人工知能は住宅価格を下げるでしょうか？

10月13日、米国政府は「人工知能の未来への準備」と「米国国家人工知能研究開発戦略計画」という2つの報告書を発表した。 Baiduのロビン・リー氏は、人工知能こそが未来だと信じている。同時に、360のLao Zhou氏は最近、「人工知能のバブルはどれほど大きいか」という記事を発表し、検索とエンターテインメントにおける人工知能の実装について探りました。

この時期に人工知能が話題になっていることは間違いありませんが、以前と比べてどう違うのでしょうか?これはまた別の集団的幻想なのでしょうか、それとも社会とビジネスを席巻する変革が本当に始まったのでしょうか?この記事では、中核となる制約について説明します。

人工知能の発展は雪だるま式に

新しいテクノロジーの開発は、決して人々の好みや熱意によるものではなく、テクノロジーとビジネス（時には軍事）の間のポジティブなフィードバック ループに依存しています。より小型で強力な CPU とネットワーク速度の継続的な向上は、実際にはこの正のフィードバックの結果です。人工知能の過去 2 つの失敗は非常に醜いものでした。主な理由は、ビジョンはあったものの、実際には商業的価値をあまり生み出さなかったためです。

私たちの社会と経済は人間の知性に大きく依存しています。知能は人類文明の基盤であり、人工知能は人類の知能の代替物であると言えるので、人工知能にビジョンが欠けたことはないと言えます。

画像認識など、あらゆる分野でのブレークスルーは、家の警備や交通違反のチェックなど、さまざまなシナリオを人々に思い起こさせます。人工知能にこれまで欠けていたのは、持続可能な商業価値を生み出す能力です。家の警備や交通違反のチェックの例で言えば、誤報率を減らし、人間の義務の一部を実際に果たし、使いやすさのレベルに達するのに十分な技術的精度が求められます。ユーザビリティのレベルに到達することが、実装の出発点と見なすことができます。その後に必要なのは、商品価値を拡大するためのさらなる投資です。例えば、家の警備だけでなく巡回もでき、交通違反のチェックだけでなく運転の補助もできます。

これら両方が満たされ、つまり初期の使いやすさと投資によって商業価値を高めることができれば、テクノロジーとビジネスの間に正のフィードバックループを形成できます。この正のフィードバックが形成されると、この技術の展開は人間の力では変更できなくなります。

人工知能の第一波は、最初の点によってさらに制限されていました。当時の人々は、人工知能の特に優れた応用を見つけられなかったようです。人工知能の第二の波は、第二のポイントでさらに止まりました。 1980 年代には、いくつかのエキスパート システムが実際に導入され、企業は数千万ドルを節約しました。たとえば、最初の成功した商用エキスパート システム R1 は、DEC で正常に運用されました。それ以来、DEC は 40 のエキスパート システムを順次導入しましたが、この拡張は持続的な利益を得られず、維持できませんでした。

この人工知能の波が少し違って見える理由は、この正のフィードバックが最初に形成され、その範囲と深さが前の 2 回と比較して大幅に増加したためです。

技術的には、ディープラーニングによって音声認識の精度が大幅に向上しており、例えば音声認識は約 20 年前の 70% から現在では 95% 以上に向上しています。同時に、GPU の継続的な進歩により、計算速度も継続的に向上しています。 nVidia のデータによると、人工知能向けに発売されたコンピューティング カードは、従来のデュアル コア Xeon プラットフォームと比較して、トレーニング速度が 60 倍、推論速度が 16 倍向上しています。

ビジネスにおいて、機械学習は標準となっています。 DeepMind は AlphaGo のアルゴリズムを Google の IT 運用に適用しようと試み、その結果運用コストが 40% 削減されました。 Appleは、iPad Proスタイラスの誤タッチ防止機能など、さまざまな分野でユーザーエクスペリエンスを向上させるために機械学習を使用しています。総じて、AIがさまざまな業界に包括的に浸透することが基本的なトレンドとなっていると言えます。

この時点で、少なくとも最初の正のフィードバックスパイラルが始まったと言えるが、最初のスパイラルだけではホワイトハウスが行動を起こすには不十分であり、議論する必要があるのは、このスパイラルが始まった後に何が起こるかということだ。この肯定的なフィードバックが継続するには、何か十分に大きなものが必要です。

