AI エンジニアリングは技術進歩の次のフロンティアです: 知っておくべきこと
この新しい分野が、製造からインフラに至るあらゆる分野で効率、イノベーション、安全性をどのように推進しているか。
プラモド・ハルゴネカール氏、電気工学およびコンピューターサイエンスの著名教授、カリフォルニア大学アーバイン校研究担当副学長
昨年、ZDNET は「生成 AI とエンジニアリングの交差点」という特集を掲載し、ソフトウェア開発と製品開発における生成 AI の計り知れない可能性を探りました。
AI と従来のエンジニアリングのこの交差点は、急速に AI エンジニアリングと呼ばれる独自の正式な分野になりつつあります。これを探るため、ZDNETは、電気工学およびコンピュータサイエンスの著名な教授であり、カリフォルニア大学アーバイン校の研究担当副学長であるプラモド・ハルゴネカール氏とAIエンジニアリングについて話し合う機会を得た。
彼は、制御およびシステム理論、サイバー物理システム、製造、再生可能エネルギーとスマート グリッド、生物医工学への応用の専門家です。最近では、制御と推定のための機械学習の融合に取り組んでいます。
ハルゴネカール氏は最近、米国科学財団が資金提供したEngineering Research Visioning Alliance（ERVA）による報告書「AI Engineering: A Strategic Research Framework to Benefit Society」の主著者を務めた。報告書では、AI エンジニアリングは「国家競争力、国家安全保障、全体的な経済成長の強化を通じて、社会の利益のためにエンジニアリングを強化する世代を超えた機会」であると述べています。
それでは、ハルゴネカール教授と一緒に AI エンジニアリングについて詳しく見ていきましょう。
ZDNET: AI エンジニアリングの概要と、現在の技術情勢におけるその重要性について説明していただけますか?
Pramod Khargonekar: AI エンジニアリングは、AI とエンジニアリングの融合と統合から生まれた初期の研究方向です。これは、エンジニアリング分野の伝統的な強み (安全性、信頼性、効率性、持続可能性、人間とテクノロジーのインターフェースの確保) を AI 分野の画期的な開発で活用します。
米国国立科学財団 (NSF) が資金提供するイニシアチブである Engineering Research Visioning Alliance (ERVA) による最近のレポート (私は主執筆者です) では、AI エンジニアリングがどのように双方向かつ相互的になるかを説明しています。これは、エンジニアリング アプローチがより優れた AI を生み出し、AI がより優れたエンジニアリングのシステムを生み出すという将来のビジョンを呼び起こします。
AI エンジニアリングは、安全、健康、公共の福祉の倫理に対するエンジニアリング プロセスと文化の確固たる取り組みに基づいています。その重要性は、AI だけでなくエンジニアリングにおける研究と技術進歩の世代を超えた機会を概念化することにあります。
ZDNET: 成功した AI エンジニアリング プロジェクトまたはイニシアチブの例を教えてください。
PK: 半導体設計の進歩における AI の使用は、非常に有望な発展であり、すでに有意義な影響を及ぼしています。電子設計オートメーション (EDA) の多くの企業は、自社製品に AI 駆動ツールを組み込んでおり、その結果、半導体設計プロセスの効率、カスタマイズ性、パフォーマンス、持続可能性が大幅に向上しています。
ZDNET: より効率的なエンジニアリング結果を実現する AI の例は何ですか?
PK: AI はエンジニアリングへの取り組み方を変革しつつあります。自動運転車や無人航空機などの自律システムの進歩は、AI によって可能になっています。
製造業では、製品の品質、リソース効率、コスト削減を向上させるために機械学習と AI ツールが使用されます。最先端のロボットにおいて AI が果たす役割はますます高まっています。 AI は、工学的に設計されたシステムを改善して、製品のパフォーマンスを向上させ、重大な影響を与える稀なイベントを軽減することもできます。
例としては、薬の副作用の最小限化、ソフトウェアのセキュリティ上の欠陥の軽減、橋の崩壊の防止、地震による建物の損傷の回避、化学プラントの故障の停止などが挙げられます。
これらのアプリケーションは、AI がエンジニアリング製品やシステムのコスト、パフォーマンス、効率、カスタマイズ性、持続可能性にどのような影響を与えるかを示しています。これにより、現役エンジニアや工学研究者から工学教育者や学生に至るまで、あらゆる分野のエンジニアの生産性と能力が大幅に向上します。
ZDNET: AI を従来のエンジニアリング手法と統合する際に、業界はどのような課題に直面していますか?
