
AI 株式

AI 株式

2026年1月20日
著者 Jonathan Schramm
AI のエネルギー危機が原子力 SMR 投資ブームを加速させる
By Jonathan SchrammAI のエネルギー危機が原子力復活を迫っている人類の主要エネルギー源に関する議論は近年激化しています。歴史的に化石燃料が支配的であり、暖房、産業プロセス、輸送などの総エネルギー消費を考慮すれば、電力生成だけでなく依然として支配的です。出典: IEAしかし、これらの議論は AI ブーム以前からあり、AI が世界的なエネルギー需要を加速させました。ニューラルネットワーク、巨大言語モデル(LLM)および AI の運用は、従来のコンピューティングに比べて指数関数的にエネルギー集約的です。例えば、ChatGPT のような LLM で実行される「検索」は、標準的な Google 検索の 10〜30 倍のエネルギーを消費します。採用率とデータセンターの建設速度次第では、データセンターのエネルギー需要は 2030 年までに 2〜6 倍に増加する可能性があります。出典: IEAこの急増は重大なボトルネックを生み出します。データセンターは 100% 信頼できる安定した高品質電力供給を必要としますが、太陽光や風力といった間欠的エネルギー源は、膨大な蓄電インフラなしでは必要な規模で供給できません。一方で、化石燃料への依存はテック業界の炭素削減コミットメントと矛盾します。これが主要な AI 企業が原子力エネルギーに目を向ける理由であり、原子力は大規模ベースロード電力、安定した電力周波数、ゼロ炭素排出という独自の組み合わせを提供します。初期の動きとして、Microsoft が 2024...

2025年4月21日 著者 Gaurav Roy
上場前防衛AIスタートアップ5社が近代戦争の未来を形作る
By Gaurav Royここ数年、地政学的な不確実性は上昇し続け、前例のない変動性と複雑性に達しています。 これにより 大きな影響を与えました 世界市場、外交関係、そして戦略的政策立案に。この不確実性の大きな影響は、世界各国でも見られ、10年連続で軍事支出を増やし、あらゆる事態に備えています。 国際戦略研究所(IISS)によると、2024年の世界防衛支出は2.46兆ドルに達しました, 前年の2.24兆ドルから増加しています。2023年の防衛支出 と述べられました 「2009年以来最大の年次増加率」であり、ストックホルム国際平和研究所(SIPRI)が記録した中で最大です。昨年の急増の結果、世界の防衛支出は前年に比べて上昇し、GDP比で平均1.9%に達しました。これは2023年の1.8%、その前年の1.6%からの増加です。中東・北アフリカ(MENA)地域、アジア、ヨーロッパの各国予算は、地政学的紛争の激化、脅威認識の高まり、そして安全環境の悪化に対応して大幅に増加しました。それでも、アメリカ合衆国は約9,680億ドルで世界最大の軍事支出国であり、他国は追随できません。 NATO加盟国の防衛予算では、米国に続きドイツが860億ドル、英国が811億ドル、フランスが640億ドルです。一方、アジアの防衛予算は過去10年と同様に緩やかなペースで増加し続けました。特に日本とインドネシアは大幅に増加しましたが、それにもかかわらず、他地域の伸びが大きく、地域全体の世界支出シェアは2021年の25.9%から2024年には21.7%に低下しました。しかし、中国の防衛予算は実質で7.4%増加し、地域全体の平均3.9%を上回っています。国家が軍事を近代化するにつれて一つの方法この近代化が進むのは、人工知能(AI)の助けを借りており、軍事の意思決定を再構築するために使用されています。 中国の指導者習近平は軍事AIを最高戦略的優先事項にしました。, その結果、人民解放軍はAIの拡大に多額の投資を行っています。軍事におけるAIの高まるトレンドコンピュータシステムで人間の知能プロセスをシミュレートすることにより、AIは学習、問題解決、意思決定などのタスクを実行できる機械を可能にします。