2050年の技術予測―課題はやはりIoT、人工知能(AI)、深層学習関連か
開発実用化研究を担当する者は、市場が要求するものを、市場が要求する時期にタイムリーに提供するための製造技術や商品を開発実用化しておかなければならない。そのためには常に開発計画を見直し、整理しておく必要がある。しかし的確に先を見通すのは一般に難しい。筆者も今は読書とインターネットしか思考を巡らす手段しかないが、再度将来の社会の姿を予測し、必要な開発課題を整理してみたいと考えた。
1. はじめに
先ず目に留まった本が「われわれはどこから来たのか、どこへ向かおうとしているのか」という内容のディヴィッド・クリスチャン著、柴田裕之訳「オリジンストーリー」(参考資料1)である。
総合研究大学院大学学長の長谷川眞理子先生の書評(参考資料2)にも魅かれた。この本は科学の事実のみに立脚しているので、「第1部宇宙」、「第2部生物圏」、「第3部私たち」までは、大方の人にはすべて知り尽くされていることばかりであるが、「第4部未来」が何かヒントを与えてくれるかもしれないとの望みがあった。しかし通読すると「今後2000年の可能性の樹形図はあまりに多く枝分かれしているだろうから、最強のコンピュータモデルでさえも最も有力なものを選ぶことができない」(参考資料3)とのことで、残念ながら筆者の目標探索に解答を与えてくれるものではなかった。
それではということで少し古いが、英『エコノミスト』編集部 土方奈美訳 「2050年の技術―英『エコノミスト』誌は予測する」(参考資料4)を取り上げ、その本から得られる知見をまとめてみたのが本稿である。読まれた方も多いと思われるが、本の帯によると「人工知能(AI)、バイオ、農業、医療、エネルギー、軍事、仮想現実(VR)、拡張現実など全20章にわたって『2050年のテクノロジー』とそれが経済・社会・人間の幸福に与える変化を予測している」という書物である。共著者は英国「エコノミスト」誌のジャーナリスト、科学者、起業家、更にはSF作家まで含まれており幅広い。
2. 分析方法と結果
著者が多数で、多方面からの見解が示されていることもあり、各章の中から主に筆者に関係するIT産業、製造業と、それが及ぼす医療、社会改革を中心に拾い出して、KJ法で今後の方向を探ろうと考えた。社会改革も含めたのは、社会が何を求めているかという、いわば顧客のニーズと、今後開発が進む動向との整合が取れていなければ意味がないと考えたからである。
以下、図1から図5まではそれぞれの分野での記述を拾い出して、カードに書き、各分野のまとめとなるラベルを考えたものである。元となるカードの右隅の丸数字は、同書の章番号に対応し出典箇所を意味する。各分野の分析の後に、その予測を実現するための筆者なりに思いつく課題をそれぞれ記述した。課題から次にやるべきことが浮かび上がるので、お急ぎの方はその部分のみ拾い読みされてもよい。また図1から図5までに示した各分野のまとめのカードを集めて、全体像をまとめたのが図6 なので、そこへ一気に飛んで読まれても結論はおわかりいただけるだろう。
2.1 IT・コンピューティング分野
まずセミコンポータルの読者になじみが深いITやコンピューティング分野という視点で拾い出してまとめたものが図1である。
図1 IT・コンピューティング分野のまとめ。元となった各カード内の丸数字は それぞれを反映した本書(参考資料4)の章の番号に対応する(以下、図5まで同じ)
2050年には高集積のエマージングデバイスなどを搭載した、脳機能を持つ量子コンピュータが実現して、それが生産現場に導入されるだろうと予測されている。そこでは脳とネットが直結されている。またその時代にはクラウドは水や電気と同じように、情報の公益サービスとして機能を果たすようになると予測されている。そしてそのコンピュータを用いて、目的に合った新素材、つまりエマージングマテリアルが開発されるようになろう。また新素材、新デバイスで構成されたロボットが製造ラインに導入されて、製造現場は量子コンピュータ制御の自律型のライン(参考資料5)となると予測されている。
まとめると、図1の右端のラベルのように、IT・コンピューティング分野ではエマージング材料やエマージングデバイスで脳機能を持つ量子コンピュータが実現し、生産ラインに導入されて活用されるという予測である。