PK: AI を従来のエンジニアリング手法と統合すると、いくつかの課題が生じます。最新の深層学習ベースの AI ツールには、大量の高品質のデータが必要です。これは重大なボトルネックです。設計されたシステムには、非常に高いレベルの安全性、信頼性、信頼性が必要です。
現在の AI テクノロジーの限界により、これらを実現するのは簡単ではありません。単純なコンポーネントであっても、非常に多数のコンポーネントを組み合わせてシステムまたはエンジニアリング製品に統合すると、容易に予測できない複雑な動作が出現する可能性があります。
ZDNET: AI システムの開発においてエンジニアはどのような役割を果たしますか?
PK: エンジニアは AI システムの開発において重要な役割を担っています。最も明白なのは、AI モデルのトレーニングと推論における半導体チップの重要性です。 AI が高レベルの安全性と信頼性を必要とする製品に統合されるアプリケーションでは、エンジニアは製品の設計、テスト、運用において重要な役割を果たします。
現在の AI アプリケーションでは、エラーの影響は深刻ではないか、人間の監視によって管理されています。 AIが社会のより広い領域で完全に受け入れられるためには、安全性、信頼性、信頼性が向上する必要があります。エンジニアはこれらの目標の達成を支援できます。
ZDNET: AI エンジニアリングの進歩における学際的なコラボレーションの重要性についてお話しいただけますか?
PK: AI エンジニアリングのビジョンは本質的に学際的なものです。 AI のエンジニアリングの柱では、集積回路、熱およびエネルギー科学、制御システム、情報理論、通信理論などの分野が機械学習や AI と連携して、より効率的で持続可能で信頼性が高く、安全で信頼できる AI を開発することが期待されています。システム。
また、機械学習と AI の専門家が、材料、化学、エネルギー、環境、土木、航空宇宙、自動車のエンジニアだけでなく、エンジニアリング設計、製造、テスト、運用の分野の人々と協力することも期待しています。
AI エンジニアリングを確実に成功させるには、それぞれのエンジニアリング分野内での融合に加えて、政府、大学、産業界、市民社会、非営利団体のリーダーの協力も必要です。
これらの部門間の戦略的連携は協力的な取り組みを活性化し、AI エンジニアリングのビジョンを完全に実現するために必要な財務、技術、組織、人的リソースを確保するために不可欠です。このセクター統合アプローチは、AI エンジニアリング企業の重要な要素、つまりコンピューティング能力と、エンジニアリング固有の AI ツール用のデータセットの生成、収集、キュレーションを促進します。
ZDNET: AI エンジニアリングの次世代の専門家には、具体的にどのようなスキルが必要ですか?
PK: AI エンジニアは、複雑なシステムを理解し、増大する異種データの宝庫を管理し、AI 技術の限界を認識し、AI エンジニアリングの倫理とコンプライアンスの側面に十分に精通している必要があります。
後者は、AI 駆動システムのセキュリティと整合性を維持する上でますます重要になっています。
ZDNET: 製造業向け AI エンジニアリングにおける画期的な開発の可能性は何ですか?
PK: より多くのセンサーとスマート分析ソフトウェアがネットワーク化された工業製品や製造システムに統合されるにつれて、予測テクノロジーがさらに学習し、パフォーマンスと生産性を自律的に最適化できるようになります。
データ中心の計測システムは、スマート半導体製造にとって重要な領域であり、データ中心の分析を加速することで検査と計測の課題を克服し、歩留まりの向上に役立ちます。
新しく登場した生成型 AI ツールを使用すると、今日では労働集約的なプロセスとなっている「顧客の声」の質の高いフィードバックやユーザーの苦情を収集、理解、統合することができます。
エンジニアリング システムでは、大規模な知識モデル (物理ベースのモデル、データ中心のモデル、ルールベースの推論、人間の経験など) を使用して意思決定が行われることがよくあります。
ZDNET: 業界アプリケーションの観点から、AI エンジニアリングの将来をどのように想像していますか?