過去数年で、AIの利用は軍事を含むさまざまなセクターで急速に拡大し、統合されており情報、監視、物流、そして自律システムの能力を向上させています。 AIの軍事への主な応用例としては、無人車両やロボットを監視、物流、さらには戦闘作戦に活用すること、標的を識別し交戦させる自律兵器の開発により兵士のリスクを低減すること、そして軍事ネットワークを保護しサイバー攻撃の検出・防止に役立てることが挙げられます。AIは衛星画像の処理や膨大なデータの分析、リアルタイムデータの解釈にも使用され、作戦効率を向上させ、戦略的意思決定に洞察を提供します。さらに、この技術は軍事関係者のためにリアルなシミュレーションを作成し、訓練やスキル向上に役立ちます。AIの多くの利点を考えると、その軍事利用は指数関数的に拡大しています。世界中の国々は最新のAI技術を軍事作戦に導入するために何百万もの資金を投入しています。例えば、米国におけるAI関連の連邦契約の潜在的価値は、2022年から2023年にかけて約1200%増加したとブロッキングスの報告で示されています。米軍のAI推進は、特に、何年も前から始まっています。当時はコンピュータビジョンなどのツールで画像を分析し空爆目標を特定していましたが、現在では技術の急速な進歩に伴い、はるかに高度で深く統合されたものとなっています。退役陸軍将軍マーク・ミリーは昨年のイベントで、スマートシステムは今後10年ほどで米軍の約3分の1を占めると予測しました。「これは根本的な変化であり、他国の軍隊も同様に設計されるだろう」と述べ、人員は減少すると予想されます。つまり「軍事利用に最適化した技術を持つ国は、武力衝突において非常に重要かつ決定的な優位性を得るだろう」とミリーは語っています。上場企業であるPalantir Technologies , Lockheed Martin , Raytheon Technologies , および Northrop Grumman は、軍事AI分野で最も著名な企業の一部であり、世界中の政府に製品やツールを積極的に供給しています。Alphabet Inc. , Microsoft , Amazon...

2024年8月1日 著者 David Hamilton
予測AI分析による突波対策で海上安全が向上
By David Hamilton今週は、エンジニアチームがAIニューラルネットワークが突波を予測し警告できることを示す研究を発表したことで、海洋研究と海上安全における大きなマイルストーンとなります。これらの巨大な現象はかつて予測不可能とされ、何世紀にもわたり大きな損失をもたらしてきました。知っておくべきことは以下の通りです。突波突波は、キラー波、モンスター波、エクストリーム波など様々な呼称があります。これらの波は通常の海況の2倍の高さを持ち、突然現れてその進路にあるものを大きな危険にさらします。歴史を通じて、突波は海の旅人の民話の中で語られ、仲間の船員を深海へと引きずり込む巨大な波の伝説が語り継がれてきました。今日でも、これらの波は重大な脅威となっています。特筆すべきは、これらの稀な海洋現象は規模と破壊力において津波に似ている点です。しかし、よく理解された津波とは異なり、突波は地震などの顕著な前兆なしに現れることがあります。そのため、オフショアのインフラや旅行者、その他の装置に対して大きな危険をもたらします。突波の形成方法最近まで、信頼できる突波形成メカニズムを構築するための十分なデータと計算能力が不足していました。そのため、これらの捉えどころのない現象に関する科学は、主に事象発生後の観測データ収集に基づいていました。この情報により、研究者は突波が形成される最も顕著な3つの方法を特定しました。徐々に蓄積興味深いことに、突波は他の波と組み合わさる必要なく形成・蓄積し始めることがあります。メキシコ湾流のような強い海流が共鳴し拡大して巨大な海の異常を生み出すことがあります。この現象を研究する科学者は、単一波列の拡大を説明するためにベンジャミン=フェア不安定性という手法を用いることが多いです。これは研究者が捉えた最も稀な形態の突波の一つです。