ジェレミー・ハワード

ウィキ
, , , ,
1

オーストラリアのデータサイエンティスト、連続起業家、教育者。fast.aiの共同創設者、ULMFiTの生みの親、そしてディープラーニングの民主化を推進する第一人者として知られる。

プロフィール
生年月日 1973年11月13日、イングランド・ロンドン（メルボルン、オーストラリアで育つ）
国籍 オーストラリア
所属機関（現職） fast.ai（創設研究者）；Answer.AI（共同創設者）；クイーンズランド大学（名誉教授）；スタンフォード・デジタルエコノミー研究所（デジタルフェロー）；CSIRO Data61（非常勤サイエンスフェロー）
専門分野 ディープラーニング、転移学習、自然言語処理（NLP）、AIアクセシビリティ、医療AI
学歴 メルボルン大学哲学部卒業（情報科学の正式な学位はなし）
ウェブサイト jeremy.fast.ai
X / Twitter @jeremyphoward
GitHub jph00
Google Scholar Jeremy Howard

概要

ジェレミー・ハワードは、現代AI史において最も影響力の大きい、正式な資格を持たない人物の一人である。コンピュータサイエンスの学位がないにもかかわらず、マネジメントコンサルティング、保険分析、メールインフラの分野でキャリアを築き、その後機械学習に出会い、2010年と2011年には競技で世界トップのデータサイエンティスト（Kaggle）となった。彼はディープラーニングを医療診断に応用した世界初の企業Enliticを設立し、その後fast.aiを共同設立。fast.aiのコースは600万人以上が視聴し、fastaiライブラリはGitHubで25,000以上のスターを獲得している。セバスチャン・ルーダーとの共著によるULMFiTアルゴリズム（ACL 2018）は、転移学習をNLPの標準パラダイムとして確立し、GPT、ChatGPT、およびその後継モデルの学習手法に直接的な影響を与えた。また、2023年に立ち上げられた実用的なAI研究開発ラボAnswer.AIの共同創設者でもあり、COVID-19パンデミック時には世界的なMasks4All運動を主導し、PNASに掲載された画期的なエビデンスレビューを共著した。彼のキャリアは一貫した哲学、すなわち「厳密に理解され、公開された強力なAIツールは、誰もがアクセスできるべきである」という信念によって定義される。

生い立ちと教育

ハワードは1973年11月13日にロンドンで生まれ、1976年に家族とともにオーストラリアのメルボルンに移住した。メルボルン・グラマー・スクールに通い、メルボルン大学で哲学を学んだ。コンピュータサイエンスや数学の正式な学位は持っていない — この事実を彼は、時間を投資すれば誰でもディープラーニングを学べる証拠だと繰り返し強調している。初期のプログラミング活動としては、Perl言語のPerl6-dataワーキンググループの議長、Cyrus IMAPサーバーやPostfix SMTPサーバーへの貢献など、オープンソースインフラプロジェクトへの参加がある。

経歴

マネジメントコンサルティング（1990年代初頭～1990年代後半）

ハワードのキャリアは、マッキンゼー・アンド・カンパニーとATカーニーでのマネジメントコンサルティングから始まり、起業するまでの8年間コンサルタントとして働いた。ATカーニーでは、機械学習とデータ分析を専門とする国際的なプラクティス「Leveraging Customer Informationグループ」を率いた。彼は、1990年代初頭にオーストラリアのマッキンゼーで初の分析専門家であり、当時、全世界の同社に2人しかいなかったと述べている。

FastMail & Optimal Decisions Group（1990年代後半～2000年代）

オーストラリア在住時、ハワードはメールプロバイダーFastMail（Opera Softwareに売却）と、保険料金最適化企業Optimal Decisions Group（ODG、ChoicePointに売却）という2つの成功したスタートアップを創業した。ODGでは、現在ほぼ全ての住宅・自動車保険会社で採用されている、保険の利益最適化価格設定を発明し、データ製品を構築するための「Drivetrain Method」を考案した。

Kaggle（2010～2013年）

ハワードは、データサイエンスコンペティションプラットフォームKaggleで世界ランキング1位を獲得した後、同社に関与するようになった。優勝したコンペには、観光予測や助成金申請の成功予測などがある。その後、Kaggleの社長兼最高科学責任者に就任。2011年12月、Wired Magazineはハワードを「Accidental Scientist（偶然の科学者）」と評する記事を掲載した。2013年12月にKaggleを退社。