<課題>
実用的な量子コンピュータを作るためには、素子となるチップ設計時に発熱部分を考慮したサーマルマネジメント(参考資料6)の最適化を図る必要がある。また熱伝導や電気伝導を考慮した材料を用いることで、より広範囲な条件下で高速の演算が可能になるデバイスを開発しなければならない。そしてまた高密度記憶装置として、例えば本書で予測されているDNAメモリ(参考資料7)を使うとすれば、それを開発して実用化する必要がある。そしてそのようなエマージングデバイスのみならず、ニューロデバイス、ニューロ回路の知見を今まで以上に究める必要が生じよう。
ますますクラウドの役割が演算の上でも増大するので、個々のPCの能力向上だけでなく、大容量高速通信工学の基礎研究も重要になる。1と0を重畳した量子ビット情報を高速転送するハードとソフトには、まだまだ検討すべき課題が多い。
また、工場運営には要素技術のみでなく管理技術も必須である。生産ラインへ量子コンピュータを導入することにより、生産設備の稼働率維持管理や、プロセスの管理技術、更には品質管理、品質保証の考え方も大幅に変わって来る。
例えばラインに不具合が生じた時の対処方法一つをとっても、どこの工程で不具合が発
生しているのかを見つけるために、ラインを稼働させながら、つまり意図的に出血させつつ、血の出ている不具合工程を見つけ出すというような古典的な手法ではなく、日々作業者が入力した膨大な情報から瞬時に不具合工程を見つけ出すという、コンピュータに依存した管理手法に替わっていくであろう。従ってそれに応じた新しい管理手法の構築が課題になる。そして生産計画策定も、生産現場と顧客との距離感が更に短くなるような管理方法にする必要がある。即ち固有技術(要素技術)と管理技術(参考資料8)の両面からの革新が必要になる。つまり工場運営を考えただけでも生産技術上のハードとソフトの管理技術の新規開発が課題になる。そして、ここでも高速通信技術と大容量記憶装置の開発が必須である。
2.2 医療・ヘルスケア分野
脳機能量子コンピューティング技術が、一例として医療、ヘルスケアの分野で活用される時代を想定したのが図2である。
図2 ヘルスケア、医療関連の予測
この分野では医療データベースの拡充と、それを使った深層学習によりAI診断やAI手術が可能になると予測されている。現時点でも既にIBMのAIコンピュータ「ワトソン」などが診断に活用されているが、医師にとってはデータベースをうまく使用して診断をするのが、誤診を防ぐ普通の手法になると予測されている。
また遺伝子に関する医学が進展し、その範囲も遺伝子治療から遺伝子操作にまで及ぶようになる。そして再生医療用の部材も三次元プリンタで作られるようになる。また診断用画像や手術用画像には分子イメージング技術(参考資料9)など新規ツールが活用されると予想されている。
つまり豊富なデータベースと新しいツールで、医療とAI・深層学習のIT技術とが融合し、大きく発展すると予測されている。ネットでつながれば遠隔治療も普通に行われるようになる。
<課題>
ここでも豊富なデータベースの保管蓄積方法の開発や、必要なデータを瞬時に検索する
高速通信技術や通信方式の開発が課題として上げられるであろう。
また異分野の技術を取り込む仕組みも重要である。つまり技術の異分野への水平展開を
考えて実用化研究を急ぐことも必要である。常時、岡目八目で異分野に目を光らせながら開発を進めるシステムの構築、意識改革も古くて、新しい課題でもある。
例えば遺伝子治療などの医学分野と工学の融合を考えてみよう。そこでは半導体産業で培われたクリーンルームの建設技術、清浄化維持の技術、そして防塵防護服の技術、静電対策技術などが役立つことは容易に想像できる。なにせ半導体工場は既にナノメートルの加工を自動化している世界であり、そこで働く従業員はナノメートルサイズのパーティクルの防塵対策を訓練されている。その技術は感染症やウイルス対策には大いに参考になるはずである。また検査員の負担を減らす意味でも更なる医療現場の自動化を促進する必要があろう。半導体生産現場では発塵源となる作業者を極力減らすため、自動化が推進されている。今回のコロナウイルスに対しても、国内に半導体産業が残っていれば、防護服や資材の提供潤沢にできたものをと、また、自動化技術や清浄化技術なども参考になったはずなのに、と歯がゆく思われた方も多かったことであろう。