複数波の干渉最も広く理解されている突波の形成は、複数の波が完璧なタイミングで干渉し合い、波幅を増幅させることによります。波が蓄積し共鳴すると、波の勢いと激しさが増大します。これは、各波がより大きな運動量に吸収されていく雪だるま式効果に例えることができ、巨大な壁となって進路上のすべてを破壊しようとします。突波を検出する現在の方法世界的に信頼できる突波予報システムはまだ整備されておらず、これらの現象は年間数十億ドル規模の被害をもたらす可能性があります。最も一般的に使用されている方法は、リアルタイムの海洋データに依存し、事象が発生した際にのみ海面上昇を検知して科学者に通知するものです。この戦略は、早期警戒や安全対策の面で大きな課題があります。突波に関する研究「ブイ測定からの突波予測」という研究は、これらのユニークな海洋現象に光を当てようとしています。研究者は、現在の海の状態に基づいて突波が発生する確率を予測できるAIニューラルネットワークの構築を目指しました。このアプローチの一環として、研究者は突波が形成される前にどのような前因子が現れるかを特定しようとしました。このアプローチは、現場測定装置と高度なニューラルネットワークを用いて、過去の波と最終的な突波イベントとの機能的関係を示すことを目的としています。さらに重要なのは、研究チームが突波を生成するために必要な個々の波間の同期フェーズを捉え、記録しようとした点です。テストフェーズテストはニューラルネットワークの構築から始まりました。チームは長短期記憶(LSTM)AIアルゴリズムを使用することに決めました。これらのAIシステムは、入力データと出力データ間の機能的関係を効率化するために作られ、複雑なシステムのデータ駆動予測を作成するのに最適です。海上ブイ研究者は、米国東海岸と太平洋諸島の沖合に設置された深さ20メートルから+4000メートルまでの172基のブイからデータを収集しました。テストでは2種類のブイが使用されました。Datawell Directional Wave Rider MkIII(サンプリングレート1.28 Hz)とDatawell Directional Wave Rider MkIII(サンプリングレート2.56 Hz)です。これらの装置は十分にテストされており、垂直変位を監視する加速度計を含む信頼性の高いデータを提供します。データセットニューラルネットワークは、突波前の状態に関する連続データ880年分に相当するサンプルサイズでプログラムされました。具体的には、1,400万件の30分間の海面高程測定と、同じブイから取得した40,000件の海面高程測定が組み合わされました。このデータは異常をチェックするためにスキャンされ、アルゴリズムに再入力されて、これらの要因を検出する訓練が強化されました。海洋条件への関連性研究者は、テストフェーズで突波サンプルを極力少なくし、実際のシナリオに近いデータになるよう努めました。その後、サンプルは非突波と突波のカテゴリに分割され、強化されました。特筆すべきは、初期データがCoastal Data Information Program(CDIP)とScripps Institution of Oceanographyの協力により取得されたことです。突波のスキャン研究者はメリーランド大学のスーパーコンピューティングリソースを使用して波サンプルデータをスキャンしました。このアクセスにより、NVIDIA A100 GPUとローカルのNVIDIA Quadro P1000 GPUを組み合わせて、AIの性能、学習時間、精度を向上させることができました。結果本研究の結果は、今後エンジニアや研究者が突波を見る視点に大きな影響を与える可能性があります。かつてほぼ判別不可能とされていたこれらの現象が、AIシステムを用いることで75%の精度で特定できました。具体的には、突波の75%が出現から1分以内に予測されました。警告時間を5分に拡大した場合でも精度は73%にしか低下しませんでした。総計で、AIは約3千件の突波を正確に予測しました。AI検知を逃れたのは855件で、システムの精度は23%となります。