第14章サイバー資源の品質とサイバーコンピューティングのガバナンス
Smart Ecosystems AI/ML Platform Quality ChallengesスマートエコシステムのAI・機械学習基盤の品質上の課題
artificial intelligence (AI) and machine learning (ML) provide a variety of platform and quality challenges. These two types of technology suffer from the same difficulties as the cloud big data analytics platforms discussed earlier, with the addition of TRM quality standpoints. The challenges of availability, assurance, and usability are still present, but this issue is how to ensure quality from an AI/ML perspective. Generative AI can interact with a customer base, but that customer base usually wants to talk to a “real” person. When used in chatbots and other front-end interfacing devices, users can typically get their answers quickly, but they often lack depth or leave out important facts or features. The generative AI can only produce responses and information based on its calculating algorithms. The Turing model of AI is based on algorithms, while the Lovelace model of AI is based on spontaneous creation of material. We are not in a world where AI/ML devices can “think” and create new content. The generative AI, for instance ChatGPT, uses a predictive text model to form its responses. The quality of responses from such devices is left in question because if the device cannot determine the correct answers, it often makes up the material.
英語のヒント
人工知能（AI）と機械学習（ML）は、プラットフォームと品質の各種課題をもたらす。これら二つの技術は、先に述べたクラウドのビッグデータ分析基盤と同じ難しさを抱え、さらにTRMの品質の観点が加わる。可用性、保証、ユーザビリティーの課題は残るが、ここでの問題はAI・機械学習の観点から品質をどう確保するかである。生成AIは顧客層とやり取りできるが、その顧客は通常、「本物の」人間と話すことを望む。チャットボットなどのフロントエンドの対話装置を使うと、利用者は通常、素早く答えを得られるが、回答に深みがなかったり、重要な事実や特徴が抜けたりすることが多い。生成AIが出せる応答と情報は、その計算アルゴリズムに基づくものだけである。チューリング型のAIはアルゴリズムに基づき、ラブレス型のAIは自発的な内容の創作に基づく。AI・機械学習の装置が「考えて」新しい内容を作る世界には、まだ到達していない。例えばChatGPTのような生成AIは、予測的なテキストモデルで応答を組み立てる。正しい答えを判断できないと内容を作り上げることが多いため、このような装置の応答の品質には疑問が残る。
9 Statista, “Average number of devices and connections per person worldwide in 2018 and 2023,” January 19, 2023. https://www.statista.com/statistics/1190270/number-of-devices-and-connections-per-person-worldwide/ 10 C. Weinschenk, “Report: People underestimate number of IoT devices in their homes.” April 3, 2023. https://www.telecompetitor.com/report-people-underestimate-number-of-iot-devices-in-their-homes/
9 Statista。「Average number of devices and connections per person worldwide in 2018 and 2023」、2023年1月19日。https://www.statista.com/statistics/1190270/number-of-devices-and-connections-per-person-worldwide/10 C. Weinschenk。「Report: People underestimate number of IoT devices in their homes」、2023年4月3日。https://www.telecompetitor.com/report-people-underestimate-number-of-iot-devices-in-their-homes/
The use of cloud devices based on AI/ML provides the challenge of communication and speed. The availability of data that is accessible and of the highest quality of analysis is always a risk. The need for secure communications and smart backups is also critical. This is a definite concern for compliance issues. The CIS critical controls can be used to evaluate procedures and test compliance levels against company policies. The problem is creating policies that handle all possible combinations of AI/ML and their applications within a company.
英語のヒント
AI・機械学習に基づくクラウド装置の利用は、通信と速度の課題をもたらす。アクセスでき、分析の品質も最高であるデータを、利用可能にできるかは常に危険を伴う。安全な通信と賢いバックアップも欠かせない。これは、準拠に関する明確な懸念である。CIS Critical Controlsを使い、手順を評価し、企業方針に対する準拠の水準をテストできる。問題は、AI・機械学習と企業内での用途のあらゆる組み合わせを扱う、方針の作成である。
In higher education, colleges create ML models based on information collected in student datasets. They use these models to perform targeted marketing in an effort to increase the number of college applications. The challenge is that many of the datasets that are used to train ML models are culturally biased and do not consider all possible learners; they usually have a targeted demographic. Therefore, the new student enrollment plan could be flawed because of a population of students that is not included or represented.
英語のヒント
高等教育では、大学が学生のデータセットの情報に基づいて機械学習モデルを作る。志願者数を増やそうと、対象を絞った宣伝にモデルを使う。問題は、学習用データセットの多くが文化的に偏り、あらゆる学習者を考慮していないことである。通常、特定の人口層を対象としている。そのため、含まれず、反映されない学生集団があることで、新入生の募集計画に欠陥が生じる可能性がある。
INDUSTRY SPOTLIGHT産業の現場から
Challenges of Health Care Information Systems医療情報システムの課題
According to LinkedIn, health care information systems struggle to provide accurate and complete data. Many fields within patient records are left blank, or the administrative assistant cannot read the patient’s handwriting. If you have done any research, you will learn the phrase, “data is dirty.” When you ask participants to fill in surveys or forms, you have no idea what kind of data they will be receiving. Therefore, patients’ incomplete fields or spelling mistakes all lead to dirty data. With the advancements of AI and ML, data records can be analyzed for completeness, and fields can be evaluated for proper responses.
