楽しい木曜日、Patent Drop へようこそ!

今日、私たちは候補者を採用するために AI を使用する JP モルガンのテクノロジー、ニューラル ネットワークの洞察力を製造に応用するという Nvidia の計画、そして機械学習を誰でも利用できるようにするという Amazon の目標をチェックしています。

プログラムに関する簡単なメモ: Patent Drop は 5 月 8 日月曜日はお休みです。5 月 11 日木曜日に通常のスケジュールに戻ります。

ドラムロールお願いします！

#1. Chase の自動リクルーター

JPモルガン・チェースはAIに才能を見つけてもらいたいと考えている。

米国最大の (そして現在はさらに大きな) 銀行は、機械学習を使用して求職者を見つける方法の特許を取得しようとしています。基本的に、この技術は内部または外部ネットワークなどの「従業員の公開データ」を使用して候補者を特定し、その潜在的な新入社員の「信頼スコア」を生成します。このスコアは、候補者が現在の従業員とどの程度密接に関係しているか、その候補者を採用するのがどれほど簡単か難しいか、その候補者がその仕事に適しているかどうかを示します。

このシステムが優秀な採用者を特定すると、「ターゲットを絞った採用コミュニケーション」を生成して、その採用者に連絡を取り、応募と雇用の状況を監視します。このシステムは機械学習に基づいているため、この技術は、最適な候補者を見つけるのにどの程度うまく機能したか、採用されたかどうか、そして過去の経験から学習して改善し続けているかどうかを監視します。

JPモルガンは、この技術により、外部の採用チームが企業文化を理解していないため、従業員として長く働き続ける候補者を特定できないという問題が軽減されると指摘した。

JPモルガンは提出書類の中で、「新入社員を見つけて採用することは、どの組織にとっても重要な部分である」と述べた。 「組織と一致する価値観と目標を持つ従業員を見つけることが、長期的に従業員を見つけるために重要です。」

写真は米国特許商標庁経由。

ここには開梱するものがたくさんあります。まず第一に、これは通常人間が行う作業を AI が自動化するもう 1 つの例です。それだけではなく、採用や人事機能は人と人とのつながりに大きく基づいています。 AI はすでに人材採用と採用プロセスのあらゆる側面に影響を及ぼしており、候補者の調達から面接プロセスでの選考に至るまであらゆるものに浸透していると、 TalentSelect AIの CTO である Will Rose 氏は私に語った。

「JPモルガン・チェースの特許は、AIを利用して専門的および個人的なネットワークや人脈を理解し、採用結果を予測するというこの傾向の継続を示しています」とローズ氏は述べた。

考慮すべきもう 1 つの要素: この説明の仕方では、このテクノロジーは偏見を容易に生み出す可能性があり、その結果、多様性に欠けた労働力が生まれる可能性があります。

たとえば、多様性に欠ける従業員がすでにいる場合、その従業員のネットワークにも多様性が欠けている可能性があります。これらのネットワークで訓練された機械学習アルゴリズムが、通常は外部の採用担当者 (積極的に多様な候補者を探す可能性がある) によって行われる仕事を実行するために導入された場合、多様性の欠如は残るだけ、あるいはさらに悪化する可能性があります。そして、アルゴリズムが自己学習であることを考えると、それらの初期結果は根深いバイアスとなるでしょう。

JPモルガンが同行のESG政策をAIにプログラムするかどうかは不明で、同銀行はパテントドロップに問い合わせたところ回答は得られなかった。

しかし、その逆もまた真実である可能性がある、とローズ氏は言いました。ローズ氏は、人間が行う採用活動にはすでに根深いバイアスが存在しており、「採用プロセスにおける無意識の偏見の問題は十分に文書化されている」と述べた。

偏った結果がないかアルゴリズムに継続的にチェックすることで適切に実行できれば、「AI はより客観的なデータをプロセスに提供する機会を提供します。」と彼は言いました。

#2. Nvidiaの監視の目

Nvidia は製造上の欠陥をすべて発見したいと考えています。

チップメーカーは、ご想像のとおり、AI を使用して製造された製品の欠陥を検出できる技術に取り組んでいます。基本的に、これはニューラル ネットワークを「自動光学検査システム」に実装し、その名前が示すように、製造されたオブジェクトを検査します。ニューラル ネットワークは、欠陥のない物体の複数の画像でトレーニングされ、製造された各物体と学習した正しい物体を比較することで、物体が異常であることを検出します。

Nvidiaは、これにより現在の自動検査システムが抱える欠点が解決されると述べた。検査システムは多くの場合、1つのタスク専用であり、処理速度やカメラの角度が限られており、異なる照明条件では機能しないため、柔軟性が非常に低い場合があると同社は指摘した。

Nvidiaは提出書類の中で、製造プロセスのこの部分にAIを実装することで、「コスト、処理速度、移植性、トレーニングタスクの容易さ、使用するカメラ数の柔軟性、カメラ角度の柔軟性、複数の照明条件の柔軟性」などの要素が改善される可能性があると述べています。 」

写真は米国特許商標庁経由。

AI は製造環境に自然に適合します。これは、多くの場合、AI が提供できる細部への配慮と一貫した精度が必要となるためです。具体的には、ニューラル ネットワークは、画像や物体検出が関係する状況で使用するのに最適な種類の AI であり、この技術は、一般的なカメラ システムでは見逃してしまう可能性のある小さな欠陥を検出するための最良の選択肢となります。