多くの研究者がこれらの現象の判別は不可能と考えていたことを考えると、今回の結果は新しくより効果的な予測システム導入への道を開きました。利点本研究は市場にもたらす利点が多数あります。まず、これは初めての信頼できる突波予報システムの概念です。突波は予測が難しいという考えを覆し、代わりに船舶やオフショアプラットフォームに対し、必要に応じて価値ある高度な警告を提供できる、非常に信頼性が高くコスト効果のあるソリューションを提示します。既存ブイデータの活用突波の確率を算出するこのアプローチのもう一つの大きな利点は、新たなセンサーやシステムを設置する必要がないことです。ブイは何十年も前から配備・テストされており、信頼性が高く実績のあるデータソースで、履歴が追跡可能です。このAI予測アップグレードはソフトウェアであるため、これらの装置が提供する何百万時間ものデータを活用し、将来の性能を向上・強化できます。汎用性AIトレーニングの最も興味深い点の一つは、モデルが元のブイデータセット外の場所にも成功裏に適用できたことです。チームは、フロリダ州ジャクソンビル近郊のブイ132と、ロサンゼルス沖のサンニコラス島近くのブイ067という2つのオフサイトブイに対し、高い確率で突波リスクを予測できました。結果は、アルゴリズムが他の場所にも適用可能であることを示しました。自己改善この種のAIアルゴリズムの最大の利点の一つは、データセットを継続的に改善し、理解を強化しながら性能を向上させられる点です。データが洗練されるにつれてシステムは向上します。したがって、この手法は低コストで効率的に運用を強化する方法を提供します。研究者トーマス・ブロイナングとバラクマル・バラチャンランは本研究の主要研究者です。彼らは、世界規模で高精度に突波を判定する方法を示すという目標を達成しました。特筆すべきは、メリーランド大学がスーパーコンピューティングリソースと支援を提供したことで、チームは現在、風速、位置、深度などの追加データをモデルに導入し、結果の改善を目指しています。これらすべての要因が検出時間の短縮や、事象の高さを推定する手段にもつながります。本技術を今日統合できる企業多くの企業が本研究から即座に利益を得られるでしょう。現在、海上インフラや船舶は数十億ドル規模で海を航行しています。これらの企業は、壊滅的な損失や死亡を防ぐ技術への投資を確実に行うでしょう。1. Diamond Offshore Drilling Inc.Diamond Offshore Drilling...

2024年5月1日
著者 Jonathan Schramm
AI搭載遺伝子編集が『OpenCRISPR-1』で可能に
By Jonathan SchrammCRISPR革命CRISPR (Clustered Regularly Interspaced Short Palindromic Repeats) は、最近発見された遺伝子編集ツールです。非常に正確で指向的な遺伝子編集を可能にし、その発見者は2020年ノーベル賞を受賞しました。最初に発見されたCRISPRシステムはCRISPR-Cas9で、その後多くの改良CRISPRシステムが発見または作成されています。CRISPRの技術的詳細については、当社の記事「What Is CRISPR-Cas12a2? & Why Does It Matter」をご覧ください。CRISPRはゲノム革命の最前線にあり、これを用いた最初の遺伝子治療が血液疾患に対して承認されました。この点については「CRISPR企業が鎌状赤血球貧血を標的とする方法」で詳しく取り上げました。発見以来、CRISPRを活用して特定の遺伝子やDNA配列を改変する方法を見つけることは、膨大な専門知識と手作業を要する骨の折れる作業でした。しかし、AIツールの急速な発展により、状況が変わる可能性があります。AI + CRISPRカリフォルニア大学バークレー校の研究者は、LLM(大規模言語モデル)とCRISPR技術の組み合わせを調査し、論文「Design of highly functional genome editors by modeling the universe...

