ネットワーク効果により人工知能はどのように賢くなるのか

ネットワーク効果は、通話からオンライン ショッピング プラットフォームに至るテクノロジーの成功を左右します。ChatGPT のような AI ツールも例外ではありません。 。ただし、違いは、これらのネットワーク効果がどのように機能するかです。データ ネットワーク効果は、よりよく知られている直接的および間接的なネットワーク効果と同様、新しい形式であり、獲得するユーザー数が増加するにつれてテクノロジーの価値が増加します。

ただし、今日私たちが議論する価値は、電話の数や、電子商取引プラットフォーム上の多くの買い手と売り手の存在ではなく、むしろ、より良い予測を行うのに役立つことから得られるフィードバックです。ユーザーが増えればレスポンスも増え、さらに予測精度が向上するという好循環が生まれます。企業が考慮すべき教訓は 3 つあります。1) フィードバックは重要です。2) 定期的かつ細心の注意を払って情報を収集します。3) 意図的または非意図的に共有されるデータを考慮します。

OpenAI が昨年末に ChatGPT を発表したとき、業界観察者からの反応は賞賛と懸念が入り混じったものでした。このテクノロジーのせいで、コンピュータープログラマー、教師、金融トレーダーやアナリスト、グラフィックデザイナーやアーティストなどが一斉に職を失っていることを誰もが聞いたことがあるでしょう。多くの大学は、AIが大学生の創造力を抑制するのではないかとの懸念から、コース計画や関連要件の改訂を急いでいる。おそらく最も直接的な影響は、ChatGPT が従来のインターネット検索エンジンを再構築、あるいは置き換えることができることだという人もいます。 Google の収益の大部分は検索と関連広告によって生み出されていますが、チャットボットは Google の終わりになるのでしょうか?

ChatGPT は機械学習テクノロジーの優れたデモンストレーションですが、スタンドアロン サービスとしてはほとんど実現できません。 OpenAI がその技術力を活かすためにはパートナーが必要です。したがって、同社がすぐにマイクロソフトとの契約を発表したとき、私たちは驚きませんでした。 AI 新興企業と老舗テクノロジー企業の組み合わせは、最終的には Google の優位性に対する確かな脅威となり、「AI 軍拡競争」のリスクを高める可能性があります。また、このテクノロジーを導入する際にどの企業が成長し、どの企業が衰退するかを決定する要因についての教訓も得られます。

OpenAI が Bing と提携せざるを得なかった理由 (そして Google が依然として勝つ可能性がある理由) を理解するために、このテクノロジーが電話や Uber や Airbnb などのマーケットプレイス プラットフォームなどの過去の開発とどのように異なるかを検討しました。これらの例では、ユーザーが増えるにつれて製品の価値が高まるネットワーク効果が、これらの製品がどのように成長し、どの企業が成功するかを決定する上で重要な役割を果たしています。 ChatGPT のような生成 AI サービスは、同様ではあるが異なるタイプのネットワーク効果の影響を受けます。 AI に優しい戦略を選択するには、経営者や起業家は、この新しい AI ネットワーク効果がどのように機能するかを理解する必要があります。

ネットワーク効果は AI では異なる働きをします

人工知能の価値は、正確な予測と推奨にあります。しかし、供給（電力や人的資本など）を出力（照明や税金に関するアドバイスなど）に変換することに依存する従来の製品やサービスとは異なり、AI は顧客とのやり取りを通じて最新の状態に保つ必要がある大量のデータセットを必要とします。 。競争力を維持するために、AI オペレーターはデータを収集し、分析し、予測を提供し、フィードバックを求めて推奨事項を改善する必要があります。システムの価値はユーザーからのデータに依存し、データの増加とともに増加します。

このテクノロジーのパフォーマンス、つまり正確に予測してアドバイスする能力は、データ ネットワーク効果と呼ばれる経済原理に依存します (これをデータ駆動型学習と呼ぶことを好む人もいます)。これらは、ユーザー ベースが拡大するにつれてより多くの人に電話をかけることができるため、電話の価値が高まるなど、よく知られている直接的なネットワーク効果とは異なります。これらは、より多くの購入者がより多くの販売者をプラットフォームに参加するよう招待したり、その逆を説明する間接的なネットワーク効果とも異なります。より多くの販売者が存在すると、e コマース プラットフォームや Airbnb でのショッピングがより魅力的になります。 部屋の予約。

データ ネットワーク効果は新しい形式です。より身近な効果と同様、ユーザーが増えれば増えるほど、テクノロジーの価値は高まります。しかし、ここでは、価値は仲間の数や、多くの買い手と売り手の存在によってもたらされません。むしろ、これらの影響はテクノロジーの性質から生じており、AI は強化学習、予測、フィードバックを通じて改善されます。インテリジェンスが高まるにつれて、システムはより適切な予測を行い、有用性を高め、新しいユーザーを引き付け、既存のユーザーを維持できるようになります。ユーザーが増えればレスポンスも増え、さらに予測精度が向上するという好循環が生まれます。

