人工知能で日用品に革命を起こす

Jul 18, 2023

前の画像 次の画像

「ブラム・ストーカーって誰？」 この 3 つの言葉は、人工知能の驚くべき可能性を示しています。 これは、Jeopardy! の特に記憶に残る 2011 年のエピソードの最後の質問に対する答えでした。 出場者は元チャンピオンのブラッド・ラッター氏とケン・ジェニングス氏、そしてIBMが開発したスーパーコンピューターのワトソンの3人だった。 最後の質問に正しく答えることで、ワトソンは有名なクイズ番組で人間に勝った最初のコンピューターになりました。

「ワトソンが『Jeopardy!』で優勝したことは、ある意味、人々にとって不公平に思えた」と、47 期キャリア開発教授であり、マサチューセッツ工科大学の機械工学部と材料科学工学部の教員でもあるジーファン・キム氏は言う。 「当時、ワトソンは部屋ほどの大きさのスーパーコンピューターに接続されていましたが、人間の脳はわずか数ポンドでした。しかし、人間の脳の学習能力を再現するのは信じられないほど困難でした。」

キムは機械学習を専門としています。機械学習は、アルゴリズムを利用してコンピューターに人間の脳と同じように学習する方法を教えます。 「機械学習はコグニティブ・コンピューティングです」と彼は説明します。 「コンピューターは、何を見ているかをコンピューターに指示しなくても、物事を認識します。」

機械学習は、実際に使用されている人工知能の一例です。 「機械学習」という言葉は、「ウエストワールド」や「バトルスター ギャラクティカ」などの番組に代表される SF を連想させることが多いですが、スマート システムやデバイスはすでに私たちの日常生活の構造に浸透しています。 コンピューターや携帯電話は顔認証を使用してロックを解除します。 システムは家の温度を感知して調整します。 デバイスはオンデマンドで質問に答えたり、お気に入りの音楽を再生したりできます。 ほぼすべての大手自動車会社が、安全な自動運転車の開発競争に参入している。

これらの製品が動作するには、ソフトウェアとハ​​ードウェアの両方が完全に同期して動作する必要があります。 カメラ、触覚センサー、レーダー、光検出はすべて、コンピューターに情報をフィードバックするために適切に機能する必要があります。 これらの機械がこれらの感覚データを処理し、最も高い成功確率に基づいて意思決定できるように、アルゴリズムを設計する必要があります。

キム氏と MIT 機械工学科の多くの教員は、ハードウェアと接続してインテリジェントなデバイスを作成する新しいソフトウェアを作成しています。 これらの研究者らは、大衆文化で美化された知覚ロボットを構築するのではなく、日常生活を改善し、人間をより安全に、より効率的に、より多くの情報を得るプロジェクトに取り組んでいます。

ポータブルデバイスをよりスマートに

ジファン・キムは一枚の紙を掲げる。 彼と彼のチームが成功すれば、いつかIBMのワトソンのようなスーパーコンピューターの能力が紙1枚ほどのサイズにまで縮小されるだろう。 「私たちは便箋サイズで実際の物理ニューラル ネットワークを構築しようとしています」とキム氏は説明します。

これまで、ほとんどのニューラル ネットワークはソフトウェア ベースであり、フォン ノイマン コンピューティング法として知られる従来の方法を使用して作成されてきました。 しかし、キム氏はニューロモーフィック コンピューティング手法を使用しています。

「ニューロモーフィック コンピューターはポータブル AI を意味します」とキム氏は言います。 「つまり、小規模のウェーハ上に人工ニューロンとシナプスを構築することになります。」 その結果、いわゆる「チップ上の脳」が誕生しました。キムのニューラル ネットワークは、バイナリ信号から情報を計算するのではなく、アナログ デバイスのように情報を処理します。 信号は人工ニューロンのように機能し、何千ものアレイを通って特定のクロスポイントに移動し、シナプスのように機能します。 何千ものアレイが接続されているため、膨大な量の情報を一度に処理できます。 初めて、ポータブル機器が脳の処理能力を模倣できるようになりました。

「この方法で重要なのは、人工シナプスをうまく制御する必要があるということです。何千ものクロスポイントについて話していると、これが課題になります」とキム氏は言います。

キム氏によると、これまでこれらの人工シナプスの製造に使用されてきた設計と材料は、理想的とは言えませんでした。 ニューロモルフィックチップで使用される非晶質材料により、電圧が印加されるとイオンを制御することが非常に困難になります。