2.3 新製品分野
図3は図1の技術で生み出されるハード面の新製品例の列挙である。またソフト面での例としてアルゴリズム開発も取り上げられており、前述の医療と同じように法曹界でのデータベース拡充も期待されている。医師と同様、弁護士も過去の膨大な判例のデータベースから判断が求められるからである。
<課題>
一つ一つのカードの実現にそれぞれの課題が考えられる。しかし図3の例ではカード相互間の独立性が高く、相互の関連性を見つけるのも困難でもある。従ってここでは課題を個別に取り上げても議論が散漫になるので、元のカードを眺めるだけにとどめて、将来像をイメージして欲しい。新製品中に自動運転車やドローンなどの配送システムが特段強調されていないのは、予測するまでもなく将来動向としてはもう既にごく当然と思われているのだろう。またAIを加速するのにはこの本に記載されているような大型量子コンピュータ(参考資料10)のみでなく、例えばAIエッジデバイス(参考資料11)などの開発も課題になる。
図3 想定される新規製品の例
詳細は省略するが、図1の技術開発や図2の医療の予測に対する課題は、農業、食糧分野でも共通である。即ち農業や食料分野でIoTを活用するなら、ネットワーク理論やエッジデバイスの開発が必須の課題である。
またデータベース拡充の必要性と課題に関しては、医療のみでなく法曹界でも同じで、弁護士や裁判官の迅速な判断に寄与するためには、図1や図2の分野と同様に、大容量データベース蓄積技術と高速通信技術の開発が必須になる。
2.4 社会改革分野
図4はそのような技術進歩が、社会改革に果たす貢献をまとめたものである。
図4 社会改革への展開
即ち、再生可能エネルギーの利用が普及し、またアーバンマイニングでリサイクル、リユースの輪が回るようになって、環境保全が進む社会になると予測されている。またAI社会の普及によりこれまでとは異なった働き方の社会になると考えられている。更にまたSDGsでうたわれているように教育の機会均等も進む。そして発展途上国で今まで以上にスマートフォンが普及すると、女性解放が一気に進行すると示唆されている(参考資料12)。日本にいると女性解放とスマホがどう関係するのか理解できない方も多かろう。
しかしアフリカでは農民はほとんど女性であり、スマホで市場価格を知れば、市場価値に合った価格で取引できるので、貧困脱却の一助になる。また妊娠初期の女性に音声メッセージで検診時期や注意事項を伝えることもできる。女性を救うのはスマホというのは、筆者がヤング武田賞(参考資料13)応募書類の調査を担当していた時に、アフリカなどからこの種の多くの提案を眼にしたので、よく理解できる。
一方そのスマホでは、仮想現実や拡張現実が取り入れられ、例えば没入型(参考資料14)ツーリングが楽しめるようにもなるとも記述されている。筆者も中央アジアから来たさくらサイエンス(参考資料15)の参加者が、ポケモンやピカチュウを楽しんでいたのを目の当りにした。
即ちAIとIoT、またスマホなどの活用で社会改革や娯楽ができるようになり、人々
の新しい働き方改革にもつながるという予測である。
<課題>
ここでもまた通信容量の拡大、通信速度の改善、電波の届く範囲の拡張、などネットワーク理論も含めた通信工学での基礎研究の重要性があげられる。もちろん、廉価な端末の開発実用化や、その端末の使い勝手の改善も課題に挙げられよう。
前記の予測では脳と同じ機能を持つ量子コンピュータを想定していたが、AIそのものも用途に応じて汎用型か、特化型か、あるいはその棲み分けなどという議論も必要になる。社会改革も教育問題や環境問題に限らず、倫理問題も含めたあらゆる分野での議論が課題として必要になろう。
2.5 AIとテクノロジー
図5はそのような議論の、本書なりの途中経過のまとめの意味を持つグループである。
図5 AIとテクノロジー
既に押し寄せてきているAIの波をビッグデータとIoTで制御することにより、製造業では自律型ロボットでラインが構成されるので、立地条件としては労賃より顧客と市場の距離感に観点が移り、顧客に近い国内へ、製造業の回帰が進むと予測されている。
