Vinay Kumar Sankarapu、Arya.aiの共同創設者兼CEO – インタビュー・シリーズ

Vinay Kumar Sankarapuは、Arya.aiの共同創設者兼CEOです。Arya.aiは、銀行、保険会社、金融サービス機関（BFSI）が信頼性の高い自己学習型AIエンジンを展開するために必要なAI API、専門家AIソリューション、AIガバナンスツールを提供するプラットフォームです。

あなたの背景は数学、物理学、化学、機械工学です。コンピューターサイエンスとAIへの移行についてお話しください。

ボンベイ工科大学（IIT Bombay）では、5年間で工学部と工学研究科の両方を修了する「デュアルディグリー・プログラム」があります。私は、コンピュータ支援設計と製造を専攻した機械工学を学びました。コンピューターサイエンスはカリキュラムの一部でした。修士研究では、ディープラーニングを研究しました。私は、連続製造の故障予測フレームワークを構築するためにディープラーニングを使用し始め、CNNを使用したRUL予測の研究で修了しました。約2013年/14年頃でした。

Arya.aiを大学在学中に立ち上げました。スタートアップの創設ストーリーについてお話しください。

学術研究の一環として、研究対象の詳細な研究を行うために3〜4ヶ月間の文献レビューを実施する必要がありました。2012年/13年頃、当時のツールは非常に基本的なものでした。Google ScholarやScopusなどの検索エンジンは単にキーワード検索を行っていました。大量の知識を理解することは非常に難しかったです。私は、この問題は悪化するだけだと考えました。2013年頃、少なくとも1分間に30以上の論文が発表されていました。現在では、その10〜20倍以上の論文が発表されています。

私たちは、研究者に研究テーマを提案したり、最新の論文を見つけたり、STEM研究に関連するものを助けるような「教授」のようなAIアシスタントを構築しようと考えました。ディープラーニングの経験を活かして、この問題を解決しようと考えました。2013年、私たち3人でArya.aiを立ち上げ、2014年には7人に増えました。当時私はまだ大学に在学中でした。

私たちの最初の製品バージョンは、3000万以上の論文と要約をスクレイピングして構築されました。当時のディープラーニングの最先端技術を使用して、AI STEM研究アシスタントとSTEM用のコンテキスト検索エンジンを構築しました。しかし、AIアシスタントを教授や同僚に紹介したところ、時期尚早であることがわかりました。会話の流れは限られており、ユーザーは自由な会話と継続的な会話を期待していました。2014年/15年頃の期待は非常に現実的ではありませんでしたが、複雑な質問にも答えることができました。

その後、私たちは研究を活かして、研究者や企業向けのMLツールに焦点を当て、ディープラーニングを民主化するためのワークベンチを提供することにしました。しかし、2016年頃には、まだ少数のデータサイエンティストしかディープラーニングを使用していませんでした。そこで、私たちは金融サービス機関（FSI）などの特定の垂直市場に焦点を当て、専門化された製品レイヤーを構築することにしました。私たちは、これが機能することを知っていました。なぜなら、大手プレイヤーは水平的なプレイに注力している一方で、垂直プレイヤーはエンドユーザーのニーズに応える専門化された製品レイヤーを提供しているからです。この時、私たちの判断は正しかったのです!

私たちは、銀行、保険会社、金融サービス機関向けのAIクラウドを構築しています。専門化された垂直レイヤーを使用して、拡張性と責任あるAIソリューションを提供しています。

金融におけるAIのブラックボックス問題はどれくらいの問題ですか?

非常に重要です! 金融機関のわずか30%しかAIを十分に活用していません。アクセシビリティの問題は一因ですが、もう一つの大きな問題はAIの信頼性と監査可能性の欠如です。いくつかの地域では、低リスク、中リスク、ハイリスク用途のAI使用に関する法的規制が明確になっています。ハイリスク用途の場合は、透明性のあるモデルを使用することが法律で義務付けられています。金融機関の多くの用途はハイリスク用途です。したがって、ホワイトボックスモデルを使用する必要があります。

ハYPEサイクルも、AIソリューションに対する初期の経験により、落ち着きつつあります。最近、ブラックボックスAIの使用による影響、監視の欠如によるAIの故障、リスクマネージャーや法務担当者による監査可能性の限界による課題に関する例が増えています。

MLモニタリングとMLオブザーバビリティの違いについてお話しください。

モニタリングツールの役割は単に監視とアラートです。オブザーバビリティツールの役割は、監視と報告だけでなく、故障や予測される故障の理由を示す証拠を提供することです。

AI/MLでは、これらのツールが重要な役割を果たします。モニタリングと監査の役割を提供できますが、MLオブザーバビリティのスコープは…

MLオブザーバビリティのために、業界固有のプラットフォームはなぜ必要ですか?

