IBMの産業変革の青写真がAI、5G、そしてコラボレーションをどのように活用しているか
AIとグラフにはいくつかの共通点があります。それは多面的であり、応用が至る所に存在し、2020年代に急速に成長していることです。
AIには、ハードウェアから医療などの分野でのアプリケーション、未来的なモデルから倫理に至るまで、多くの形態があります。
ここ数年の精神に則り、データベース、データ管理、AIの世界における2020年代の主要な技術ドライバーとして特定したものの進展を振り返ります。2021年を振り返り、2022年を形作るパターンを特定しようとしています。
今日は、レビューの第1部から始めたところから再開し、AIとナレッジグラフについて取り上げます。
AIの多様な顔：ハードウェア、エッジ、MLOps、言語モデル、未来のアーキテクチャと倫理
原則として、私たちはAIに全体的にアプローチしようとしています。光り輝くものから平凡なもの、ハードウェアからソフトウェアまで、ポジティブな面とネガティブな面を考慮に入れます。ハードウェアはここ数年のAIの広いストーリーの中で継続的な話題であり、私たちはツアーを始めるのに良い場所だと感じています。
ここ数年、私たちは「AIチップ」ベンダーの増加するリストに注目してきました。つまり、AIワークロードに特化した新しいハードウェアアーキテクチャをゼロから開発しようとしている企業です。彼らは皆、ますます大きくなるパイの一部を手に入れようとしています。AIが拡大し続ける中で、これらのワークロードも増加し、それらをできるだけ迅速かつ経済的にサービスすることが明らかな目標です。
Nvidiaはこの市場で引き続き支配的です。NvidiaはAIワークロードが急増するずっと前から市場に存在しており、ハードウェアとソフトウェアのエコシステムを構築することでこれを活用するための洞察力と反射神経を持っていました。2020年にArmをこのエコシステムの一部にする動きは規制当局の監視下にあります。しかし、Nvidiaは2021年に無為に過ごすことはありませんでした。
2021年11月のNvidiaのGTCイベントで行われた多数の発表の中で、ハードウェアレベルで新しいものをもたらすものは、2021年のAIの焦点を特徴づけるもの、すなわち推論とエッジに関するものであると私たちは主張します。NvidiaはTriton Inference Serverのいくつかの改善を導入しました。また、Nvidiaは、エッジでのAI推論のための低消費電力で小型のアクセラレーターであるNvidia A2 Tensor Core GPUを発表し、これがCPUよりも最大20倍の推論性能を提供すると主張しています。
そして、新興企業についてはどうでしょうか？サンバノバは、シリーズDの資金調達で驚異的な6億7600万ドルを調達し、50億ドルを超える評価額に達した後、今や「世界で最も資金調達されたAIスタートアップ」と主張しています。サンバノバの哲学は「AIをサービスとして提供する」ことであり、現在はGPT言語モデルも含まれています。そして、2021年は彼らにとって市場投入の年であったようです。
Xilinxは、自社の神経ネットワークがNvidiaのGPUに対して劇的なスピードアップを達成すると主張しています。Cerebrasは高性能コンピューティングを「絶対に支配する」と主張し、かなりの資金調達も行いました。GraphcoreはMLPerfの結果でNvidia（およびGoogle）と競争しています。Tenstorrentは伝説的なチップデザイナーのケラーを雇いました。Blaizeは産業用途にエッジAIを導入するために7100万ドルを調達しました。Flex Logixは5500万ドルのベンチャー支援を受け、合計8200万ドルに達しました。最後に、NeuRealityという新たな競争者が登場し、ONNXとTVMでの展開を組み合わせる方法や、AIを使用してAIチップを設計するという約束があります。これが革新的なブームでないなら、何が革新なのでしょうか。
Linux FoundationのState of the Edgeレポートによると、デジタルヘルスケア、製造業、小売業は2028年までにエッジコンピューティングの利用を特に拡大する可能性が高いとのことです。エッジ向けのAIハードウェア、フレームワーク、アプリケーションが急増しているのも不思議ではありません。
TinyML、エッジで動作するのに十分に経済的な機械学習モデルを生産する技術と科学は急速に成長しており、エコシステムを構築しています。エッジでの機械学習を誰にでも提供したいスタートアップのEdge Impulseは、3400万ドルのシリーズB資金調達を発表しました。エッジアプリケーションが登場し、AIとそのハードウェアがその大きな部分を占めるでしょう。
2020年に呼ばれたものは、2021年に顕著であり、今後数年間私たちと共にあるとされるいわゆるMLOps、すなわち機械学習を実用化することです。2021年には、人々がMLOpsに関連するさまざまな現象に名前を付けようとし、MLOpsの領域を細分化し、データバージョン管理や継続的な機械学習を適用し、データに対するテスト駆動開発の同等のものを含むさまざまなことを試みました。強調点は、華やかな新しいモデルから、データの質やデータパイプライン管理といった、より平凡でありながら実用的な側面に移行しており、MLOpsは引き続き成長し続けるでしょう。
もう一つ、規模と数の両方の観点から成長し続ける可能性が高いのは、大規模言語モデル（LLM）です。ある人々は、LLMが生物学、化学、または人間の言語などの基本的な言語形式を内面化できると考えており、私たちはLLMの異常な応用が増えるのを目にすることになるでしょう。他の人々は、そうではないと考えています。いずれにせよ、LLMは急増しています。
「通常の容疑者」に加えて、OpenAIのGPT3、DeepMindの最新のRETRO LLM、Googleの常に拡大するLLMの数々に加え、Nvidiaは現在、MicrosoftとMegatron LLMで提携しています。しかし、それだけではありません。