また社会の構造も、例えば自動運転やタクシー配車などでデジタル化が進むので、社会のデジタル度を測定する指標ができるだろう。自動運転車や無人タクシー配車システムについてはあまり考察してこなかったが、産業的に見ても大きな技術革新を必要とし、またそれを現実化するための社会システムという面からも影響の大きな分野である。つまりクルマに乗っている間は生産的ではないので、今の経済指標ではその効果が捉えにくい。しかしこの分野でもAIやIoT、そしてそれをコントロールするコンピューティング技術の発展によりもっと大きな視野での効果が考えられるので、そのような観点の新しい指標が考えられるだろうと予測されている。
一方、深層学習では途中経過はブラックボックスなので、因果関係の理解は滞ることにならざるを得ない。それは諦めざるを得ないとしている。またテクノロジーはその時その時の課題解決策なので、一つ解決すればまた別の課題が発生し、終わることが無いとも予測されている。
つまり図5の右のラベルのように、AI、IoT、ビッグデータで社会や製造業の動向が決まるが、その時に使われる深層学習では因果関係は不透明のままである。そして技術革新に終わりはないということである。
<課題>
ビッグデータとIoTでAIの波を制するためには、それ相応の個別技術の革新が必要になる。即ち今までの課題の繰り返しになるが、ここでもビッグデータをいかに格納するのか、いかに必要な時に高速で取り出せるようにするのか、ここでもサーバーの素子のみでなく、ネットワークや通信理論の深化という課題が生じる。
自動運転車の開発と普及、無人タクシー配車、商品の無人配送などには安全性とセキュリティの観点から、より充実した各種センサ開発と、システム開発が共に課題になる。そのようなインフラを備えるためにも、社会のデジタル度を経済的に測定評価する指標が必要になる。何をどう測定し指標として標準化するのかを議論することも課題である。
深層学習では因果関係は不透明だからと言って、諦めてしまってよいものだろうか。因果関係を知らずして、どうやって深層学習の改良改善ができるのだろうか。コンピューティング理論の深化も必要になろうと考える。
3.総覧
以上の各図の右端のラベルを総覧し考察した、筆者なりの本書のまとめが図6である。項目数はそれぞれの元カードの枚数、つまり判断の基となった各図の左側のカードの数を意味する。
図6 前図の各分野を総覧したまとめ
それぞれのまとめの説明は、図1から図5までの各図の右端のラベルと同じなので、重複を避けるためここでは省略するが、要するにAI、IoTに脳機能を持つ量子コンピュータが登場し、例えば医療と融合すれば革新的な医療行為がなされるようになる。またその更なるAIや深層学習の深化で、今後の産業動向の方向が決まるようになり、社会革新も進むということであろう。
4.課題のまとめ
各図のそれぞれの分野でまとめる度に、筆者なりに考えた<課題>を挙げてきた。その課題を総合すると下記のようになろう。即ち、
1) 今まで以上に大容量データベースの記憶と保存手法の開発と、そこから検索した情報で迅速な演算ができる高速通信システムの開発、およびそれらを総合したネットワーク理論の深化が基本的な課題である。
2) 量子コンピュータを一段と加速させるには、量子ビットの転送に最適なデバイス開発と、その演算に最適なソフトが求められる。そしてそれに脳と同じ機能を持たせるとしたら、そこでもハードとソフトの開発が必要課題である。生産現場で使うとしても上記,硫歛蟆魴茲必須である
3) 上記の実現にはそれを達成するインフラと同時に、個別のシステム、ニューロ回路、ニューロデバイス、各種高性能センサなどの開発と、それを支えるエマージングマテリアルの開発が必要課題である。
4) また自動運転車や無人タクシー、無人配送システムの普及に伴って、社会のデジタル度を経済的に測定評価できる新しい観点の指標と標準化も必要課題になる。指標の策定には標準化の経験者の知恵が生きる。
5) 諦めずに深層学習ソフトの中で因果関係の透明さを追求する努力も必要と考える。深層学習ソフトや、AIの評価をして改良改善を行うには、少なからず因果関係の解明が不可欠だからである。
5.あとがき
