ＡＩ分野の人材不足は深刻だ。経産省は２０２０年で３６万９０００人、３０年で７８万９０００人が不足すると予測する。大学教育の強化だけでは足りず、社会人の学び直しや外国からの人材の獲得施策が検討されている。

　ではどんなＡＩ人材が足りないのか。現在のＡＩは数理がわからなければ本質をつかめない。高度な情報・数理人材が足りないとされ、大学は教育強化に動いている。ただＮＥＣの藤巻遼平主席研究員・米ドットデータ代表は「ＡＩの設計が自動化され、数理を駆使するＡＩ人材の需要は減り、ＡＩを運用に乗せるアーキテクトやコンサルタントの需要が増える」と予想する。

　これまではデータサイエンティストがデータをＡＩが学習できる形に整え、学習に重要な因子を探してきた。この職人技ともいえる仕事を藤巻研究員は自動化した。「数カ月かかっていた解析が自動化で１日に短縮した。まず試し、その後でどんなデータを集めるか試しながら考えればいい」という。長期的にはＡＩやデータ解析の原理に精通した人材から、実際のビジネスに落とし込む人材に需要が移るとされる。

　ＡＩの人材競争が数理から現場に移るなら、日本にとっては朗報だ。この流れを加速するにはＡＩを現場で簡単に構築するための技術が必要だ。ＡＩの自動設計に加え、学習済みＡＩの再利用や要素機能のモジュール化、相互接続性など、ＡＩを分業して開発、統合するための工学体系が必要になる。そこで産総研は三本柱戦略にＡＩ工学を取り上げた。

　一方でＡＩ工学が進むと日本の現場力やデータの価値が相対的に下がるリスクもある。現場から良質なデータを集めてＡＩに学習させても、その学習済みモデルを流通させるプラットフォーマーに牛耳られる可能性があるためだ。米グーグルはデータを直接サーバーに集めずに、各ユーザーが一度学習モデルを作り、それを統合して、より精度の高いＡＩを再配布するモデルを提唱する。通信負荷を抑え、プライバシーも守りやすい。

　ただ産総研の麻生英樹副研究センター長は「決定打となる技術はまだ出てきていない」と評価する。競争がデータから学習済みモデルに移るかどうか、いまは不透明だが、いつ競争原理が変わってもおかしくない。ＡＩを現場に浸透させるため、そしてその先の競争原理の変化を捉えるためにもＡＩ工学の先頭を走る必要がある。

人間との協調
　人工知能（ＡＩ）の開発競争にロボットが不可欠になりつつある。政府の総合科学技術・イノベーション会議（議長＝安倍晋三首相）が６月にまとめる「統合イノベーション戦略」に、日本がＡＩで勝つための戦略が盛り込まれる。産業技術総合研究所はこの下地とするために三本柱戦略をまとめた。カギとなるのは現場力とロボットだ。日本のロボット産業は協働ロボットの実用化で先頭を走ってきた。ＡＩでより高度な協調を実現する。

　ディープラーニング（深層学習）はＡＩだけでなくロボットにとってもブレークスルーだった。東京大学の松尾豊特任准教授は「ロボットが目を獲得した」と例える。深層学習は画像認識の精度を飛躍させた。米アマゾン・ドット・コムグループが開催したロボットによるピッキング作業のコンテスト「アマゾンロボティクスチャレンジ」の２０１７年大会はロボットよりも深層学習の優劣が勝敗を分けた。

　認識に加え、ロボットの運動制御や異常検知、動きを教えるティーチングなどにＡＩの応用が広がる。早稲田大学の尾形哲也教授は「工場やロボット用のグラフィックス・プロセッシング・ユニット（ＧＰＵ）が登場するなど、ＡＩの普及は間違いない。研究者は画像認識の次を示す必要がある」という。