Enlitic（2014～2016年）

2014年8月、ハワードは機械学習を用いて医療診断と臨床意思決定支援ツールをより高速、高精度、アクセスしやすくするためにEnliticを設立。会社設立から2年以内に1500万ドルを調達した。MIT Tech Reviewの「世界で最も賢い企業」リストで第14位にランクインし、FacebookやSpaceXを上回った。Enliticは、医療画像診断に特化したディープラーニング企業として世界初であり、その後のAIヘルスケアスタートアップの波に数年先駆けるものだった。

fast.ai（2016年～現在）

Fast.aiはディープラーニングとAIに特化した非営利研究グループ。2016年にジェレミー・ハワードとレイチェル・トーマスによって、ディープラーニングの民主化を目的として設立された。同組織の代表的成果は「Practical Deep Learning for Coders」コース（course.fast.ai）であり、前提条件としてPythonの知識のみを必要とし、The Economistからは「大衆向けAI教育のモデル」と評された。このコースは600万人以上が視聴し、世界で最も長く継続され、最も広く利用されているディープラーニングコースであり、多くの研究者、産業界、スタートアップの人材を輩出している。

シルヴァン・ガガーと共同開発したfastaiソフトウェアライブラリは、PyTorch上に階層化されたAPIを提供し、最小限のコードで高速なプロトタイピングと最先端の成果を可能にする。GitHubスターは25,000以上を獲得。2018年、ハワードと彼の学生たちは、スタンフォード大学のDawnBenchベンチマークでトレーニング速度の記録を樹立し、小規模チームでもImageNet分類器のトレーニングコストと時間において大手テクノロジー企業に匹敵するか、それを上回ることができることを示した。

fast.aiでは、ハワードはnbdevも開発。これは、開発者がJupyter Notebook上で直接Pythonライブラリを記述できるリテレートプログラミングツールであり、ドキュメント作成、テスト、パッケージ配布を劇的に簡素化する。

Wicklow AI in Medicine Research Initiative / サンフランシスコ大学

ハワードはサンフランシスコ大学のDistinguished Research Scientistを務め、Wicklow AI in Medicine Research Initiative (WAMRI)の創設委員長として、カリフォルニア大学サンフランシスコ校（UCSF）、ハーバード大学、スタンフォード大学など多くのアカデミックメディカルセンターとのパートナーシップを構築し、公表された重要な医学研究のブレークスルーをもたらした。

COVID-19 & Masks4All（2020～2021年）

パンデミック初期、ハワードはマスク着用の普遍化を推進する主要な公的提唱者となった。彼はマスクに関する最大のエビデンスレビューを主導し、米国科学アカデミー紀要（PNAS）に発表。これはpreprints.orgで全期間で最も読まれた論文となった。ワシントン・ポスト、ガーディアン、ジ・アトランティックに意見記事を執筆し、グッド・モーニング・アメリカ、ナイトラインなどの主要アメリカテレビネットワークにも出演した。

Answer.AI（2023年～現在）

ハワードはエリック・リースと共にAnswer.AIを共同設立。これは、基礎研究のブレークスルーに基づいて実用的なエンドユーザー製品を生み出す、新しいタイプのAI研究開発ラボである。このラボの哲学は、小規模を維持し、迅速に出荷し、個人ユーザーにとって真に有用な製品に焦点を当てることであり、大企業の「エージェンティックAI」トレンドとは明確に対比される。初期の注目リリースには、FSDPとQLoRAに基づくシステム（2つのコンシューマーGPUで70Bモデルのトレーニングを可能にする）や、開発者やライターがAI支援を活用して自身の能力を高めるためのツールなどがある。

主な貢献

  • ULMFiT — Universal Language Model Fine-tuning（ACL 2018）— セバスチャン・ルーダーとの共著。あらゆるNLPタスクに適用可能な効果的な転移学習手法を提案し、ほとんどのベンチマークデータセットでエラーを18～24%削減、100のラベル付きサンプルのみで全データセットのパフォーマンスに匹敵した。5,000回以上引用され、GPTファミリーのトレーニング手法の技術的先駆けと評価されている。発表当時、ハワードとルーダーはかなりの懐疑論に直面した。コミュニティはファインチューニングを原理に欠くものとして広く退け、ULMFiTが正当性を認められるまでに1年を要した。

  • fast.aiコース — 世界最長のオンラインディープラーニングコース。独自のトップダウン型、コードファーストの教授法で、前提知識なしで何百万人もの実務家をこの分野に導いた。

  • fastaiライブラリ — PyTorch上の階層化APIであり、大幅に少ないコード行数で最先端の成果を可能にする。その基盤となる設計原理は、査読付きジャーナル Information（2020年）に掲載された。GitHub 25,000スター以上。

