失われた30年をEzmeralが切り開く ～ ビッグデータ・AI立国、日本 ～

[Masazumi_Koga]

■AIが当たり前になった時代に必要とされるものとは？

以前のブログ記事でも書きましたが、筆者が人工知能を学んでいた1990年代は、正直言うと「AI=夢物語で、実現なんて不可能」という、あきらめに近い感じがありました。日本も国家主導で、1980年代から「知能情報工学」の推進など、国立大学における知的システムの研究が進んだものの、結局、当時のAIは、「死んだ学門」、「結果がでない分野」と言われ、これといって顕著な成果が出ているという感じではありませんでした。

しかし、それから25年以上経過し、現在AIは、すでに生活のいたるところに入り込んできています。しかも、求人においても、AI技術者は花形であり、海外では、うらやましいほどの高給取りです。

AIのアルゴリズム（計算手順）そのものの改善や、AIのプログラミング環境の発達なども、もちろんスゴイことなのですが、そこだけに注目すると、全体を見失いかねません。

2020年代は、「AIの活用を国家や企業ぐるみでビジネス化し、実際、結果が出ている（利益を生んでいる）ということに、いち早く気づいた者勝ちになっている」という時代です。このままいくと、最先端技術とAIを組み合わせられる国と企業は、追随できないレベルに到達します。AIが人間を超えるのが2045年と言われていますが、今から何年後なのかということが重要なのではありません。それよりももっと早く、AIを使いこなせる国や企業と、そうでない国や企業の間で、国益に大きく影響が出るくらいの取り返しのつかないレベルで差が出てくるでしょう。

2045年までいかないまでも、2030年代は、もう当然のように知性を持つ「なにかしらのマシン」が身の回りにあふれる時代になっているかもしれません。そのとき、AIを使いこなす国、企業、組織体、個人にとって必要なものとは、一体何でしょうか？

■コンピューターの能力と実現できる社会の関係

現在、一般的に言われる普通の「コンピューターシステム」では、CPU（中央演算処理装置）、メモリ（主記憶装置）、ハードディスクやSSD（補助記憶装置）、ネットワーク装置が接続され、その上に、Windows（ウィンドウズ）、Linux（リナックス）などのハードウェアを制御するOS（オペレーティングシステム）と呼ばれる基本ソフトが稼働し、人間がプログラミングした業務アプリケーションが動いています。オフィスソフト、年賀状ソフト、勤怠管理システム、会計システム、ゲーム、映像配信、銀行ATM、原子力発電の制御、監視カメラ、エンジン制御、航空機の自動操縦など、様々なソフトウェアがコンピュータハードウェアの上で動きます。

これらの手続き型のプログラムで構成されたアプリケーションソフトに共通しているのは、「ある一定の仕事を人間が命令し、それに従順に応答して、結果を出す」ということです。すなわち、人間が与えた命令以外の人間くさいこと（感情的なこと）は決して実行しません。もし、人間が命令もしていない内容を、勝手にコンピューターが表計算ソフトで勝手に財務会計処理を行い、勝手に判断して、社外の人に勝手にメールするようなことがあれば、そんなシステムは、怖くて使えません。

現在のコンピューターは、雑多な情報の集合体から、妥当と思われる結果を出すことや、根本原因を探るといった情報処理が苦手と言われています。たとえば、以下のような「知的な」情報処理は、苦手とされています。

• 人間の知能・知性の発生の原因が何かを探る
• あらゆる種類の書物、写真、音声、歴史を学んで人間の起源を探る
• ベートーベンとモーツァルトの楽曲や残された手紙などを学び、当時の彼らの置かれた生活環境を推察し、楽曲の価値を再認識する
• 企業にとって、利益を追求することだけでなく、社会貢献がなぜ必要なのかを理解し、人間に説明する
• 人間にとって、生きる意味を考えて、答えを出す

学習すべき知識、教養、人間関係、人生経験から得られる阿吽（あうん）の呼吸や勘所などを学ばないと、単に計算が高速なコンピュータと膨大なカタログ情報を保存しただけでは、そういった人間のような推察、洞察、大局的な判断はできません。もし、大局的な判断ができるような「知的なマシン」を手に入れることができれば、会社の経営判断、診察・医療行為、裁判など、人が行っていた大部分の意思決定は、人工知能搭載マシンが代行する時代が到来するかもしれません。