 すべての業界が人工知能を推進している

実際、人工知能はあらゆる分野に応用できます。分類するならば、大きく分けて3つの基本カテゴリーに分けられます。1つは、ヒューマン・コンピュータ・インタラクション方式（音声インタラクションやARなどの新しい表示方法を含む）。 1つはフロントエンドの自動化です。 1つはバックエンドのデータ処理です​​。

人間とコンピュータのインタラクションにおいて、最も典型的な例は音声インタラクションと AR です。

AR という言葉は非常に複雑に定義できます。例えば、よく言われるメガネ（Microsoft Hololens、Meta など）であったり、Tango のゲームプレイのような携帯電話の機能であったり、もちろん Pokeman のようなアプリケーション機能であったりします。しかし、私は個人的に、AR は本質的にインタラクションの方法における革命であると信じています。このインタラクション方法の核となる特徴は、デジタル空間と現実空間をリアルタイムで融合させることです。これに依拠する中核技術は、人工知能の画期的な進歩です。具体的な製品に関しては、このインタラクション方法のさまざまな応用例があります。

音声インタラクションは、私たちがよく Siri や Echo などと呼ぶものです。このインタラクション方法の変更が重要な理由は、新しい汎用コンピューティング プラットフォームが誕生し、それがエコシステム全体の変化につながるからです。たとえば、マウスの発明は Dos から Windows への移行を促進しました。

インタラクション方式を議論するとき、興味深いのは、それが厳格な要求ではないように見えて、実は汎用端末の置き換えの中核であり、広範囲にわたる影響を持っているという点です。たとえば、PC インターネットからモバイル インターネットへの変化の理由の 1 つは、タッチ スクリーンの開発です。タッチスクリーンの位置が正確ではなく、PC ブラウザほど正確に各リンクにアクセスできません。したがって、操作エリアは十分に広くなければなりません。その結果、PC での従来の Web ブラウジングに代わるさまざまな代表的なモバイル インターネット アプリ (Taobao、Meituan、Toutiao など) が形成されました。 。

フロントエンド自動化の最も典型的な例は、自動運転とロボットです。

人工知能におけるこの画期的な進歩以前は、すべての自動化は、限定されたルールの下での自動化と呼べるものでした。ソフトウェア実装から見ると、2 種類の自動化の基本的な違いがわかりやすくなります。昔のソフトウェアは、実は「（条件Aが満たされた場合）（特定のアクションを実行する）」といった条件や分岐で溢れていました。 Office Word や Windows などのソフトウェアが非常に強力に見えるのは、この種の条件付き選択が十分にネストされているからです。

しかし、現在のディープラーニングベースのプログラムではそうではありません。まずモデルをトレーニングし、次にモデルに新しい入力を投入して、モデルが独自に理解できるようにします (推論)。つまり、従来のプログラムは正確に制御できますが、ディープラーニングプログラムは細部を制御することができません。この手順の違いは、明らかに、自動運転やロボットで達成できる自動化の程度に根本的な違いをもたらします。たとえば、生産においては、前者のタイプのプログラム自動化では、特定のロボットが組立ラインで自動車などの特定の製品を生産することしかできませんが、後者のタイプのプログラム自動化では、あらゆることを実行できるロボットを生産できます。このロボットが最終的に何ができるかは、どのようにトレーニングするかによって決まります。後者のロボットの応用範囲は前者のそれよりはるかに広いことは間違いないが、現時点では後者のロボットは動作精度の点で前者ほど優れていないのは確かである。

この自動化アップグレードの広範囲な影響は、さまざまな分野で無人運転を順次実現できることです。例えば、建設現場ではドローン＋ショベルの無人化が実現可能（スカイキャッチやコマツが試みている方向）、工場の生産ラインでは無人化が実現可能（バクスターが試みている方向）です。

バックエンドデータ分析の典型的なアプリケーションは、IBM Watson のようなビッグデータ分析プログラムです。 IBM はヘルスケアを画期的な分野として選択しましたが、これは実に理にかなっています。一般的に言えば、過去の医療データは適切にラベル付けされていることが多く、画像認識技術の進歩により、さまざまな医療フィルムを閲覧できるようになります。医療フィルムを見るということは、実際には画像内の病理学的パターンを識別することと同じであり、この点では最も経験豊富な医師でさえ人工知能に圧倒されることになるだろう。もちろん、このようなデータ分析は医療に限ったことではありません。同じモデルは金融、セキュリティ、建設などにも適用できます。