汎用プラットフォームは、業界に関係なく、すべてのユーザーが利用できるように設計されています。開発者、データサイエンティストなどがこれらのプラットフォームの顧客です。ただし、これらのプラットフォームは、複雑な性質と「ワンサイズフィットオール」のアプローチにより、利害関係者に多くの課題をもたらします。

不幸にも、現在の多くのビジネスでは、汎用プラットフォームを使用するために、データサイエンスの専門家が必要です。また、エンドユーザーがこれらのモデルを「使用可能」にしたい場合は、説明可能性、監査、シナリオ、ヒューマンインザループプロセス、フィードバックラベル付け、監査、ツール固有のパイプラインなど、追加のソリューション/製品レイヤーが必要です。

ここで、業界固有のAIプラットフォームが利点をもたらします。業界固有のAIプラットフォームは、ターゲット顧客のニーズまたはユースケースを解決するためのワークフロー全体を所有し、エンドツーエンドの完全な製品を提供するために開発されています。業界固有の課題、たとえば規制およびコンプライアンスフレームワーク、データプライバシーの要件、監査およびコントロールの要件などがあります。業界固有のAIプラットフォームと製品は、AIの採用を促進し、AIの展開に関連するリスクを軽減することで、開発時間を短縮します。また、業界におけるAIの専門知識を製品レイヤーとして提供し、コンプライアンスの取り組みを推進し、倫理、信頼、評判に関する懸念に対する共通のアプローチを見つけるのに役立ちます。

Arya.aiが提供するMLオブザーバビリティプラットフォームについて詳しくお話しください。

私たちは2016年から金融サービス機関で活動しています。FSIにおける複雑なAIの展開に関する独自の課題に早期に接しました。そのうちの1つは「AIの受け入れ」でした。金融サービス機関では、ソフトウェア（およびAIソリューション）を使用するための規制、データプライバシー、倫理、そして最も重要なのは、ビジネスへの財務的影響に関する規制があります。これらの課題を解決するために、私たちは継続的に説明可能性、監査、リスク、説明責任に関する新しいレイヤーを追加する必要がありました。請求書処理、保険の承認、不正行為の監視など、私たちが解決した課題についてです。時間の経過とともに、金融サービス業界のさまざまな利害関係者にとって受け入れられるスケーラブルなMLオブザーバビリティフレームワークを作成しました。

現在、私たちはこのフレームワークのDIYバージョンをAryaXAI（xai.arya.ai）としてリリースしています。MLまたはビジネスチームは、AryaXAIを使用して、ミッションクリティカルなユースケースのための包括的なAIガバナンスを作成できます。このプラットフォームは、すべての利害関係者が受け入れることができるAIソリューションに透明性と監査可能性をもたらします。AryaXAIは、信頼性の高い説明可能性を提供し、規制上の尽力に対する証拠を提供し、先進的なポリシーコントロールを使用してAIの不確実性を管理し、データまたはモデルドリフトを監視してユーザーにルートコーズ分析でアラートを送信することで、AIをミッションクリティカルなユースケースでより安全かつ受け入れられるものにします。

AryaXAIは、データサイエンス、IT、リスク、運用、コンプライアンスチームなど、すべての利害関係者が受け入れることができるインサイトとワークフローを提供することで、AI/MLモデルの展開とメンテナンスをシームレスで混乱のないものにします。

コンテキストポリシーの実装を強化するプラットフォームについて詳しくお話しください。

生産環境におけるMLモデルの監視と制御は、特徴と予測の大量のため困難です。また、モデルの不確実性により、ガバナンス、リスク、コンプライアンスの管理と標準化が困難です。モデルのこのような故障は、評判と財務への大きな損失につながる可能性があります。

AryaXAIは、ビジネスおよび倫理的利益を保護するためにAIにポリシーコントロールを適用する重要なコンポーネントを提供します。ユーザーは、ポリシーコントロールを管理するためにポリシーを簡単に追加、編集、変更できます。これにより、クロスファンクショナルチームがリスク評価を継続的に行い、AIの不確実性からビジネスを保護するポリシーガードレールを定義できます。

これらの製品のユースケースの例を示してください。

AryaXAIは、さまざまなミッションクリティカルなプロセスに実装できます。最も一般的な例は以下のとおりです。

BFSI： 規制の厳しい環境において、AryaXAIは、BFSI業界が要件に合致し、リスクを管理し、コンプライアンスを確保するために必要な証拠を収集することを容易にします。

• 信用承認（セキュア/非セキュアローン）
• 不正/疑わしい取引の特定
• 監査
• 顧客ライフサイクル管理
• 信用意思決定

自動運転車： 自動運転車は、規制の厳しさ、運用の安全性、リアルタイムの意思決定における説明可能性を遵守する必要があります。AryaXAIは、AIシステムが車両とどのように相互作用するかを理解することを可能にします。

