心を高めることができます。また、プロンプトエンジニアリングなど、生成AIの有効活用に必要なスキルを学生に教えることができます。これにより学生は、解決策を導き出すために機械だけに頼るのではなく、多角的に考える能力を習得できるようになります。その結果、学生はさまざまな工学分野の自立学習を実践するようになり、工学部の教員はより高度な概念に関する専門知識を共有することで、カリキュラムをこれまで以上に拡充できます。

まとめ

　AIが成熟していくことで、エンジニアや教育者の生産性、潜在力を引き出すためのAIの役割は一層顕著になりつつあります。複雑なエンジニアリングシステムを構築する場合、エンジニアはAI支援シミュレーションや小規模なAIモデルを採用するのが賢明だといえます。学術界において、生成AIは教員の業務省力化と、学生の自立を促します。AIを使用することで、さまざまな産業分野や教育機関において、より多くの情報に基づく意思決定、実用的な知見および効率性の向上が可能になるでしょう。

筆者プロフィール

井上 道雄（いのうえ みちお） MathWorks Japan アプリケーションエンジニアリング部 シニアチームリード

数値流体力学（LES）を専門に学位取得。NASA／JPLで乱流モデルを地球大気のシミュレーションに応用する研究に従事。2014年にMathWorks Japanに入社後は数値計算、データ解析を担当し機械学習を応用した異常検知、予知保全をメインに活動。MathWorks公式ブロガー。

MathWorks Japan https://jp.mathworks.com/

⇒その他の「いまさら聞けないシリーズ」の記事はこちら