人工知能の 3 つの主要な着地方向を確認した後、テクノロジーとビジネス間の正のフィードバックに戻りましょう。

まず、ディープラーニング + GPU のブレークスルーにより、音声認識、画像認識などの認識率と速度が飛躍的に向上しました。次に、このブレークスルーは顔認識などの特定の既存分野に適用されます。もちろん、これら両方には継続的な資本投資が伴います。そして、前述したヒューマン・コンピュータ・インタラクション、自動運転、データ分析など、より大きな分野が熱を帯び始め、このときさまざまな資本がより大きく介入することになるだろう。

私たちが今実際に待つ必要があるのは、これらの主要分野における真の進歩です。これらが進歩し、うまく運用されれば、この人工知能の波は完全に実装され、その後は適用範囲が拡大し続け、技術自体がさらに高速化、強力化する段階に入るでしょう。これらの主要分野で進歩が見られない場合、例えば 5 年以内に成功するプロジェクトが見られない場合、人工知能のこの波は再び冷めてしまう可能性があります。

インターネットは住宅価格を下げることができなかったが、人工知能はそれができるのだろうか？

この人工知能の波が本当に定着すれば、雇用に間違いなく影響が出るでしょう。これについては多くの人が議論しているので、ここでは詳しく説明しません。代わりに、私は「人工知能などの技術の発展は住宅価格を下げることができるのか？」という、考えさせられる疑問について検討したいと思います。

さまざまな詳細はさておき、住宅価格が上昇している基本的な理由は、人口がいくつかの地域に集中している一方で、これらの地域の住宅供給が限られていることです。そのため、遼寧省のように人口純流出が起きている地域では住宅価格は非常に不安定で、下落傾向が顕著です。

そうなると、核となる疑問は次のようになります。テクノロジーの発展は、ますます中央集権化する大都市の出現を促すのでしょうか、それとも都市の分散化を促すのでしょうか。答えが前者であれば、テクノロジーは中心部の住宅価格を押し上げる原動力となる。後者の場合、技術の発展は住宅価格の高騰と対立することになる。

これまでの経済発展は常に中央集権化を促進してきました。ある場所の支援施設が充実すればするほど、その地域の経済は発展します。経済が発展すればするほど、支援施設はより充実します。経済発展、都市集中化、住宅価格の高騰の間には必然的なつながりがあると言えるでしょう。

しかし、人工知能などの技術は住宅価格の高騰に反対しているようだ。 ARが本当に十分に発達すれば、リモートワークも可能になり、質の高い教育は常に不足している教師資源に頼らなくてもよくなり、質の高い医療も地域に縛られずに行えるようになるでしょう。そうなれば、人々はどこでも仕事や質の高い教育、医療などの社会サービスを受けることができるのに、なぜ住宅価格の高い地域に住む必要があるのでしょうか。

将来の人口分布には常に 2 つの可能性があります。

一つは、北京のような大都市が徐々に拡大し、それぞれ1億から2億人を収容できる巨大都市になるということです。この傾向は各省で繰り返され、各省都が地方の超大都市となり、第3、第4層の都市や農村地域は徐々に消滅しています。

一つは、人口が比較的均等に分布しており、誰もが自分の好きな場所を見つけることができることです。喧騒からは離れていますが、生活は非常に便利です。

人工知能のような技術は後者の側にあるようです。

まとめ

私が上で述べたことは、実は新しい本『究極の複製：人工知能がいかにして大きな社会変革を推進するか』で私が表現したいことの一部です。私たちの未来はまだ詳細は不明ですが、人工知能が未来を再定義することは100%確実です。だからこそ、学校（シンガポール国立大学360人工知能研究所のYan Shuicheng氏など）や研究機関（中国科学院音響研究所のSound Intelligence TechnologyのChen Xiaoliang氏など）から多くの人がこの波に乗って出てきたのです。

今日頭条の青雲計画と百家曼の百+計画の受賞者、2019年百度デジタル著者オブザイヤー、百家曼テクノロジー分野最人気著者、2019年捜狗テクノロジー文化著者、2021年百家曼季刊影響力のあるクリエイターとして、2013年捜狐最優秀業界メディア人、2015年中国ニューメディア起業家コンテスト北京3位、2015年光芒体験賞、2015年中国ニューメディア起業家コンテスト決勝3位、2018年百度ダイナミック年間有力セレブなど、多数の賞を受賞しています。