英語のヒント
LinkedInによると、医療情報システムは、正確で完全なデータを提供することに苦労している。患者の記録には空欄が多く、事務担当者が患者の手書きを読めない場合もある。研究をしたことがあれば、「データは汚れている」という表現を耳にするだろう。調査票や書式への記入を参加者に頼んでも、どんなデータが返ってくるかは分からない。したがって、未記入の欄やつづりの誤りは、いずれも汚れたデータにつながる。AIと機械学習の進歩によって、記録の完全性を分析し、各欄が適切な回答か評価できる。
The use of AI in medical fields is growing rapidly. Tools like ChatGPT have had high success rates in properly diagnosing conditions already verified by doctors.11 Studies have shown that generative AI tools can be used by doctors to help with diagnostic evaluations of patients. These tools are not 100% accurate, and patients should be wary about only using computer-related devices for diagnosis. You should consult a physician if you feel something is wrong. If tools like ChatGPT can decrease medical professionals’ research time, they can find a quicker place to start treatment and be able to treat more patients. Medical professionals should proceed with caution because the studies show there is about a 10% chance of wrongful diagnosis.
英語のヒント
医療分野のAI利用は急速に増えている。ChatGPTのようなツールは、医師がすでに確認した病状を正しく診断する際、高い成功率を示した。11 研究では、医師が患者の診断評価を行うのを、生成AIが補助できると示されている。これらのツールは100％正確ではなく、患者はコンピューター関連装置だけで診断することに慎重であるべきだ。何かおかしいと感じたら医師に相談する必要がある。ChatGPTなどが医療従事者の調査時間を減らせれば、治療の出発点を早く見つけ、より多くの患者を治療できる。研究では誤診の可能性が約10％あると示されているため、医療従事者も注意して進めるべきである。
Smart Ecosystems 3-D/4-D Platform Quality Challengesスマートエコシステムの3D・4D基盤の品質上の課題
When discussing 3-D/4-D platform systems, there are two areas in which challenges can be analyzed. The first is 3-D/4-D printing, and the second is 3-D/4-D immersive gaming. 3-D/4-D printing is a new exciting concept that allows the materials used in 3-D printing to transition or transmute into other shapes or substances. The concept of 4-D printing is an add-on to 3-D printing with special features. The challenges with this are the materials needed to print in a 3-D environment properly and the transitioning period for the print. There are typically special environmental conditions that will trigger the transmutation. The challenge with 3-D printing is properly designing the model. Sometimes, these models need to be printed with supports and other features, which is a waste of filament. If that filament is meant for 4-D printing, then that expense must be accounted for. The success rate of 3-D printing is not 100%. Many conditions will cause the print to fail. One of the biggest issues is the filament absorbing moisture from the air. If the 4-D model is based on moisture or water, the transition might be triggered during printing, which would not be the intended outcome. Many 3-D models, if not designed properly, are frail and have many weak points. This is not always desirable if the 4-D transition is going to depend on the strength of the material.
英語のヒント
3D・4Dプラットフォームの課題は、二つの領域で分析できる。第一は3D・4Dプリンティング、第二は3D・4Dの没入型ゲームである。3D・4Dプリンティングは、3Dプリンティングで使う材料を別の形状や物質へ変化させられる、新しい刺激的な概念である。4Dプリンティングは、特別な機能を3Dプリンティングへ加えるものだ。課題は、3D環境で正しく造形するための材料と、造形物の変化する期間にある。変化を起こすのは通常、特別な環境条件である。3Dプリンティングの課題は、モデルを正しく設計することだ。支えなどを付けて印刷する必要がある場合は、フィラメントを余分に使う。それが4Dプリンティング用なら、その費用も考慮しなければならない。3Dプリンティングの成功率は100％ではなく、多くの条件が失敗の原因となる。特に大きいのは、フィラメントが空気中の水分を吸うことである。4Dモデルが湿気や水に反応するなら、印刷中に変化が始まり、意図しない結果になるかもしれない。3Dモデルの多くは、適切に設計しなければもろく、多数の弱点を持つ。4Dの変化が材料の強さに依存する場合、それは必ずしも望ましくない。
11 P. T. Paharia., “ChatGPT: A diagnostic sidekick for doctors? Caution advised for non-professionals.” News Medical Life Sciences, April 27, 2023. https://www.news-medical.net/news/20230427/ChatGPT-A-diagnostic-sidekick-for-doctors-Caution-advised-for-non-professionals.aspx
11 P. T. Paharia。「ChatGPT: A diagnostic sidekick for doctors? Caution advised for non-professionals」。News Medical Life Sciences、2023年4月27日。https://www.news-medical.net/news/20230427/ChatGPT-A-diagnostic-sidekick-for-doctors-Caution-advised-for-non-professionals.aspx
3-D/4-D immersive gaming has all the same concerns as the AR/VR platforms discussed previously in the chapter. The 4-D aspect of the AR is a condition that triggers an alternative sensory response. It goes beyond just the visual aspects of the oculus, but it may incorporate sound or touch. This is common on immersive 4-D rides found at amusement parks. Providing an experience beyond the 3-D interaction has challenges based on environment and materials. Most 4-D immersive experiences use air or mists of water to generate their effects, but some go as far as to incorporate pheromones.
英語のヒント
3D・4Dの没入型ゲームには、前に扱ったAR・VR基盤と同じ懸念がすべてある。ARの4D的な側面は、別の感覚の反応を引き起こす条件である。視覚装置で見えるものだけでなく、音や触覚も取り入れることがある。遊園地の没入型4Dアトラクションで一般的な仕組みである。3Dのやり取りを超える体験の提供には、環境と材料の課題がある。多くの4D体験は、空気や水の霧で効果を作るが、フェロモンまで取り入れるものもある。