図6の本書でのまとめの結論があまりにも月並みで、拍子抜けした読者も多いかもしれない。しかしたとえ月並みであっても、開発実用化担当者にとって課題を探索して、限られた時間とリソース内でその課題を解決しておくことが最も重要であることに変わりはない。ご自分の立ち位置で心に描かれていた目標と照らし合わせるとき、前章の5つの課題を一つの見方として捉えて頂ければ、望外の喜びである。ご自分の考えの方が進んでいる、あるいは同じだと思われて安心されるのも良し、また僭越ながら、もし抜けていた点があれば補填されるのも良いだろう。
そもそもKJ法は、まとめる者の能力以上のものは出てこないのではないか。だとするとここまでお読みいただいた読者には、筆者の能力不足をお詫びするしかない。KJ法が単なる整理の仕方の一つに過ぎないと考えると、もう少し別の道から探索をすることも考えねばならないかとも思っている。例えば、防災、防疫、あるいはカントリーリスクや危機管理などから分析して見れば、老人経験者の知見が生きる道も開けるかなとも考えている。
謝辞
いつもの通り、元NEC、現在JSTの工藤修氏には忌憚の無いご意見を賜った。また本稿に関しても津田編集長のご査読を頂いた。共に深く感謝し厚く御礼申し上げたい。
付記
私事で恐縮ではあるが、筆者がもし今年も東京大学大学院工学系研究科で講義を継続すると、講義時期の9月〜12月には既に80歳を越してしまう。3月末で講師の委嘱期間が切れる時期と合わせて、教職に終止符を打つ決意をした。またお世話になっていた武田計測先端知財団も、昨年度で対外活動を終了することになった。そこで一気に張り詰めた緊張感が緩んだが、このままでは痴呆が進むだけなので、自分なりに次の目標を見つけようと思考した経緯が本稿の基になっている。
筆者の場合は結局やはりAIか、深層学習か、はたまた量子力学の復習かということになる。しかも今後は単にAIや深層学習ソフトの開発のみでなく、その評価や検証が必要になるので、量子力学のような基礎知識も欠かせない。一方、大学の教科書売り場でAIや深層学習の教科書を見ると、その分厚さに新たにチャレンジするにも逡巡せざるを得ない。
いずれにせよ筆者にとっては残り時間も少ないので、高い山登りも無理となれば、低地で歩みを進める以外にないのだろう。でもまだまだ頑張りたい気持ちを捨てきれない。これも未練なのだろうか。
参考資料
1. ディヴィッド・クリスチャン著、柴田裕之訳「オリジンストーリー」筑摩書房刊(2019年11月)
2. 長谷川眞理子, “宇宙史の中で人間の存在考える”, 朝日新聞 2020年1月25日
3. 文献1のp.348
4. 英『エコノミクスト』編集部 土方奈美訳 「2050年の技術 英エコノミスト誌は予測する」 文藝春秋刊(2017年4月)
5. 自律型製造ラインとしては、例えば、鴨志田元孝, AEC/APCの原点は1982年に出願、1983-84年に公開されたNEC発の特許, セミコンンポータル(2009.11.12)の記事で、フィードバック、フィードフォワードで自己正常化ラインができるという指摘
6. 熱を考慮した設計のことで例えばhttps://web.jiep.or.jp/tech-committees/thermal.htmlを参照
7. DNAメモリの歴史も古く、例えば、柏村聡ら,”DNAを記憶素子として用いた分子メモリの開発と大容量化に関する検討,” FIT2005(第4回情報科学技術フォーラム)H030,(2005)
最近でも例えば東京エレクトロンTelescopemagagine(2019.7.22)でマイクロソフトとワシントン大学によるDNAメモリが報道されている
8. 「固有技術と管理技術」という呼称は品質管理分野の用語.
https://www.juse.or.jp/tqm/about/01.html
9. 「分子イメージング」に関しては例えば理研,“分子イメージングとは”
10. 西森秀稔, 大関真之, 「量子コンピュータが人工知能を加速する」日経BPマーケティング刊 (2016.12)
11. 例えばソニーは「AIイメージセンサ」を発表している
https://xtech.nikkei.com/atcl/nxt/news/18/07857/?P=2
12. 本書pp.319−320
13. ヤング武田賞については武田計測先端知財団のホームページを参照。
14. 「没入型」に関しては例えば小木哲郎, “没入型ディスプレイの特性と応用の展開”
15. さくらサイエンスプランに関してはhttps://ssp.jst.go.jp/index.html