2024年1月4日 著者 Gaurav Roy
手術と自動化を支える5つのロボティクスリーダー
By Gaurav Roy自動車を組み立てる機械アームとして始まったものが、現在では720億ドル規模の巨大産業へと進化し、2032年までに2,820億ドルに向かって急成長しています。これは10年間で毎年14.7%の成長です。ロボットは1980年代から存在していますが、主に製造工場にとどまっていました。しかし現在、心臓手術を行い、荷物を配達し、倉庫を運営し、人間と共に働くようになっています。違いは経済性にあります。ロボットのコストはついに下がり続けており、性能は急上昇しています。自動化工場が至る所に出現し、もはや自動車製造だけが目的ではありません。このブームの背後には、ロボティクス分野の早期可能性に気付いた企業があり、現在はこの有望な市場の最前線に立っています。

2021年2月1日 著者 Baggio Ma
テスラ社(NASDAQ: TSLA)株への投資
By Baggio MaTesla, Inc (NASDAQ: TSLA) は、自律走行電気自動車メーカーであり、自動車業界を急速に変革しています。つい最近まで、電気自動車のコストは高く、魅力も低かったです。Teslaはこれらの課題に対処し、技術革新により低コストで走りが楽しい車を実現しました。同社は急速に世帯名となり、自動車業界ではめったに見られないブランド認知を得ています。先見的なCEOの指揮の下、Teslaは現在市場で最も有望な企業の一つです。テスラ社(TSLA)とは?Teslaと同義語とされているにもかかわらず、Elon Muskは実際には同社の創業者の一人ではありませんでした。代わりに、2003年に会社を設立したのはエンジニアのMartin EberhardとMarc Tarpenningの二人です。Muskは最初は早期投資家として関わり、すぐに取締役会長に就任しました。Teslaの初期ビジョンは、車メーカーであると同時にテクノロジー企業を創ることでした。研究開発に投資することで、同社は長年にわたりハードウェアとソフトウェアの先駆けとなり、自律走行などの革命的ブレークスルーを実現しました。Teslaの最初の車はRoadsterで、ハイエンド市場を対象としていました。生産は2008年に開始され、最初の納車は合計147台でした。Muskはこれらの販売を活用してコスト削減に投資し、また自ら資金を投入してスタートアッププロセスを支援しました。多くの投資家がPayPalやSpaceXなどのビジョナリーが率いるTeslaの可能性に関心を持ち、同社は最終的に2010年にIPOを実施しました。その後数年で、Teslaはコストを削減し、市場の新しいセグメントに参入することができました。Model X、Model S、Model 3 といった低価格車が続々とデビューし、電気自動車の大衆市場への訴求力が拡大しました。この拡大した製品ラインにより、Teslaは生産能力の構築に大規模な投資を行いました。Teslaの最初の工場はカリフォルニア州フリーモントにあり、かつてのGM工場の敷地を利用していました。その後、同社は生産拠点をニューヨーク、ネバダ、テキサス、上海、ベルリンへと拡大しました。なぜTesla, Inc(TSLA)が重要なのかTeslaの最大の工学的偉業の一つは、2020年に発表されたタブレス設計バッテリーです。当初、TeslaのバッテリーはPanasonicなどの外部ベンダーが製造していましたが、2020年に自社生産へ切り替えました。この特許取得済みの設計は、バッテリーを車の駆動系に接続する導電性金属タブを不要にします。この革命的技術は、電気自動車に対する二つの主な不満、すなわち価格と航続距離の不足に対処しました。電気自動車で最もコストがかかるバッテリー部分のコストを大幅に削減できたため、Teslaは車両をより低価格で販売できるようになりました。生産コストは56%削減され、ガソリン車と競争できるようになります。さらに、バッテリーは従来の5倍のエネルギーを蓄え、航続距離を16%伸ばすことが可能です。一部の自動車メーカーとは異なり、Teslaの製造プロセスは高度に垂直統合されています。他社がエンジン開発に注力し、部品製造を外部委託するのに対し、Teslaは製造プロセス全体を最初から最後まで自社で最適化するために多大な時間とリソースを費やしています。2017年にModel 3のシート製造プロセスで問題が生じ、生産拡大が停滞したことがありましたが、現在は解決されています。この成長痛は生産をボトルネックし、2017〜2019年に破産の瀬戸際に追い込む原因となりましたが、長期的には価値ある投資となりました。このビジネスモデルにより、スムーズな生産プロセスと品質・納期管理のコントロールが可能となり、競合他社に対して大きな優位性を持っています。