Top コンテンツ AIとは

AIとは

AI(人工知能)の正式名称はArtificial Intelligence。
このページはDAによる、AIの定義、位置づけ、歴史、活用例、開発プラットフォームなど、AIのことを総合的に説明する記事になります。少しでも、皆さまの参考になればと心から願っております。

AI(人工知能)の定義

人工的につくった知的な振る舞いをするもの(システム)である 溝口 理一郎(北陸先端科学技術大学院大学 教授)
人工的につくられた人間のような知能、ないしはそれをつくる技術 松尾 豊(東京大学大学院工学系研究科科 准教授)
人工知能とは、人間にしかできなかったような高度に知的な作業や判断をコンピュータを中心とする人工的なシステムにより行えるようにしたもの。 IT用語辞典

AI(人工知能)の定義に関しては様々なものはありまして、定義は定まっていないようですが、下記の定義は参考になると思われます。

参考:松尾豊「人工知能は人間を超えるか」(KADOKAWA)p.45
参考: IT用語辞典 e-Words, e-words.jp

AIの二つの特徴

  • AIの自律性(Autonomy)

    常に人間による誘導なく

    作業タスクを実行する能力。

  • AIの適応性(Adaptivity)

    経験から学ぶことで

    パフォーマンスを向上させる能力

参考:Elements of AI

AIの位置づけに関して

AIはコンピューターサイエンスの一分野で、機械学習はその中の一分野になります。深層学習(ディープラーニング)はさらにその機械学習の中の一分野にあたり、近年特に大きな注目を集めています。

AIの歴史

AIの歴史は意外に長く、人工的な知能という話はすでに古代の神話、物語などに登場しています。
学問分野としてのAIが成立したのは、1956年夏にアメリカのダートマス大学で開催されたダートマス会議においてでした。

AIの研究はこれまで「ブーム」(繁忙期)と「冬の時代」(閑散期)を繰り返してきています。最新の第3次ブームは2010年ごろから始まった本格的なもので、今後AIの活用は様々な業界や分野で発生すると思われます。

第1次ブームAI技術を現実世界に応用するのはまだ難しい。

第2次ブーム課題はまだ多く、専門家の手が必要。コストも高い。

第3次ブームディープラーニングなどAI技術の発達により、AIの活用が急増。

参考:松尾豊「人工知能は人間を超えるか」(KADOKAWA)p.61

AIブームの要因

今回のAIブームは同時に進んできている三つの変化(要因)によって生じていると言えます。

AI技術の進歩

  • 機械学習と深層学習など、新AI技術の大きな進歩によって、今まで実現できていなかった施策がついに可能になりました。例としては自動運転、画像・動画・音声の認識が挙げられます。

データの増加

  • 機械学習を実施するには大量のデータが求められます。以前は企業内の顧客データベースなど、限られたデータに頼るしかありませんでした。しかし2010年ごろからは、ウェブ、ソーシャルネットワーク、スマートフォンに含まれているセンサーなどからもデータが得られるようになり、AIの学習に使えるデータの量と種類が爆発的に増えています。

情報処理能力の向上

  • 機械学習、特に深層学習にはコンピュータの高い計算力が求められます。コンピュータの半導体チップの性能向上の他に、画像処理に特化したGPU(Graphics Processing Unit)の性能向上が機械学習などの計算力を支えていると言えるでしょう。

参考:AIビジネス研究会「AIビジネス最前線」(技術評論社)、p.18-19
参考:DIAMONDハーバード・ビジネス・レビュー編集部「人工知能」(DIAMOND社)、p.39-43

AIの三つの用途

AIの技術は様々な業界や用途で活用可能です。
大きく分けると以下の三つのカテゴリに分類することができます。

  • 1. 識別系のAI

    画像認識、音声認識などによって
    モノゴトを識別するAI

  • 2. 予測系のAI

    データから未来の事象を予測するAI

  • 3. 実行系のAI

    表現生成、デザイン、行動の最適化、
    作業の自動化を実行するAI

参考:DIAMONDハーバード・ビジネス・レビュー編集部「人工知能」(DIAMOND社)、p.46-47

識別系のAI

情報の判別・仕分け・検索、情報の理解
  • WEB、写真、動画、曲の検索 【動画サイトの動画検索】
  • 写真、曲、テキスト、動画の仕分け・整理【曲をジャンル別に分ける】、【不良品の振り分け】
  • 感情・動作の把握【ユーザのCMに対する反応を計測】、【倒れている人を検出】
  • 異常・不正の検出・予知【機械の異常を検出】、【不審な動きを検出】

予測系のAI

数値予測
  • 売上・需要の予測、試合結果の予測、選挙結果の予測、広告パフォーマンスの予測、成長率の予測、視聴率の予測
  • 保険リスク、発症リスク、倒産リスク、死亡リスク
ニーズ・意図予測
  • 自分の好みや関心に合わせた曲、動画、商品やサービスの自動推定【レコメンドエンジン】
  • 販促タイミングの最適化、広告やメール配信タイミングの最適化、種まき・収穫タイミングの最適化
マッチング
  • WEBサイトの内容に合わせた広告配信【コンテンツマッチ広告】
  • 個人とビジネス目的でユーザーをマッチングさせるサービス