PK: 私たちは、AI エンジニアリングの技術と専門知識が多くの業界で設計、製造、テスト、運用にプラスの影響を与える未来を思い描いています。
効率の向上、無駄の削減、回復力の向上には大きな可能性があります。既存の知識、設計、プロセスを創造的に活用し、再利用できる可能性があります。
ZDNET: AI エンジニアリングの能力を構築するために民間企業はどのような措置を講じることができますか?
PK: 民間業界は、従業員のスキルアップを奨励し、現在および将来の機械学習と AI テクノロジーについて学ぶのに有利な立場にあります。学術機関と提携することで、産業界は教育やトレーニングのニーズに応える機会を明確にすることができます。
業界コンソーシアムには、高品質のデータと分野固有のツールに対する横断的なニーズに取り組む機会があります。
最後に、より広範なコミュニティがアクセスできる、National AI Research Resource (NAIRR) のようなコンピューティングおよびデータ リソースに対する大きなニーズがあります。産業界は政府と協力して、そのような資源への投資資金を確保することができます。
ZDNET: 組織全体でデータ、設計、テスト、運用に重点を置くことは、AI エンジニアリングにどのようなメリットをもたらしますか?
PK: 組織内では、データ、設計、テスト、運用に対する総合的なアプローチが成功に不可欠です。エコシステム全体で AI エンジニアリングの可能性を最大限に発揮するには、学界、産業界、政府の人々や組織の結集、調整、コラボレーションが必要です。
こうした取り組みでは、データセットの作成と管理における困難な課題に対処する必要があります。 AI イノベーションの急速なペースと世界的な競争による緊急性を考慮すると、これは非常に重要です。
私たちは今、大規模な財政、技術、人的、組織的リソースを動員する必要があり、それにはセクターを超えて働くリーダーによる強力かつ積極的で協調的かつ協力的な行動が必要です。
その結果、この急速に変化する環境でリーダーとしての地位を確立できる組織にメリットがもたらされます。
ZDNET: AI エンジニアリングで確立する必要がある主な研究の方向性は何ですか?
PK: 私たちは、研究の主要な方向性として 8 つのグランド チャレンジを特定しました。これらは：
- 安全、安心、信頼できる AI システムを設計する
- 製造の品質、効率、コスト、市場投入までの時間を変革します
- ゆりかごから墓場までの状態を認識する AI 設計システムを構築および運用する
- エンジニアリングにおけるスケーリングの課題を克服する
- 安全、信頼性、生産性の高い人間と AI チームのコラボレーションのためのエンジニアリング システムを構築する
- AI を介して稀なイベントの影響を軽減する
- AI エンジニアリングのあらゆる側面に倫理を組み込む
- エンジニアリング領域固有の基礎モデルを開発する
また、AI エンジニアリング分野の発展を可能にするために、専門の AI エンジニアリング研究機関や横断的な国家的取り組みを推奨します。
ZDNET: AI エンジニアリングは複雑なエンジニアリング問題の解決にどのように貢献できますか?
PK: ますます高性能になる AI ツールは、工学科学の基本的な分野を変革する可能性があります。また、主要な設計、製造、インフラストラクチャ エンジニアリングの取り組みを変革することもできます。
これらの新機能は、エンジニアリング製品とシステムのコスト、パフォーマンス、効率、カスタマイズ性、持続可能性に影響を与えます。これらは、複雑な社会問題に対処するためのエンジニアリングの範囲を拡大します。
また、現役エンジニア、工学研究者、工学教育者、工学学生など、この分野の全領域にわたるエンジニアの生産性と能力も大幅に向上します。
ZDNET: AI エンジニアリングに関する倫理的考慮事項は何ですか?
PK: AI エンジニアリング テクノロジーは、人間を強化し、人間に役立つように設計される必要があります。私たちは、AI エンジニアリングのための倫理マトリックスの開発を求めます。
このような倫理的マトリックスは、幸福、自律性、公平性としての正義の促進に焦点を当てた伝統に基づいた、実用的で多元的なツールとして構想されています。これは、影響を受ける各グループの観点を考慮して、問題を系統的に検討することをユーザーに促します。
ZDNET: AI エンジニアリングはどのようにしてさまざまな業界の持続可能性を向上させることができますか?