Tesla, Inc(TSLA)の見通し電気自動車が未来であることに疑いはありません。多くの従来メーカーが追随し電気車の開発を始めているものの、Teslaはブランド認知度とロイヤルティの面で圧倒的に先行しています。2020年、Teslaは電気自動車市場シェアの18%を占め、VWは遠く及ばず6%にとどまりました。その地位は依然として強固ですが、他メーカーも電気車技術への投資を大幅に拡大しています。たとえ競争が激化しても、売上と収益は引き続き成長すると見られます。セクター全体の成長が続く中で、市場シェアがやや低下しても、Teslaははるかに大きな市場全体からのシェアを確保できるでしょう。2019年には電気自動車は世界の自動車販売のわずか2%を占めていましたが、欧州とアジアが牽引していました。2030年までに、電気自動車は新車購入全体の31%を占めると予測されており、購入の49%が中国、27%が欧州で行われる見込みです。各国の政策もこの流れを加速させており、炭素税、都市部へのアクセス制限、電気車購入への現金補助金などが導入されています。Teslaは車両で最も知られていますが、将来の成長を支えるもう一つの重要な要素は子会社のSolarCityです。米国で最も低コストの太陽エネルギー生産者の一つであるSolarCityは、Teslaのポートフォリオの重要な部分です。2016年にTeslaが買収したこの会社は、Teslaの他製品と高度に統合されており、持続可能な経済への移行という同社のビジョンに合致しています。SolarCityは2020年に太陽光設置市場シェアで第3位となり、Tesla車ほどのブランド認知はありませんが、今後の企業成長にとって非常に重要な位置付けです。どこでTesla, Inc(NASDAQ:TSLA)を購入できますか?当社が推奨するブローカーはFirstradeです。Firstradeは、投資家が自らの金融将来をコントロールできるよう設計された、投資商品とツールをフルラインで提供する大手オンライン証券会社です。1985年の創業以来、Firstradeは高付加価値かつ高品質なサービスの提供に努めています。独自の取引技術、直感的なユーザーインターフェース、優れたカスタマーサービス、モバイルアプリを組み合わせ、Firstradeはあらゆる投資ニーズに対応する包括的なソリューションを提供します。 FirstradeはFINRA/SIPCの会員です。まとめTeslaは間違いなく、より持続可能な未来への世界的な転換を牽引するリーダーの一つです。同社は電気自動車に対する世間の認識を単独で変え、カルト的な支持者層を築き上げました。長年にわたる投資は実を結び、Teslaは現在コストを削減し規模の経済で生産できるようになっています。将来のイノベーションにより価格がさらに下がれば、電気自動車の採用率は一層上昇するでしょう。企業の長期的な成長見通しは非常に有望であり、築かれた基盤は将来にわたって持続的な成長への明確な道筋を保証しています。これまでにTeslaの電気・太陽エネルギーの将来、そしてAI分野での現在のリーダーシップについて議論しましたが、これらはInvesting in Artificial Intelligence特集でも同様に重要なテーマとして取り上げられています。

2021年1月18日 著者 Baggio Ma
NVIDIA(NASDAQ: NVDA)株式への投資
By Baggio MaNVIDIA (NASDAQ: NVDA) は、1990年代を通じてコンピュータ・グラフィックスを革命的に変えたことで主に知られています。彼らの強力なグラフィックス処理ユニット(GPU)は、世界中の多くのデスクトップ、ノートブック、タブレット、ワークステーション、ゲーム機に搭載されています。多くの企業がコンピューティング領域に参入していますが、NVIDIA は同業他社に対していくつかの戦略的優位性を保持しています。現在の経験、知識、そして人材により、NVIDIA は期待を超え続けている企業です。NVIDIA (NVDA)とは何ですか?NVIDIA Corporation は、カリフォルニア州サンタクララで 3 人のコンピュータ科学者によって設立され、パーソナルコンピュータ向けの 3D グラフィックス体験の向上を目指しました。1993 年にカリフォルニアで設立された Jen-Hsun Huang、Chris Malachowsky、Curtis Priem は、PC でフルモーションビデオとステレオサウンドを利用できるようにするマイクロプロセッサの開発計画を立てました。彼らはすぐに強固な評判を築き、当時の主要なコンピューティング企業の一つである SGS‑Thomson Microelectronics と戦略的パートナーシップを結びました。この画期的な動きにより、NVIDIA は 1995 年...