今年初めに発表された Nature Materials の研究で、キム氏は、彼のチームがシリコン ゲルマニウムからチップを作成したところ、シナプスから流出する電流を制御し、ばらつきを 1% まで減らすことができたことを発見しました。 シナプスが刺激にどのように反応するかを制御できるようになったら、チップをテストする時が来ました。

「素材を使って実際のニューラル ネットワークを構築すれば、実際に手書き認識ができるのではないかと考えています」とキム氏は言います。 新しい人工ニューラル ネットワーク設計のコンピューター シミュレーションで、彼らは何千もの手書きサンプルを提供しました。 彼らのニューラル ネットワークはサンプルの 95% を正確に認識できました。

「カメラと、ニューラル ネットワークに接続された手書きデータ セットのアルゴリズムがあれば、手書き認識を実現できます」とキム氏は説明します。

手書き認識のための物理ニューラル ネットワークの構築がキム氏のチームの次のステップですが、この新しいテクノロジーの可能性は手書き認識を超えています。 「スーパー コンピューターの能力をポータブルなサイズにまで縮小できれば、私たちが使用する製品に革命が起こる可能性があります」とキム氏は言います。 「可能性は無限です。このテクノロジーを電話、コンピューター、ロボットに統合して、それらを大幅にスマートにすることができます。」

家をよりスマートに

キム氏が当社のポータブル製品のインテリジェント化に取り組んでいる一方で、サンジェイ・サルマ教授と研究科学者のジョシュ・シーゲル氏は、当社が所有する最大の製品である家庭内にスマートデバイスを統合したいと考えています。

ある晩、サルマさんが自宅にいると、サーキットブレーカーの 1 つが鳴り続けました。 アーク障害回路遮断器 (AFCI) として知られるこの回路ブレーカーは、電気アークが検出されたときに電源を遮断して火災を防ぐように設計されています。 AFCI は火災の防止に優れていますが、サルマさんの場合は問題がなかったようです。 「この音が鳴り続けるのには、明確な理由はありませんでした」とサルマ氏は振り返る。 「信じられないほど気が散りました。」

AFCIは、安全な物体を不必要に切断するこのような「迷惑旅行」で悪名高い。 MIT のオープンラーニング担当副学長も務めるサルマ氏は、フラストレーションをチャンスに変えました。 AFCI にスマート テクノロジを組み込んで、それを「モノのインターネット」に接続できれば、製品がいつ安全なのか、あるいは製品が実際に火災の危険をもたらすのかをサーキット ブレーカーに学習させることができます。」スキャナーです」とシーゲル氏は説明します。 「ウイルス スキャナは、時間の経過とともに新しいウイルス定義で更新されるシステムに接続されています。」 Sarma と Siegel が同様のテクノロジーを AFCI に組み込むことができれば、サーキット ブレーカーはどの製品が接続されているかを正確に検出し、時間の経過とともに新しいオブジェクトの定義を学習できるようになるでしょう。

たとえば、新しい掃除機が回路ブレーカーに接続され、理由もなく電源が切れた場合、スマート AFCI はそれが安全であることを学習し、既知の安全なオブジェクトのリストに追加します。 AFCI は、ニューラル ネットワークを利用してこれらの定義を学習します。 ただし、Jeewhan Kim の物理的なニューラル ネットワークとは異なり、このネットワークはソフトウェア ベースです。

ニューラル ネットワークは、アーク放電のシミュレーション中に数千のデータ ポイントを収集することによって構築されます。 次に、ネットワークがその環境を評価し、パターンを認識し、望ましい結果を達成する確率に基づいて意思決定を行うのに役立つアルゴリズムが作成されます。 35 ドルのマイクロコンピューターとサウンド カードの助けを借りて、チームはこのテクノロジーを回路ブレーカーに安価に統合できます。

スマート AFCI は、遭遇したデバイスについて学習すると同時に、モノのインターネットを使用して、その知識と定義を他のすべての家庭に配布することができます。「モノのインターネットは、まさに『モノのインテリジェンス』と呼ぶことができます」とサルマ氏は言います。 「クラウドを活用したスマートなローカル テクノロジーにより、環境を適応的にし、ユーザー エクスペリエンスをシームレスにすることができます。」

サーキットブレーカーは、家庭をよりスマートにするためにニューラル ネットワークを使用できる多くの方法の 1 つにすぎません。 この種のテクノロジーは、家の温度を制御し、侵入やパイプの破裂などの異常を検出し、診断を実行して修理が必要な時期を確認することができます。

