だからAI 2.0は実際に今ここにあり、もしあなたが第二波の到来を待っていたなら、すでにその中にいることになる。私たちはAIが研究所から各セクターの実ビジネスアプリケーションへと移行していくのを見ている。そう、NVIDIAはチップ供給者としてすべての見出しを飾るが、正直なところ、彼らははるかに大きなパズルの一部に過ぎない。

問題は、AIは一つのモノリシックなものではないということだ。複数のタイプのAIが同時に出現しており、それらはすべて同じ方法で動作しているわけではない。ほとんどは最終的に統合されるだろうが、それには時間がかかる。これこそが、これが世代を超えたゲームである理由だ—数十年にわたる開発の先にあるものであり、数年だけの話ではない。

トランスフォーマー・ネットワークが今最も注目を集めており、その理由も明白だ。これらの巨大な事前学習済みモデルは複数のタスクを同時に処理でき、言語を理解し、コードを読むこともでき、コンテンツを生成する—ChatGPTや類似のツールがその明白な例だ。これらは従来のスタンドアロンモデルよりもはるかに効率的に同じ作業をこなす。実際のインフラはハイパースケーラー—Amazon Web Services、Google、IBM、Microsoft—によって構築されている。これらの企業がクラウドをホストしており、そこにAIは実際に存在している。クラウドインフラの役割は今後も拡大し続けるだろう。

次に、合成データがある。これはちょっと驚きかもしれないが、AI企業はモデルを訓練するために膨大なデータを必要とするが、そのデータを合理的なコストで入手するのがますます難しくなっている。プライバシーの懸念が業界をAI生成データの利用へと押しやっており、これにより他のAIシステムの訓練に使われている。自動運転企業、金融サービス、保険、製薬—これらすべてが今や合成データを使っている。これにAmbarellaのような企業のコンピュータビジョン技術を組み合わせると、生のチップデータを実際の洞察に変えている。

強化学習はこれをさらに進める。合成データによって強化された複数のデータフローを使い、製造やロボティクスの最適化を行うのだ。Rockwell Automation、Zebra Technologies、Intuitive Surgical、UiPathといった企業が本格的な動きを見せている。UiPathの自動化プラットフォームは典型的な例だ—Uberは運用の複雑さに圧倒されていたが、UiPathのデジタルロボットを導入することでビジネスを再焦点化できた。

接続層はフェデレーテッドラーニング—基本的にこれらすべてのAIモデルが互いに通信し、データを共有する仕組みだ。GoogleとMicrosoftがリードしているが、OracleやAdobeも重要なプレイヤーだ。Adobeは面白い。なぜなら、そのインターフェースはインターネット上のあらゆる場所に存在し、AIアプリケーションの展開にとって不可欠なものになっているからだ。MongoDBもまた、急速に成長している注目の企業だ。

あまり目立たないが同じくらい重要なのは因果推論—データ分析の次の進化だ。これは単なるパターンマッチングではなく、データセットから実際の原因と結果を特定し、予測を行い、エラーを事前に捕捉する技術だ。製薬の研究開発チームはこれに熱心だ。ノバルティスはMicrosoftとNVIDIAと提携し、今後10年にわたるAIインフラの拡大を計画しており、これがいかに本気かを示している。

ここでの本当のストーリーは、AI 2.0は始まったばかりだということだ。これは短期的なブームではなく、長期にわたる複数のAIアプリケーションとインフラ投資にわたる持続的なリターンを見据えたものだ。