グーグルは機械学習によって、「機械学習システムの構築」すら自動化しつつある

「ホワイトカラー業務の自動化」は、コンピューターの能力向上を議論する際のバズワードになっている。会計士や弁護士の仕事ですら、その一部はソフトウェアによって代替可能であることが示されたからだ。

グーグルの人工知能（AI）研究者たちは、高給取りだがコートとネクタイよりパーカーを好むような人々の仕事を自動化しようとしている。つまり、彼ら自身のことである。

グーグルが「AutoML」と呼ぶプロジェクトで進めているのは、機械学習ソフトウェアに機械学習ソフトウェアそのもののつくり方を教えることだ。人間がデザインした最高のシステムよりも、強力かつ効率的なものがつくられた事例もあるという。

同社によると機械が作成したシステムは、画像分類で82パーセントの正答率を記録した。拡張現実（AR）や自律制御ロボットにおいて重要となる、画像から複数の物体の位置を特定するより難しい課題では、正答率は43パーセントだった。人間のつくったシステムが叩き出した最高記録は39パーセントである。

圧倒的に不足するAI人材

この結果は大きな意味をもつ。というのも、グーグルにおいてさえ、最先端のAIシステムを構築するために必要な専門知識をもつ人材が不足している、という事実があるからだ。

最高経営責任者（CEO）のサンダー・ピチャイは、2017年10月4日に行われた新製品発表イヴェントでAutoMLに軽く触れつつ、「こうしたシステムは機械学習分野の科学者たちが構築していますが、これができる人材は文字通り世界で数千人しかいません」と語った。「わたしたちはこうした業務に携わる開発者を何十万人も必要としています」

AutoMLは、まだ研究プロジェクトにすぎない。少しばかり皮肉なことに、システム構築の自動化が目的であるにもかかわらず、このプロジェクトにいま必要なのは熟練のAI技術者である。

こうした技術に取り組む人々は、グーグル以外にも増えている。実用化されれば、機械学習はテック業界だけでなく、ヘルスケアや金融といった分野にも素早く広まっていくことになるだろう。

進化が著しい「メタ学習」

AutoMLは、ピチャイが掲げる「AIファースト」戦略の推進に役立つ。グーグルは機械学習を利用した効率のよい事業運営や製品開発を目指しており、同社のAI開発チーム「Google Brain」と14年に買収したDeepMind（ディープマインド）が、データセンターの電気代の削減や地図作成の迅速化などに貢献している。AutoMLプロジェクトが成功すれば、研究者の生産性が向上したり、スキルが不十分なエンジニアも自力で優れたAIシステムを構築できるようになるかもしれない。

グーグルは研究プロジェクト関連のウェブサイトで、1,300人以上の人々を紹介している。全員がAIの専門家というわけではなく、またほかにも何千人ものソフトウェアエンジニアが同社で働く。なお最新の年次会計報告書によると、親会社のアルファベットは研究開発関連で2万7,169人を雇用している。

グーグルはAutoMLの詳細を公開していない。同社の外にいる研究者によると、人間が行う業務の一部を自動化することはAIにおける最先端のトピックになっている。そしてシステムの複雑化が進むなか、必要性が日増しに高まっているという。

メタ学習（学習方法を学ぶこと）に関する研究の多くは、人工的なニューラルネットワークの構築プロセスをスピードアップさせることを目指している。これは、人間のニューロン（脳神経細胞）の働きを参考にした数学的演算によってデータを大量にインプットするような手法も含む。

非常に洗練された手法に聞こえるかもしれない。だが、ニューラルネットワークに音声処理といった有用なことを任せるのは、非常にコストのかかる面倒な作業だ。

研究者たちはネットワークの適切な構成を見つけるために、直観や試行錯誤に頼っている。カリフォルニア大学バークレー校の研究者ロベルト・カランドラは、「エンジニアの仕事の大部分は、いろいろな設定を試してどれが一番うまくいくかを調べるといった、とても退屈な作業です」と話す。カランドラによれば、より複雑な課題に取り組むためにネットワークの規模が大きくなっているので、研究者の仕事も難しさが増している。

カランドラは博士課程に在籍していた13年、ロボットに歩行を学ばせるために2週間も苦労したことをきっかけに、メタ学習の研究を始めた。ニューラルネットワークよりも単純な機械学習を使って自らを自動調整していくソフトウェアを試したところ、それまで命令を聞かなかった機械が1日で歩き出したのだ。

モバイル向けのシステム構築にも貢献

ニューラルネットワークを完全にゼロからデザインするのは、既存の設定をいじるのに比べて大がかりな作業になる。だが、ニューヨーク大学教授のメーリャー・モーリは、最新の研究結果によって実用化に近づいていると話す。

モーリはグーグルのニューヨークオフィスのチームらと共同で、「AdaNet」というシステムを研究している。タグのついたデータの集合を与えると、個々のデータをシステムに加えることで性能が上がるかを確かめながら、ニューラルネットワークを構築していくプログラムだ。

AdaNetは、人間がつくった特定のネットワークと性能が同等で、規模が半分のネットワークを設計することに成功した。企業はモバイルデヴァイスに、限られたリソースで高性能なAIソフトウェアを組み込もうとしている。このためモーリは、結果には期待がもてると考えている。

一方、複雑なAIシステムの構築や利用が簡単になることで生じる弊害もある。世の中に対する偏見まで備えたシステムを、誤って組み上げてしまうことも容易になるからだ。

例えば、言葉の頭に「メキシコの」と付けるのは悪い意味をもつと定義したり、女性を家事と結びつける傾向をもたせたりといった具合だ。これに関してモーリは、ニューラルネットワークの構築において従来は人間が携わってきた単純作業が減らせれば、こうした問題を見つけたり防いだりするのは容易になるだろうと説明する。「人間がほかの問題に取り組む余裕が生まれるからです」

AutoMLがプログラマーにとって実用的なツールになったとき、その恩恵にあずかるのはグーグルだけではない。ピチャイはこのツールを、社外でも利用可能にすることを考えていると示唆した。彼は自社のクラウド部門が提供するAIサーヴィスを宣伝するためによく使う高尚な言い回しを連発しながら、「このシステムを民主的に活用できればと思っています」と語ったのだ。

TEXT BY TOM SIMONITE

EDITED BY CHIHIRO OKA