2020年10月27日 著者 Antoine Tardif, CEO & 創業者の Securities.io
人工知能(AI)への投資 – 必要なすべての情報
By Antoine Tardif, CEO & 創業者の Securities.io人工知能(AI)は紹介不要の分野です。AIはムーアの法則の波に乗っており、述べていますコンピュータの速度と能力は2年ごとに倍増すると。2012年以降、最大規模のAIトレーニングで使用される計算量は指数関数的に増加しており、3〜4か月ごとに倍増しています。その結果、AIに割り当てられる計算リソースは2012年から30万倍に成長しました。他のどの産業もこの成長統計と比較できません。本稿では、AIのどの分野がこの加速を牽引しているか、どの企業がこの成長を活かすのに最適か、そしてそれがなぜ重要かを探ります。機械学習のタイプ機械学習はAIのサブフィールドで、基本的に機械に学習させるプログラミングです。機械学習アルゴリズムにはさまざまなタイプがあり、圧倒的に人気があるのはディープラーニングです。これはデータを人工ニューラルネットワーク(ANN)に入力することを伴います。ANNは、人間の脳にあるニューラルネットワークに触発された形式で結合された数学関数の非常に計算集約的なネットワークです。ANNに入力されるビッグデータが多いほど、ANNはより正確になります。例えば、猫の画像を識別するようにANNを訓練しようとする場合、ネットワークに1000枚の猫画像を与えると、精度は約70%にとどまります。1万枚に増やすと精度は80%に上がり、10万枚に増やすと精度は90%に達します。このように続きます。ここに機会があります。AIチップ開発分野を支配する企業は自然に成長の好機に恵まれています。他にも有望な機械学習のタイプが多数あり、例えば強化学習です。これはエージェントを行動と報酬の繰り返しで訓練する手法です。強化学習を用いることで、AIシステムは自己対戦しながら性能向上を目指すことができます。例えば、チェスプログラムが自分自身と何度も対戦し、各ゲームのプレイが次のゲームの性能向上につながります。現在、最先端のAIはディープラーニングと強化学習の組み合わせ、一般にディープ強化学習と呼ばれる手法を使用しています。テスラなど、世界の主要AI企業はすべて何らかのディープ強化学習を活用しています。他にも重要な機械学習システムが進展していますが、例えばメタラーニングなどです。簡潔に言えば、投資家が最も知っておくべきはディープラーニングとその高度な形であるディープ強化学習です。この技術革新の最前線にいる企業が、AIにおける指数的成長を最大限に活用できる立場にあります。データサイエンスとビッグデータ成功し市場リーダーになる企業と失敗する企業を分ける決定的要因があるとすれば、それはビッグデータです。すべての機械学習はデータサイエンスに大きく依存しており、これはデータのパターンから世界を理解するプロセスと表現できます。この場合、AIはデータから学習し、データが多いほど結果はより正確になります。この規則には過学習と呼ばれる例外がありますが、AI開発者はこの問題を認識し、対策を講じています。ビッグデータの重要性は、テスラのように自動運転技術で明確な市場優位性を持つ企業にとって大きな要因です。走行中でオートパイロットを使用しているすべてのテスラはデータをクラウドに送信しています。これにより、テスラはディープ強化学習やその他のアルゴリズム調整を行い、全体的な自動運転システムを改善できます。同様に、Googleのような企業は挑戦者にとって倒すのが極めて困難です。Googleは日々、検索結果、Google Adsense、Androidデバイス、Chromeブラウザ、さらにはNestサーモスタットなど、数多くの製品・サービスからデータを収集しています。Googleは世界中のどの企業よりも多くのデータを保有しています。これに加えて、同社が関わるすべてのムーンショットも考慮すべきです。ディープラーニングとデータサイエンスが重要である理由を理解すれば、以下の企業がなぜ強力なのかを推測できます。投資対象のAI企業現在、挑戦が極めて困難な市場リーダーが3社存在します。