「私たちは、自己学習型の機械システムを監視するソフトウェアを開発しています」とシーゲル氏は説明します。 「これらのデバイスにすべてのルールを教えるのではなく、ルールを学ぶ方法を教えるのです。」

製造と設計をよりスマートに人工知能は、ユーザーが製品、デバイス、環境と対話する方法を改善するのに役立つだけではありません。 また、製造および設計プロセスを最適化することで、オブジェクトの作成効率を向上させることもできます。

「3D プリンティング、AI、機械学習などの補完技術に加えて自動化の発展により、長期的には工場やサプライ チェーンの設計方法を再考する必要に迫られています」と A. ジョン ハート准教授は述べています。

3D プリンティングに関する広範な研究を行ってきたハート氏は、製造における品質保証を向上させる方法として AI を考えています。 高性能センサーを組み込んだ 3D プリンターは、その場でデータを分析できるため、大量生産への 3D プリンティングの採用が加速します。

「欠陥の少ない部品を作成し、製造中に部品を検査する方法を学習する 3D プリンタを持つことは、非常に大きな問題になります。特に、製造している製品が医療機器や航空機エンジンの部品などの重要な特性を備えている場合、 」とハートは説明する。

これらの部品の構造を設計するプロセス自体も、インテリジェント ソフトウェアの恩恵を受けることができます。 マリア・ヤン准教授は、デザイナーが自動化ツールを使用してより効率的にデザインする方法を研究してきました。 「私たちはこれをデザインのためのハイブリッド インテリジェンスと呼んでいます」とヤン氏は言います。 「目標は、インテリジェントなツールと人間のデザイナーの間の効果的なコラボレーションを可能にすることです。」

最近の研究で、ヤン氏と大学院生のエドワード・バーネル氏は、さまざまなレベルの自動化を備えた設計ツールをテストしました。 参加者はソフトウェアを使用して、一時停止標識または橋の 2 次元トラスのノードを選択しました。 このツールは、ノードを接続する場所と各パーツの幅に関するインテリジェントなアルゴリズムに基づいて、最適化されたソリューションを自動的に見つけ出します。

「私たちは、デザイナーがすでに考えている方法に適合するスマートなアルゴリズムを設計しようとしています」とバーネル氏は言います。

ロボットをより賢くする

MIT のキャンパスに SF に出てくる未来のロボットに最もよく似ているものがあるとすれば、それはサンベ・キム教授のチーターロボットでしょう。 この四本足の生き物は、LIDAR 技術を使用して周囲の環境を感知し、その情報に応じて動きます。 その名の通り、走ったり、障害物を飛び越えたりすることができます。

キム氏の主な焦点はナビゲーションです。 「私たちは、ロボットのダイナミックな動きのために特別に設計された非常にユニークなシステムを構築しています」とキム氏は説明します。 「これは世界の対話型ロボットを変えることになると信じています。医療、ヘルスケア、工場など、あらゆる種類の応用が考えられます。」

キム氏は、最終的には自分の研究を、同僚のジーファン・キム氏が取り組んでいる物理ニューラルネットワークと結び付ける機会があると考えている。 「チーターに人、声、ジェスチャーを認識させたい場合は、多くの学習と処理が必要です」と彼は言います。 「ジーファンのニューラル ネットワーク ハードウェアは、いつかそれを可能にするかもしれません。」

ポータブル ニューラル ネットワークの能力と、周囲を巧みに移動できるロボットを組み合わせることで、人間と AI の相互作用に新たな可能性の世界が開かれる可能性があります。 これは、機械工学の研究者がいつか協力して AI 研究を次のレベルに引き上げることができる方法の一例にすぎません。

私たちがインテリジェントロボットと対話できるようになるまでには数十年かかるかもしれませんが、人工知能と機械学習はすでに私たちの日常に浸透しています。 顔認識や手書き認識を使用して情報を保護する場合でも、モノのインターネットを活用して家庭を安全に保つ場合でも、エンジニアがより効率的に構築および設計できるようにする場合でも、AI テクノロジーのメリットは広範囲に広がっています。

ロボットに征服された世界という SF ファンタジーは、真実とは程遠いものです。 「すべてが自動的に行われるというロマンチックな概念があります」とマリア・ヤンは付け加えます。 「しかし現実には、人々と連携して日常生活を少し楽にするツールが登場すると思います。」

前の項目 次の項目