実行系のAI

表現の生成
ニュース記事の作成、商品紹介分の作成、広告コピーの作成、自動翻訳・通訳、作曲、アートの作成
デザイン
ロゴのデザイン、建築の設計、WEBサイトのデザイン、料理レシピの作成、広告のデザイン
行動の最適化
ゲームの攻略、交通経路の最適化、配送経路の最適化、出店の最適化、ロボット動作
作業の自動化
自動対話【チャットボットやスマートスピーカー】、自動運転、SEOの自動調整、デジタル広告の自動配信、自動調理

2種類のAI - 「弱いAI」と「強いAI」

AIを研究している人の間では、古くから「強いAI」と「弱いAI」の議論が繰りかえされています。「弱いAI」は限られた作業にしかできないような、現在でも多く存在するAIをさします。一方「強いAI」は人間と同等あるいは人間を超える知能を持っている、「何でもできる」というような超人的なAIを指します。

  • 弱いAI

    見かけ上、人間と同等のレベルの知能を持つが、その知能を使えるタスクが限られる

  • 強いAI

    実際に人間と同等のレベルの知能・汎用性を持ち、多種のタスクをこなせる

「弱いAI」は一見、人間と同等の知能があるように見えるのですが、その知能は一つか少数のタスクしかこなせません。少数のタスクをこなすAIのことを「特化型人工知能」(Narrow AI)と呼ぶこともあります。タスクの例として「翻訳ができる」「顔を認識する」「売上を予測する」「掃除ができる」などが挙げられます。現在のAIのすべては「弱いAI」になります。

一方、「強いAI」は人間と同等のレベルの知能をもつAIだと言われています。「強いAI」と似た概念として汎用型人工知能(AGI: Artificial General Intelligence)があります。AIの研究はかなり進んできたとはいえ、人間と同等のレベルの知能で多種のタスクをこなすAIの実現には、まだ長い道のりがあると思われます。
AI研究の最終的な目標は、人間の持っている知能を機械で完全に再現することだと言われています。

参考: 三津村直貴「AIビジネス入門」(成美堂出版)、p.56-57
参考: 神崎 洋治 「人工知能がよ~くわかる本」(秀和システム出版)、p.35

業界別のAI活用例

製造業・工業生産

  • 機械の故障を予測・告知
  • ベルトコンベアーに流れている商品の不良品を検知・排除

農業

  • 収穫・土地のモニタリング(土地が乾燥したときにはアラートがいくなど)
  • 収穫量・質の予測(センサー、天気情報などのデータを基に予測)
  • 収穫や蒔種の自動化(AIを学習させることによって技術の精度があがっていく)

交通

  • 交通信号の制御を最適化
  • タクシーの需要最適化
  • 自動車のナンバープレートを自動的に検出
  • 自動車の車種を自動的に検知
  • フライト遅延を予測
  • 駅や空港でお客様をサポートするチャットボットやロボットアシスタント

教育

  • 校庭の自動監視(不審者や異常を自動検知)
  • 教師の口頭説明をリアルタイムで文字化
  • 生徒の出席や教室内の行動や表情をトラッキング
  • パーソナライズ教材。各生徒の知識・進行に適した教材。
  • 宿題・作文の自動評点

金融業

  • 株式の自動売買
  • 不正取引(異常)の検知
  • 保険・融資のリスク予測
  • 自動対話(チャットボット)のカスタマーサポート
  • 金融商品の自動推定(レコメンド)

小売業

  • 店舗内のロボットによる自動対話のカスタマーサポート
  • 売上・需要予測
  • 顧客の店舗内の行動パターン分析
  • 商品価格の最適化
  • 万引き検知

マーケティング

  • 広告配信の自動最適化
  • テレビ視聴率の予測
  • 広告コピーの自動生成
  • 顧客離脱を自動的に予測
  • CV率の自動的な予測
  • 商品・サービスに関するSNS上での評価を自動的に収集