  • nbdev — Jupyter NotebookでPythonソフトウェアを開発するためのリテレートプログラミングシステム。自動テスト生成、ドキュメント作成、パッケージ公開を含み、fast.aiコミュニティやオープンソースPythonコミュニティで広く採用されている。

  • Enlitic — 世界初の医療向けディープラーニング企業（2014年）。深層ニューラルネットワークが医療画像タスクにおいて放射線科医レベルのパフォーマンスに匹敵するか、それを上回ることを実証した。

  • DawnBench速度記録（2018年）— fast.aiの学生と共に、最速かつ最も低コストなImageNetトレーニングの記録を樹立し、GoogleやIntelのチームを破り、fast.aiのトレーニング手法の実用的な力を実証した。

  • 『Deep Learning for Coders with fastai and PyTorch』（オライリー、2020年） — シルヴァン・ガガーとの共著。Amazonで5つ星評価を獲得し、ピーター・ノーヴィグからは「プログラマーがディープラーニングに習熟するための最良の情報源の一つ」と称賛された。

  • PNASマスクエビデンスレビュー（2021年）— 複数の機関から20名の著者と共に主導。発表時、preprints.orgで最も読まれた論文となり、複数国の公衆衛生政策に直接影響を与えた。

  • TEDトーク「コンピューターが学べることの素晴らしくも恐ろしい影響」 — 250万回以上視聴、26の言語に翻訳。ディープラーニングの社会的影響に関する、最も視聴された公開導入の一つ。

受賞と評価

  • MIT Technology Review Smartest Companies（2015年、2016年）— Enliticが世界第14位にランクイン（Facebook、SpaceXを上回る）。
  • Wired「Accidental Scientist」（2011年）— Kaggleでの世界ランキング1位への上り詰めを取り上げたプロフィール。
  • 世界経済フォーラム Young Global Leader — 2014年のダボス会議で「機械のための仕事」について講演。
  • クイーンズランド大学名誉教授（2022年～現在）— 教育への貢献が正式に学術的に認められた。
  • スタンフォード・デジタルエコノミー研究所デジタルフェロー（2023年～現在）— スタンフォードHAI傘下のフェローシップ。

主要な関係性

  • レイチェル・トーマス — fast.ai共同創設者。数学者、倫理学者、教育者であり、コースを共同制作し、データ倫理カリキュラムを指揮。このパートナーシップにより、fast.aiはこの分野で最もバランスの取れたAI教育組織の一つとなった。
  • セバスチャン・ルーダー — ULMFiTの共著者。当時、Insight Centre for Data AnalyticsのNLP研究者で、現在はGoogle DeepMindに所属。この協力は、学術NLPとfast.aiの実践的アプローチを極めて重要な瞬間に橋渡しした。
  • シルヴァン・ガガー — fastaiライブラリとnbdevの中核的貢献者、共同メンテナー。『Deep Learning for Coders』の共著者。fast.aiの多くの実用的ツールの背後にある工学の深みを提供。
  • エリック・リース — Answer.AI共同創設者。リーンスタートアップ手法の生みの親。ハワードは、反復的な製品開発と有用なテクノロジーに関する自身の思考におけるリースの影響を挙げている。
  • ピーター・ノーヴィグ — Googleのリサーチディレクター。公に『Deep Learning for Coders』を「最高の深層学習書の一つ」と推薦。この推薦は、ハワードの非正規のアプローチを検証する上で大きな重みを持った。

人物像

ハワードは、AI教育と研究文化に関する問題において意図的に異端者である。彼のfast.aiコースは従来の順序を逆転させ、応用から始めて理論に戻るという方法をとっており、その根底には、「動機が理解に先行する」という確信と、「数学的前提条件による門番的役割が歴史的に、AIを有効に応用できる人々を排除してきた」という信念がある。研究においても同様に異端であり、ULMFiTはNLPコミュニティがファインチューニングに深く敵対していた時期に開発・発表され、DawnBenchの結果は、大規模な組織と計算予算だけが最先端を進められるという前提に意図的に挑戦した。Answer.AIの哲学はこれをさらに拡張し、人間をループから排除する「エージェンティックAI」に明確に反対し、人間の実務家が自身の作業により大きなレバレッジを得られるツールを支持する。彼は専門用語を使わずにアクセスしやすく執筆・講演し、学習者と直接関わる長い実績を持つ。2014年のRedditでのAMA（Ask Me Anything）は、彼の思考を紹介するものとして今でも広くリンクされている。

参考文献