AI を使用して目的地までの最速ルートを推奨する Google マップを例に挙げます。この機能は、代替パスの実際のトラフィック パターンを予測することに依存しており、これは多くのユーザーからのデータを活用することで実現されます。ここでは、データ ユーザーはサプライヤーでもあり、Google マップを使用する人が増えれば増えるほど、より多くの履歴データや同時データが蓄積されます。豊富なデータを使用して、Google は無数の予測を実際の結果と比較できます: アプリが予測した時間に到着しましたか? 予測を絞り込むために、アプリはあなたの印象も必要とします: 説明はどの程度よかったですか?客観的な事実と主観的なコメントが蓄積されると、ネットワーク効果が作用します。これらの効果により予測が向上し、ユーザーと Google にとってのアプリケーションの価値が高まります。

ネットワーク効果が人工知能をどのように推進するかを理解すると、このテクノロジーに必要な新しい戦略を想像できるようになります。

OpenAI と Microsoft

OpenAI と Microsoft の関係から始めましょう。 ChatGPT のベータテストを行ったとき、その創造的で人間らしい応答に感銘を受けましたが、ボトルネックがあることにも気づきました。それは、2021 年に最後に収集された大量のデータに依存しているため、最近の出来事や天気さえも尋ねないでください。 。さらに悪いことに、堅牢なフィードバック ループ メカニズムが欠けています。

しかし、Microsoft との連携を通じて、OpenAI はその予測をテストする方法を見つけました。 Bing ユーザーの質問とその回答をどのように評価するかは、ChatGPT の更新と改善にとって重要です。私たちが想像する次のステップは、Microsoft が管理している膨大なユーザー データのクラウドをアルゴリズムに入力することです。 ChatGPT は、数え切れないほどの Excel シート、PowerPoint プレゼンテーション、Word ドキュメント、LinkedIn の履歴書を消化できますが、それらのファイルを再作成することに関しては、オフィスにいる人々を喜ばせるか恐怖させるかに優れた仕事をします。

ここには少なくとも 3 つの広範な教訓があります。

まず第一に、フィードバックは非常に重要です。 AI の価値は、ユーザーの反応が継続するにつれて増加します。賢さを保つために、アルゴリズムは現在のユーザー選択と過去の推奨評価のデータ ストリームを必要とします。フィードバックがなければ、たとえ最高のエンジニアリング アルゴリズムであっても、長くスマートな状態を維持することはできません。 OpenAI が認識しているように、最も複雑なモデルであっても、絶えず流れるデータ ソースにリンクする必要があります。 AI起業家はこのことをよく認識する必要があります。

第二に、経営陣は影響を最大化するために定期的かつ細心の注意を払って情報を収集する必要があります。典型的な財務記録と営業記録を精査する必要があります。有用なデータは企業内外のあらゆる場所にあります。これらは、バイヤー、サプライヤー、同僚とのやり取りから生じる可能性があります。たとえば、小売業者は、消費者が何を閲覧し、何をショッピング カートに入れ、最終的に何を支払ったのかを追跡できます。これらの小さな詳細が積み重なると、AI システムの予測が劇的に改善される可能性があります。企業が制御できないデータなど、一般的ではないデータであっても、収集する価値がある場合があります。気象データは、Google マップが交通状況を予測するのに役立ちます。採用担当者が履歴書の検索に使用するキーワードを追跡することは、LinkedIn が候補者に成功のヒントを提供するのに役立ちます。

最後に、

誰もが、意図的か非意図的に共有するデータについて考慮する必要があります。より良い予測を立てるには事実とフィードバックが重要ですが、データの価値は他の人によって取得される可能性があるため、経営者はどの AI が共有する（またはアクセスを許可する）データから恩恵を受けることができるかを検討する必要があります。場合によっては、共有を制限する必要があります。たとえば、Uber のドライバーがアプリ Waze を使用してナビゲートする場合、Google は配車の頻度と長さを推定するのに役立ちます。 Googleが自動運転タクシーの運行を検討している場合、こうしたデータは非常に貴重となる可能性がある。

さらに、アディダスのようなブランドが Amazon で商品を販売する場合、この小売大手は、さまざまなブランド (ナイキとの比較など) やカテゴリの需要、および価格に対する購入者の感度を推定することができます。その結果は競合他社に影響を与えたり、アマゾンのプライベートブランド製品に利益をもたらしたりする可能性がある。これに対抗するために、経営陣はサードパーティのプラットフォームや仲介業者を避けることができます。データ アクセスを交渉し、顧客との直接の連絡を維持するために取り組むことができます。場合によっては、銀行が信用データを共有する方法を確立するときに行ったように、データ所有者にデータ交換でバインドして共有させることが最善の解決策となる場合があります。

AI ネットワーク効果を考慮すると、テクノロジーの将来についてより深く理解できるようになります。また、他のネットワーク効果と同様に、これらの効果がどのように富裕層をさらに裕福にするのかもわかります。 AI の背後にあるダイナミクスは、先行者が多額の報酬を得る一方で、後続者はどんなに速くても取り残される可能性があることを意味します。これは、AI アルゴリズムとデータ ストリームにアクセスできる場合、その利点は時間の経過とともに増大し、簡単に超えることはできないことも意味します。経営者、起業家、政策立案者、その他すべての人にとって、人工知能の最高の時も最悪の時もまだ来ていません。

以上がネットワーク効果により人工知能はどのように賢くなるのかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。