そのような「人間くさいことをこなせるAI」が社会に溶け込んだ2045年以降、人間が与えた命令だけをこなす前世紀型のソフトウェアやIT基盤は、もしかしたら現在よりも、非常に肩身の狭い存在になるかもしれません。人間が与えた命令だけをこなす現在のような業務用のコンピューターシステムがなくなることは決してないでしょうが、ある程度、身の回りの「人間くさいこと」をやってくれるヒトのような機械の登場、すなわち、汎用人工知能っぽいロボットみたいなものは、少しずつ駅や街中や家庭の中でウロウロするかもれません。

そうなれば、大げさに聞こえるかもしれませんが、集積回路工学やコンピュータ科学だけでなく、社会学、哲学といった分野を含め、人間と同じレベルの知性や品格を持つ「知的マシン」を人間が社会的に許容できるのかどうかという具体的な議論も必要になるでしょう。

SF映画の「ターミネーター」に出てくる高度な汎用人工知能を持つ二足歩行の人型ロボットが出てくるかどうかは全く分かりませんが、実際、あの映画に出てくるようなAI技術やロボット技術が生まれる方向に現実世界が突き進んでいるのは、まぎれもない事実なのです。

■未来のコンピューターの予想屋は要らない

HPEでは、このような近い将来、到達するであろう人工知能時代を見据え、様々な取り組みを行っています。そのうちの一つが、HPEラボが研究・開発を行っている「メモリ主導型コンピューティング」です。

この「メモリ主導型コンピューティング」のプロジェクトは、1940年代から現在も変化のないコンピュータの基本構造を根本から変えようとする試みです。「メモリ主導型コンピューティング」は、巨大な不揮発性メモリ（＝電源をOFFにしてもデータが消えないメモリ）とフォトニクス技術を駆使した新型コンピュータという位置づけです。現在の巨大データセンターの処理能力が親指の爪の先端ぐらいに収まるというと、全く想像がつきませんが、それくらいの技術革新をもたらすものです。HPEラボでは、研究を続けていますが、ただ、実現の可能性、実用性の目処という観点でも非常に難題が多く、先の見えない研究が続いているのも事実です。

また、近年、HPEもベンチャー企業への投資を行い、先進企業などが率先して取り組みを拡大させている「量子コンピューティング」にも大きな注目が集まっています。量子コンピューティングは、極めて複雑な問題を解決する手法として期待されています。現在のスーパーコンピューターよりもはるかに小型で、かつ、省電力でありながらも、スーパーコンピューターでは解決できない問題を解決します。超電導やイオン（電荷を帯びた粒子）を使った画期的なコンピューターです。

たとえば、量子コンピューターでは、暗号化プロトコルのクラッキングを高速処理できると言われています。これにより、ハッキング防止のための新しいプロトコルの開発も期待されています。

また、パターン識別がベースとなっている「量子アルゴリズム」と呼ばれる計算手順を使うことで、交通量の分析や、自動車の運転の仕方と交通のパターンの組み合わせを高速に解析したり、自動運転車に組み込まれるAIのプログラミングやアルゴリズムの信頼性の大幅な向上も期待できるとされています。 

このような話を聞くと、最先端のコンピューターシステムの画期的な構造は、今までとは全く次元の違う非常に明るい未来をもたらすのではないかと期待が膨らみます。

しかし、そういった処理能力の高いシステムが将来できるといっても、単なる性能の話で終わらせるのは、非常にもったいない話です。「メモリ主導型」、「不揮発性メモリとフォトニクスを駆使」、「電荷を帯びた粒子や超電導を使う」といった研究は、非常に重要で、絶対に疎かにできませんが、単なる電子工学や計算機工学的な視点のみで計算性能を競う従来の「コンピュータの計算性能主義」の延長線上の議論だけを進めるのは、全く意味がないとは言いませんが、これからのAI時代には、国、企業、個人にとっても視野が狭いと筆者は考えます。

むしろ、そういった基礎研究に基づく知的財産と現場での応用が可能な工学的な成果をうまく社会基盤に実装する方法を率先して編み出し、戦略的に海外に売り込んで利益を生み出していくという「技術力を疎かにしない外需獲得が可能な企画・経営の推進能力と営業力」が国や企業に必要のはずです。当然、自国・自社開発のハードウェアやAI技術などの知的財産を守る特許も考慮しなければなりませんし、革新的なAIは、莫大な利益を生むチャンスがあるため、海外との激しい競争に巻き込まれるのは当然です。新しい技術は、新しいビジネスになるということを怖がらずに取り組まないと、結局、ずっと同じところをぐるぐると回って、何も変わらない状況が30年、40年と続くという、悲惨な状況に陥ってしまいます。