Alphabet Inc (NASDAQ: GOOGL)Alphabet IncはGoogle検索エンジンを含むすべてのGoogle製品を傘下に持つ企業です。AIにおける市場リーダーである理由を説明するために、簡単な歴史を紹介します。2010年、英国の企業DeepMindが、汎用学習アルゴリズムの構築を目的として設立されました。2013年、DeepMindはディープ強化学習を用いて7つのAtariゲームで世界チャンピオンになるなど、数々の成果で世界を驚かせました。2014年、GoogleはDeepMindを5億ドルで買収し、2015年にはDeepMindのAlphaGoがプロの囲碁棋士を初めて打ち負かし、さらに囲碁世界チャンピオンを破った初のAIプログラムとなりました。囲碁に詳しくない方は、囲碁が最も難しいゲームの一つと考えられています。DeepMindは現在、ディープ強化学習の市場リーダーと見なされており、人工汎用知能(AGI)達成の有力候補でもあります。AGIは将来的に人間レベルの知能を実現または超えることを目指すAIです。Googleが現在関与している他のAI分野も考慮すべきです。例えば、Waymoは自動運転技術でテスラに次ぐ市場リーダーであり、またGoogle検索エンジンで使用されている機密のAIシステムもあります。GoogleはAIの多くの領域に関与しており、すべてを網羅するには膨大な論文が必要です。Tesla (NASDAQ: TSLA)前述の通り、Teslaは道路上の車両群から収集したビッグデータを活用し、オートパイロットのデータを取得しています。収集データが多いほど、ディープ強化学習を用いた改善が可能となり、特に実生活で頻繁に起こらないエッジケース(稀なシナリオ)に対して重要です。例えば、道路上でスーツケースが交通に転がり込む、あるいは飛行機が空から落下するなど、すべてのシナリオを予測・プログラムすることは不可能です。このようなケースでは特定のデータが少なく、システムは多数の異なるシナリオからデータを関連付ける必要があります。これは膨大なデータ量を持つことのもう一つの利点で、ヒューストンで初めて遭遇したシナリオでも、ドバイのTeslaが類似のケースに遭遇している可能性があります。Teslaは(バッテリー技術)と電動車両技術でも市場リーダーです。これらはどちらも、充電が必要になる前に車両の走行距離を最適化するAIシステムに依存しています。TeslaはAI最適化を含む頻繁なOTAアップデートで知られており、車両の性能と航続距離を数パーセント向上させています。さらに、Teslaは独自のAIチップを設計しており、サードパーティ製チップに依存しなくなり、フルセルフドライビングソフトウェアと最初から連携できるようチップを最適化できます。NVIDIA (NASDAQ: NVDA)NVIDIAは現在のGPU(グラフィックス処理ユニット)チップ需要の上昇を最大限に活用できる最適な企業で、全GPU販売の80%を占めています。GPUは当初ビデオゲーム向けに使用されていましたが、すぐにAI業界、特にディープラーニングで採用されました。GPUが重要なのは、計算を並列で実行することでAI計算の速度が大幅に向上するためです。ディープラーニングのANNを訓練する際、入力は大量の行列乗算に依存し、並列処理が重要となります。NVIDIAはAI研究者のさまざまなユースケースや要件に最適化された新しいAIチップを継続的にリリースしています。この絶え間ないイノベーションへのプレッシャーが、NVIDIAを市場リーダーとして維持しています。証券ブローカーの選択まず最初にすべきことは証券ブローカーを選ぶことです。私たちが推奨するブローカーはFirstradeです。まとめAIに関わるすべての企業を列挙することは不可能です。重要なのは、業界が目撃してきたイノベーションと成長の大半を支える機械学習技術を理解することです。私たちは3つの市場リーダーを取り上げましたが、今後も多くの企業が登場します。AIの最新情報を把握し、AIの誇大宣伝を避け、この分野が常に進化し続けていることを理解するべきです。AIニュースを常にチェックしてください。(日本語で)