漁業

  • 違法漁業を自動的に検出
  • 魚の自動的なカウント
  • 魚を自動的に魚種別で振り分ける

AIプラットフォーム

プログラミングスキルなしでAIの開発を可能にしているプラットフォームは多数あります。
以下はそのAIプラットフォームのいくつかの例になります。

Amazon Machine Learning

画像や動画解析、チャットボット構築、自動翻訳等々。

Dialogflow

音声アシスタントやチャットボットの作成など。

Microsoft Azure Learning Studio

ハイエンドのAIプラットフォームで不正や需要の予測、価格の最適化、既存客のチャーンなどの施策が可能です。

MonkeyLearn

テキストデータ(Eメール、SNSデータ、資料データ)を自動分析するソリューション。

IBM Watson

音声・画像認識、自動翻訳、感情分析、テキスト分析等々。

Google Cloud Machine Learning Engine

音声・画像・動画・テキストデータを活用した機械学習のモデルが簡単に作れます。

Deep Cognition

データを用意するだけで、プログラミング知識なしで、ディープラーニングモデルの構築、学習、展開が可能です。

AI用語集

機械学習
人工知能が与えられたデータを自ら反復的に学習することで、そこに潜む法則や特徴などを見つけ出す技術・手法のことです。
ニューラル・ネットワーク
機械学習の一種で、人間の脳の神経細胞(ニューロン)が持つ特徴を理数モデルとして人工的に表現したものです。
ディープ・ラーニング
多層化したニューラル・ネットワークを用いることで、より高度な能力を実現する機械学習の手法のひとつです。
コグニティブ・コンピューティング
コグニティブとは「認識」や「認知」という意味を持ち、コンピュータが自ら理解や学習を行い答えを導き出すシステムのことです。代表的なシステムのひとつとしてIBMのWatsonがあげられます。
コンピューター・ビジョン
コンピューターが画像や映像をどのよう認識・解析できるかについての研究分野であり、人工知能の分野においても重要な技術とされています。

AI活用に必要な3つのデータ

内部データ
売上データや商品管理データなど、企業内で保有・管理されているデータ。
外部データ
外部の会社や組織が保有・管理しているデータ。ネットを介して無料で取得できるオープンデータや、有料で購入できるデータなど、様々なデータが存在する。
センシングデータ
温度センサーや距離センサーなどのセンシングデバイスを利用して取得したデータ。また、カメラやマイクで収録したデータなども含まれる。

参考:伊本 貴士「ビジネスの構築から最新技術までを網羅 AIの教科書」(日経BP)、p.134-138

人とAIの協調レベル

人工知能の活用と言っても、様々なレベルが存在します。
メディアスケッチ代表 伊本貴士氏によると人とAIの協調レベルは5つに分けられるとしています。

レベル
作業の主体
人とAIの役割
LV1
AIによるアドバイス
AIは分析した結果や予測を基に、人に対して作業順序や注意事項などの付加情報をアドバイスとして提供する。
LV2
AIによるチェック
人が行った作業結果に対して、AIが問題がないかをカメラなどを利用し検査する。
LV3
AIによる人への指示
業務の一部に関して、人は何かの判断を行うことなくAIの指示に従って作業を行う。
LV4
一部置き換え
人とAI
人が行う作業の一部を人間に代わってAI(ロボット)が行う。
人は近くで監視しながら一緒に作業を行う必要がある。
LV5
完全置き換え
AI
作業の全体を人間に代わってAI(ロボット)が行う。
人は遠隔から監視・指示が可能。
LV1:AIによるアドバイス
  • 作業の主体:人
  • AIは分析した結果や予測を基に、人に対して作業順序や注意事項などの付加情報をアドバイスとして提供する。
LV2:AIによるチェック
  • 作業の主体:人
  • 人が行った作業結果に対して、AIが問題がないかをカメラなどを利用し検査する。
LV3:AIによる人への指示
  • 作業の主体:人
  • 業務の一部に関して、人は何かの判断を行うことなくAIの指示に従って作業を行う。
LV4:一部置き換え
  • 作業の主体:AIと人
  • 人が行う作業の一部を人間に代わってAI(ロボット)が行う。
    人は近くで監視しながら一緒に作業を行う必要がある。
LV5:完全置き換え
  • 作業の主体:AI
  • 作業の全体を人間に代わってAI(ロボット)が行う。
    人は遠隔から監視・指示が可能。

参考:伊本 貴士「ビジネスの構築から最新技術までを網羅 AIの教科書」(日経BP)、p.43

AIの市場に関して

海外でも、国内でも、AI市場の急激な成長が予想されています。

  • 日本のコグニティブ/
    AIシステムの市場支出額予測

    IDC JapanのAIシステムの市場予測によると、2016年以降は年間平均73.6%のペースでAI市場が成長し、2021年の市場規模は2501億900万円と見込んでいます。

    参考:IDC Japan「国内コグニティブ/AI(人工知能)システム市場」2017
    サービス:年平均成長率76.0%、ソフトウェア:年平均成長率83.5%、ハードウェア:年平均成長率53.5%、

  • AIを活用によるGDP改善効果が最も
    期待できる国「日本」(2035年時)

    コンサルティング企業Accentureが2016年に行った調査によると、日本はAIを活用することによって、2035年時点で経済成長率が3倍以上になる可能があるとの結果が発表されています。

    参考:Mark Purdy/Paul Daugherty「Why Artificial Intelligence Is The Future Of Growth」(Accenture)、p.16

AIの仕事への影響(世界)

マッキンゼーが2017年に発表したAIレポートによると、AIによってなくなる仕事が多くある一方、それ以上に新しく生まれる仕事のほうが多いと予想されています。

参考:McKinsey Global Institute 「Jobs lost, jobs gained: Workforce transitions in a time of automation」(McKinsey & Company)、p.2

職種別の自動化リスク

参考:Nedelkoska/Quintini「Automation, skills use and training」、p.50