しかしながら、IT業界では、悲しいことに、かなり現場志向のSEから、以下のような後ろ向きの意見も散見されます。

「そんな夢物語に投資する余力などウチにはないし、目の前のビジネスしか頭にないよ」

「そんな未来の社会基盤なんて、その量子コンピューターとやらが完成してから考えればいいことだし、結局、AIを載せるっていっても、巨大企業とか、ベンチャー企業のすごい人達の話でしょう？新規ビジネスって言うけど、ウチは難しいよ。それよりも目の前の今の手堅い仕事を続けるで精一杯だよ」

こういう声は、日本だけではなく、実は、悲しいことに、海外も含め現場IT関係者や意思決定者（CIO/CEO）の間でも耳にすることが少なくありません。しかし、筆者は、それは、あまりにも短絡的で近視眼的な考え方と思っています。

人間が回答できないような困難な社会問題に対して、「メモリ主導型コンピューティング」や「量子コンピューティング」をどのように活用し、人の生活を豊かにできるのか、人工知能が稼働するシステムが人間とどう共生し、どのような価値を生み出すのかといった視点を持ち合わせなければ、たんなる計算性能の競争や、多機能の実装の話や、決まりきった業務アプリを動かすだけの前世紀の90年代のITシステムの話と何も変わりません。

目の前の仕事は大事ですし、絶対に疎かにしてはなりません。しかし、どのように技術革新を取り入れるのかという視点と実践は、いつも念頭において行動する必要がある、ということが言いたいのです。夢物語を語るだけでなく、なにかしら新しい技術を目の前の仕事に取り入れるという視座を持ちつつ、少しずつ実装していくDX（デジタルトランスフォーメーション）が必要だということです。

誤解してはいけないのは、未来の予想屋になれと言っているのではないということです。むしろ、未来の技術をいくら予想しても無意味です。そうではなくて、203X年の近い将来の人工知能時代が到来した時、たんなる高速な機械を持っているだけで、たいして活用できずに2020年代からなにも変っていない社会になってしまわないように、海外の競合の状況にアンテナを張り、計画を立てて、常に新しい技術を少しずつ取り入れて、覚悟を持って実践を繰り返していかなければならないということです。

大げさで説教じみた感じに聞こえるかもしれませんが、「もし、今から企業活動や社会生活に人工知能やデータ活用を適用するDXの準備を率先してやらないと、国民全体が受け入れられないレベルのIT後進国、社会になってしまうおそれがある」という危機感を認識しておかなければなりません。

この「失われた30年」と言われる日本において、皆さんは、もしかしたら、うすうす感じているかもしれませんが、「個人の意識」というのは、実は、国や企業の方向性・潮流に大きく左右されやすいものなのです。社会全体で「AIって、難しいでしょ？」「うちの自治体には関係ないや、お金もないしね」「いまから海外と対峙するなんて、ウチには無理」という意識があると、「社会に不要なもの、やっても意味がないもの、自分には関係ない」といった後ろ向きの意識が国や企業や公共の組織体で、静かに、かつ、じわじわと芽生えてきてしまいます。そうなると、国も企業も個人も、ずっと発展することなく、非常にゆるやかなペースで衰退するか、現状維持が続いて、いつのまにか海外に溝を開けられているという状況に陥ってしまいます。

「なんだか、新しいことが多すぎて、大変だな、嫌だな、めんどくさそうだな」と思われるかもしれませんが、新しいものを取り入れてビジネス化していくことを理解し、少しずつでも実際に行動、実践しなければ、発展する未来は、この先、まずありません。

人工知能を有する「なにかしらの機械」は、あらゆる分野に入り込み、人間の生活を一変させる可能性を大いに秘めています。次世代の社会インフラを担うのは、「メモリ主導型コンピューティング」なのか「量子コンピューティング」なのか、ターミネーターみたいなロボットなのか何なのかは分かりませんが、多くの国や先進企業は、そのなにかしらの次世代のマシンで動くAI主導型の社会基盤やビジネスが到来すると期待し、投資家もそれらに巨額投資しています。なぜ、AI先進国や先進企業が率先してそれらに投資しているのか、その理由を今一度、冷静になって考えてみるとよいでしょう。