Manufacturing-as-a-Service 企業Hey Scottieの CEO 兼創設者である Rhonda Dibachi 氏は、この特許は広範囲のニューラル ネットワーク ベースの物体検出をカバーしていると述べました。まず、必ずしも欠陥を見つけるために使用する必要はなく、あらゆる種類の物体検出に使用できます。検査は可視光、X 線、赤外線などのさまざまな方法で実行でき、さまざまな種類の環境で操作できます。

「私にとってはかなり包括的なものに見えます」とディバチ氏は語った。 「これは、私が次のようなプロンプトを出したとしたら、あなたが書きそうな特許です。『AI とニューラル ネットワークを使用して、物の中から何かを検出し、それに対して何かを行う特許を書いてください。』

製造分野の多くはまだ AI によって破壊されていません。ディバチ氏によると、工場環境におけるこの技術のいくつかのアプリケーションは小規模かつより狭い範囲に焦点が当てられており、製品全体ではなく、一度に 1 つのコンポーネントで動作するという。 「人間の目視検査から推測やランダム性を取り除くことができる操作は、非常に役立つでしょう」と彼女は述べました。

この特許では、この技術を特定の機能（プリント基板の検査）に使用することが記載されているが、「工場内のあらゆる作業」に導入される可能性があるとディバチ氏は述べた。たとえば、AI の性質が新しいデータから常に学習することを考えると、1 つの検査システムで複数の異なる種類の製品の問題を検出できる可能性があります。

「これは、視覚的な入力を使用して基準を決定できるほぼすべての状況に適用できる可能性があります」とディバチ氏は述べています。 「たとえば、次のように使うことができます。曇っていますか？」傘を持っていくようにメモをしてください。または: ドアは閉まっていますか?それを開く。"

Nvidia はすでに AI の強豪です。この広範囲にわたる特許が認められれば、自社の製造環境においても、この技術を他の製造業者に提供する場合にも、同社に大きな利点がもたらされる可能性がある。

#3.すべての人のための Amazon の機械学習

Amazon は、インターネット接続とスプレッドシートがあれば誰でも機械学習を利用できるようにしたいと考えています。

同社は、機械学習データの「一貫したフィルタリング」技術の特許取得を目指している。ただし、この特許は単にデータを整理する方法以上のものを約束します。 Amazon は、供給できるデータの蓄積がある限り、誰でも使用できる「カスタマイズ可能で使いやすい機械学習サービス」の概要を説明しています。

このシステムは、「ユーザーがモデルのチューニングや、高度な統計や人工知能技術の学習に多大な時間と労力を費やす必要がなく」、機械学習のベストプラクティスとその使用方法をユーザーに迅速に案内できるとアマゾンは提出書類で述べている。

AI のアマチュアにとって、この技術を使用すると、ユーザーはシステムのデフォルト設定に依存して機械学習モデルを構築、トレーニング、使用できます。ただし、より上級のユーザーは、モデルのパラメーターや設定をカスタマイズできます。データからのレコードの抽出、統計の生成、予測の作成など、このシステムが提供する事前定義された機械学習タスクの一部を使用するだけでなく、ユーザーは独自のカスタマイズされた機能を実装することができます。

アマゾンによれば、この技術により、大量のデータにアクセスできる企業は、コンピュータサイエンスやエンジニアリングの高度な学位を持っていなくても、あるいはそのような人を雇わなくても、実際にデータを活用できるようになるという。

「従来、統計と人工知能の専門知識は、機械学習モデルの開発と使用の前提条件でした」とアマゾンは提出書類で述べた。 「多くのビジネス アナリストにとって、さらには高度な資格を持った対象分野の専門家にとっても、そのような専門知識を習得することの難しさは、時にはハードルが高すぎることがあります。」

写真は米国特許商標庁経由。

アマゾンはAIに追い込んだ。同社のクラウドサービス部門は4月中旬、AIベースの生成アプリを構築できるツール「Amazon Bedrock」と呼ばれる新サービスを開始した。また、同社の AI コーディング コンパニオンである CodeWhisperer と、同社独自のファーストパーティ言語モデルである Titan も一般に公開されました。

「Bedrock は、顧客が (基礎モデルを) 使用して生成 AI ベースのアプリケーションを構築および拡張する最も簡単な方法であり、すべての構築者のアクセスを民主化します」と AWS のデータベース、分析、機械学習担当副社長の Swami Sivasubramanian 氏はプレスリリースで述べています。

12月下旬に提出されたこの特許出願は、AI市場シェアを拡大するアマゾンの計画の主要部分となる可能性がある。さらに、機械学習ツールをより幅広いユーザーが利用できるようにすることで、急速に成長する AI 市場での優位性をめぐる争いの中で、Google や OpenAI などと競争するのに役立つ可能性があります。しかし、Amazon は競合他社に対して異なるアプローチをとっています。この技術は AWS の顧客が利用できますが、同社は消費者向けの AI ツールにはまだ参入していません。

この技術は、同社のクラウド ビジネスにとって大きなチャンスでもあります。顧客が AWS 上で独自の AI モデルをホストできるスペースを作成することで、Amazon は AI に飢えたクラウド顧客をさらに引き付けることができるでしょう。

Amazon CEO の Andy Jassy は株主への年次書簡の中で、同社の AI への取り組みと投資を強調し、「(大規模言語モデル) と生成 AI は顧客、株主、そして Amazon にとって大きな取引になるだろう」と述べました。

エクストラドロップ

まだ終わっていません!

ほかに何かあたらしいことは？

コメント、ヒント、提案がありますか?ぜひご連絡ください。 [email protected]に電子メールを送信するか、Twitter @patentdropの DM でご連絡ください。

今すぐ購読する