PK: 一例として、現在および将来の AI テクノロジーの開発と実装の中心となるデータ センターのエネルギー消費量の削減に重点を置くことが挙げられます。
さらに、AI エンジニアリングは、エネルギー効率、再生可能な電力網、エネルギー貯蔵、製造セメントや金属の脱炭素化、持続可能な材料のための強力なテクノロジーを生み出すことができます。
ZDNET: AI エンジニアリングを使用してエンジニアリング プロジェクトの安全性と信頼性を強化するにはどうすればよいですか?
PK: AI Engineering は、エンジニアリング アプローチがより優れた AI を生み出し、AI がより優れたエンジニアリングのシステムを生み出すという未来を構想しています。 AI エンジニアリングは、安全、健康、公共の福祉の倫理に対するエンジニアリング プロセスと文化の確固たる取り組みに基づいています。
安全、安心、信頼できる AI システムのコンテキストがその好例です。 AI の安全性には、次の 3 つの異なる、しかし補完的な側面があります。
- 導入された AI システムの安全性と信頼性を保証する
- AI システムを使用して、(AI 以外の可能性がある) システム/プラットフォームの安全性と信頼性を監視および向上させる
- 人間と AI の協調システムにおける安全性と信頼性を最大化します。
AI システムは急速に普及し、社会に影響を与えるようになっているため、その安全性と信頼性を確保することが重要です。 AI の安全性のエンジニアリングに重点を置くことは、有害な結果を防止し、リスクを軽減し、AI テクノロジーが責任を持って開発および使用されることを保証し、AI システムがその可能性を最大限に発揮するのに役立ちます。
ZDNET: AI エンジニアリングは将来の雇用市場にどのような影響を与えると思いますか?
PK: いくつかの日常的な手順やタスクを自動化することで、既存の業務に影響を与えると考えています。これにより、現在の従業員の効率と生産性が向上します。
しかし、より大きな影響は、現在存在しない新しい産業や仕事の概念化と開発にかかっています。
AI エンジニアリングは、米国および世界中で、健康とウェルネス、教育、住居、エネルギー、水、食料などの人間の主要なニーズに対処するのに役立ちます。
ZDNET: AI エンジニアリングは製品設計と開発におけるイノベーションをどのようにサポートできますか?
PK: 製品設計や複雑なエンジニアリング システムの運用で頻繁に使用されるスキル セットの 1 つは、新しい設計オプションの探索、根本原因の特定、複雑なエンジニアリング システムの解決策の追跡です。これには、適切な解決策を見つけるためにラボ環境で問題を再現するための時間のかかる作業が必要です。
新しく登場した生成型 AI ツールを使用すると、今日では労働集約的なプロセスとなっている「顧客の声」の質の高いフィードバックやユーザーの苦情を収集、理解、統合することができます。
適切に訓練された彼らは、設計エンジニアが主導する反復的なプロセスで新しい設計を生み出す可能性を秘めています。
ZDNET: AI エンジニアリングでのキャリアを追求することに興味のある若い専門家にアドバイスをお願いします。
PK: AI エンジニアリングの発展に必要な学術インフラの多くは、高等教育機関や政策リーダーが民間産業と協力して構築する必要があります。エンジニアリングに興味のある若い専門家は、AI に関連するコースをできるだけ多く受講し、引き続き AI に焦点を当てるべきです。
同様に、AI を研究している人は、AI がエンジニアリングとどのように交差するかを理解する必要があります。 AI エンジニアリングが発展するにつれて、AI とエンジニアリングの関連性を理解する先見の明のある人は、前進する上で大きな立場に立つことになります。
未来へ、そしてその先へ
AI はエンジニアリング分野全体で力を倍増させるもののようです。もちろん、AIにも限界があります。 AI の弱点を補いながら、その長所を活用できるかどうかは、AI を利用し依存するエンジニアにかかっています。
どう思いますか？現在、プロジェクトに AI を適用していますか?研究開発や製品開発において AI が開く可能性のある新しい扉を楽しみにしていますか?それとも、あなたも私と同じように、慎重な楽観主義で見守りながらも、途中で避けられない失敗や欠点も予想しているのでしょうか?以下のコメント欄でお知らせください。
ソーシャルメディアで私の日々のプロジェクトの最新情報をフォローしてください。毎週更新されるニュースレターを必ず購読し、Twitter/X (@DavidGewirtz)、Facebook (Facebook.com/DavidGewirtz)、Instagram (Instagram.com/DavidGewirtz)、YouTube (YouTube.com/DavidGewirtzTV) をフォローしてください。