• 意思決定分析
• 自動運転車の運用
• 車両ヘルスデータ
• AI運転システムの監視

ヘルスケア： AryaXAIは、医療、技術、法的、患者に関する観点から、より深い洞察を提供します。薬剤の発見から製造、販売、販売まで、AryaXAIは多学際的なコラボレーションを促進します。

• 薬剤の発見
• 臨床研究
• 臨床試験データの検証
• 高品質ケア

金融における機械学習の将来についてのあなたのビジョンを教えてください。

過去10年間で、AIについての教育とマーケティングが大量に行われてきました。私たちは、AIのハYPEサイクルを何度か見てきました。私たちは、おそらく4回目または6回目のハYPEサイクルにあります。最初のハYPEサイクルは、ディープラーニングが2011年/12年にImageNetで勝利したときでした。その後、画像/テキスト分類、音声認識、自動運転車、生成的なAI、現在は大規模な言語モデルについての研究が行われました。ハYPEサイクルのピークと大量使用の間のギャップは、製品、需要、資金に関する反復のため、各ハYPEサイクルで縮小しています。

これら3つのことが起こりました：

1. AIソリューションのスケールの枠組みが、私たちによって少なくとも何人かの専門家によって解決されたと思います。 例えば、Open AIは現在、収益を生み出さない組織ですが、2年以内に10億ドルの収益を上げると予想しています。すべてのAI会社が同様のスケールを達成できるわけではありませんが、スケーラビリティのテンプレートはより明確です。
2. 理想的なAIソリューションの定義は、すべての垂直市場によってほぼ明確です。 以前は、各ユースケースと各組織のために、製品は反復的な実験を通じて構築されていました。利害関係者は、AIソリューションから何を必要としているかを理解するために、ますます教育を受けています。
3. 規制は今、追いついてきています。 データプライバシーとAIの使用に関する明確な規制の必要性は、現在、大きな関心を集めています。規制機関は、AIの安全で倫理的な使用に必要なフレームワークを発表するか、発表する予定です。

次に何が起こるのでしょうか？

「モデルとしてのサービス（MaaS）」の爆発：
私たちは、水平方向と垂直方向の両方で「モデルとしてのサービス」提案の需要の増加を見ると思います。Open AIは「水平MaaS」の良い例ですが、Arya.aiは垂直MaaSの例です。展開とデータセットの経験を活かして、Arya.aiは重要な垂直データセットを収集してきました。これらのデータセットは、モデルをトレーニングして、プラグアンドプレイまたは事前トレーニング済みモデルとして提供するために使用されます。

垂直化は新しい水平です。 私たちは、クラウドの採用でこのトレンドを見てきました。水平方向のプレイヤーは「誰でも使えるプラットフォーム」に焦点を当てている一方で、垂直方向のプレイヤーはエンドユーザーの要件に焦点を当て、専門化された製品レイヤーを提供しています。これは、MaaSオファリングにも当てはまります。

XAIとAIガバナンスは、企業で標準になります。 規制の感度に応じて、各垂直市場は、XAIとガバナンスのフレームワークを受け入れることになります。これは、現在のように後付けではなく、設計の一部として実装されるようになります。

表形式データの生成的なAIは、企業でハYPEサイクルを見るかもしれません。 合成データセットの作成は、企業のデータ関連の課題を解決するための容易に実装できるソリューションの1つです。データサイエンティストは、ビジネスに頼るよりも、コントロールが容易であるため、このソリューションを好みます。合成データは、偏り、データの不均衡、データプライバシー、データ不足の問題を解決します。もちろん、このアプローチの有効性はまだ証明されていませんが、トランスフォーマーなどの新しいテクニックが成熟するにつれて、表形式や多次元データなどの従来のデータセットに対する実験が増えるかもしれません。成功すれば、このアプローチは企業とMaaSオファリングに大きな影響を与える可能性があります。

Arya.aiについてさらに何か共有したいことがありますか?

Arya.aiの焦点は、銀行、保険会社、金融サービス機関向けの「AI」の解決策を提供することです。私たちのアプローチは、テクノロジーを最後のレイヤーに垂直化し、すべての組織と利害関係者が使用できるようにすることです。

AryaXAI（xai.arya.ai）は、FSI垂直市場で大衆に提供する上で重要な役割を果たします。私たちの合成データに関する継続的な研究は、いくつかのユースケースで成功しましたが、より実用的な選択肢にすることを目指しています。私たちは、さらに多くのレイヤーを追加して、AIクラウドを拡大して使命を遂行するために使用することを計画しています。

私は、FSI垂直市場だけでなく、すべての垂直市場で、Arya.aiのようなスタートアップが増えることを予想しています。

素晴らしいインタビュー、詳しく知りたい読者はArya.aiを訪問してください。