■未来を切り開くには、「今」、何をすべきか（1年後ではなく）

では、大企業でもベンチャーでもない一般の企業や組織が、具体的に何をすべきなのでしょうか。いきなり巨大な量子コンピュータのマシンルームを作るといっても無理です。できることは、いまある企業内のデータを活用することから始めなければ、次のAIにも進めません。もしデータがなければ、いますぐに集めるべきです。

データを事業推進に活かせるのに、いつまでたってもやらない理由は、「データがないし、あっても、分析の仕方もよくわからないから」という理由です。しかし、それを言っていたら、いつまでたってもデータ主導型ではなく、失われた30年、40年になってしまいます。

まずは、AIまでいきなりいかなくても、分析用のデータを溜めることから始めます。そのためには、小規模なデータ基盤でよいので、作ってみることです。

Ezmeral Data Fabric（旧称、MapR）は、マシン4台から始められるNASソフトです。もしデータが増えても、稼働させたまま、マシンを追加すれば、保存容量も増えます。しかも、データ分析用のソフトも簡単に導入できるので、まずは、分析するためのデータ保管庫をとりあえず入れることから始めましょう。

もし、分析ソフトやAIが必要ということであれば、Ezmeral Data Fabricの上に、インメモリ分析のオープンソースソフトウェアのSparkなども簡単に入れられますし、AIのエンジンも動かすことが可能ですが、そこまでいきなりしなくてもいいので、まずは、きちんと目の前のデータを「溜める」という作業と、簡単にできるデータ加工手法と分析手法を学ぶことを同時並行で今すぐ進めましょう、1年後ではなく。

そして、ビッグデータ分析できる即戦力の人材をヘッドハンティングしなければなりません。ゼロから教育しては時間がかかります。国内の日本人でデータ分析できる高度IT人材の獲得も必要でしょう。そのためには、人事面でのヘッドカウントの予算の確保、クラウドファンディング、投資家への説得など、様々な資金面での工面も必要なはずです。

2020年代もあっという間に過ぎ去り、「いつのまにか2030年なのに、データ分析もAIもなにもできていない」、「AIやったけどイマイチだった」ということにならないよう、今すぐ手を動かしましょう。

「ずっと、もやもやした未来の不安を抱き続ける、ずっとお試し期間、ずっと石橋をたたいて渡らない」ではなくて、Ezmeral Data Fabric（MapR）でデータ保管、加工、分析、可視化を今すぐ始めましょう。以下の構築手順書で、データ保管庫は、すぐに動かせます。

【Ezmeral Data Fabricの構築手順書を公開】

ビッグデータ基盤・NASソフトの「Ezmeral Data Fabric 7.0」の構築手順書をPDFで公開しています。非常に簡単に導入できます。是非ご活用ください。構築手順書は、こちら。

Masazumi Koga (Twitter:  @masazumi_koga)

【書籍のご案内】HadoopとMapRと機械学習を学べる本

MapRは、Hadoop互換でありながら、Hadoop HDFS（Hadoop分散ファイルシステム）よりも圧倒的に高速なMapRファイルシステムを搭載しています。その非常に高いI/O性能に加え、高可用性NFSサービスを提供する単純なNASとしても利用できます。それらの使い勝手の良さから、大手自動車会社の自動運転車のAI開発基盤や、インド政府のマイナンバーシステムで採用されているデータ基盤ソフトであり、日本国内でも100社以上の導入実績を誇ります。本書では、その豊富な導入実績をもとに、頻繁に利用されている基礎技術を「Hadoopクラスター構築実践ガイド」に収録しています。主に、以下に挙げるMapRとその上で動くオープンソースソフトウェアのノウハウを学べます。
●Hadoop v3とMapR v6の構築手順
●運用管理手法
●Spark：SQL、Streaming、GraphX、R、MLlibの使用法
●ニューラルネットワークによる学習
●データベース操作（Hive、Impala、HBase、MapR-DB、Pig）
●データのインポートとエクスポート（Sqoop、Flume）
フライトデータ分析、植物の分類、おすすめ映画のタイトル表示、Wikipediaドキュメント分類といった具体例をもとに、ステップバイステップで学べる一冊です。