最近、独立したAI研究者の集団であるEleutherAIが、60億パラメータのGPT-jモデルをオープンソース化しました。さらに、英語以外の言語に興味がある場合、私たちは現在、英語、ドイツ語、フランス語、スペイン語、イタリア語に流暢な大規模なヨーロッパ言語モデルをAleph Alphaから提供しています。Wudaoは中国のLLMであり、1.75兆パラメータを持つ最大のLLMでもあります。また、HyperCLOVAは2040億パラメータを持つ韓国のLLMです。さらに、GPT2やBERTおよびその多くのバリエーションなど、他にも少し古い/小規模なオープンソースのLLMがあります。
LLMを超えて、DeepMindとGoogleはそれぞれPerceiverとPathwaysというAIモデルの革命的なアーキテクチャを示唆しています。Pathwaysはやや曖昧であると批判されています。しかし、私たちはそれがPerceiverに基づいている可能性があると推測することができます。しかし、未来の技術の領域にいるので、DeepMindの神経アルゴリズム推論について言及しないのは省略になります。これは、古典的なコンピュータサイエンスのアルゴリズムと深層学習を結びつけることを約束する研究の方向性です。
どんなに簡潔なAIのツアーでも、AI倫理に対する名誉ある言及なしには完結しません。AI倫理は2021年において常に重要なテーマであり、FTCの委員から業界の実務者まで、各自が自分なりの方法でAI倫理に取り組んでいるのを見てきました。そして、AIの有無にかかわらず、倫理が最優先事項であるべき医療分野におけるAIアプリケーションの急増を忘れてはいけません。
知識グラフ、グラフデータベース、グラフAI
私たちは長い間、あらゆる形やサイズのグラフ、すなわち知識グラフ、グラフデータベース、グラフ分析、データサイエンス、AIの熱心な支持者でした。したがって、この前線からの報告には複雑な気持ちがあります。一方では、グラフニューラルネットワークという一分野を除いて、あまり革新を見ていません。DeepMindのニューラルアルゴリズミック推論もGNNを活用しています。
一方で、それは必ずしも悪いことではありません。二つの理由があります。第一に、主流における技術の大幅な普及があります。2025年までに、グラフ技術はデータと分析の革新の80％で使用されると、2021年の10％から増加し、迅速な意思決定を促進するとガートナーは予測しています。BMW、IKEA、シーメンスエナジー、ウェルズファーゴ、UBSなどのユースケースに関する報告はもはやニュースではなく、それは良いことです。確かに、ナレッジグラフの構築と維持には課題がありますが、これらの課題はほとんどの場合、よく理解されています。
私たちが指摘したように、ナレッジグラフは実質的に20年の歴史を持つ技術であり、その注目を浴びる時が来たようです。ナレッジグラフを構築する方法はよく知られており、そこに潜む課題も同様です。ナレッジグラフにおいて最も需要の高いスキルや開発分野が、ナチュラルランゲージプロセッシングや視覚インターフェースを使用してナレッジグラフを構築・維持すること、さらには単一ユーザーからマルチユーザーシナリオへの拡張方法に関連しているのは偶然ではありません。
この会話をAIの広い視野に結びつけると、一般的な課題は運用化とチーム内での適切な専門知識の構築に関するものであり、これらのスキルは非常に高い需要があります。もう一つの重要な接点はハイブリッドAIの方向性で、これは機械学習に知識を注入することに関するものです。インテルのガディ・シンガー、LinkedInのマイク・ディリンジャー、ハイブリッドインテリジェンスセンターのフランク・ファン・ハーメレンなどのリーダーたちは、AIの未来における知識グラフの形での知識の組織化の重要性を指摘しています。
ナレッジグラフ、グラフデータベース、グラフAIはすべて統合しています。
AIとナレッジグラフの全体像の間には、データメッシュとデータファブリックというもう一つの重要な接点があります。最近のデータ関連用語の多様性に混乱するのも無理はありません。単純に言えば、データファブリックは、組織における分散データ管理の概念であるデータメッシュの技術的基盤として機能することを意図しています。これは実際にナレッジグラフ技術に非常に適しており、その分野のいくつかのベンダーはそれを認識し、それに応じてポジショニングしています。インフォマティカもそれに気づいたようです。
知識グラフを構築するための基盤、つまりグラフデータベースについてはどうでしょうか？グラフデータベースにとって2021年を特徴づける言葉は「市場投入」でしょう。グラフデータベースにとって良い年でした。グラフデータベースのNeo4jがDBエンジンのトップ20に初めてランクインしました。Neo4jはまた、Auraマネージドクラウドサービスの一般提供を発表し、データベース史上最大の3億2500万ドルのシリーズF資金調達を行い、その評価額は20億ドルを超えました。
グラフデータベース分野では、一連の資金調達ラウンドと今後のIPOが見られました。TigerGraphは1億500万ドルのシリーズC、Katana Graphは2850万ドルのシリーズA、Memgraphは934万ドルのシード資金、TerminusDBは360万ユーロを獲得しました。その間に、Agens Graphの製造元であるBitnineは、マーケットで初となるIPOの準備を始めました。Bitnineは現在、韓国の電子株式市場であるKOSDAQに上場しています。
技術的な面では、GraphQLは依然として採用が進んでおり、より広範なエコシステムの一部として、またはデータアーキテクチャの中心的なコンポーネントとして成長しています。モデル、RDFとLPGの2つのグラフデータベースの世界をつなぐ作業はまだ進行中ですが、2021年にはいくつかの興味深い進展が見られました。
私たちは、グラフとグラフデータベースとの世界のハネムーンが永遠に続くとは期待していませんし、盛り上がりの後には必ず幻滅が訪れるでしょう。しかし、この技術が基盤であり、つまずきがあってもその地位を見つけると確信しています。