【まとめ/2019年】AI活用事例!日常シーンからビジネスシーンまで幅広くご紹介します。

私たちの生活やビジネスシーンに浸透しつつあるAI技術。人間の暮らしをさらに便利で快適なものにしてくれるAI技術は、現在はいたるところで活用されているのです。ここでは、生活やビジネスにおいてAI技術が活用されている事例を交えながら、そのメリットやトレンド、今後の展望をご紹介していきます。

 

日常生活に活用されるAIとは?

 

 

「Siri」はAIの先駆け?

 

AI(人工知能)の身近な例といえば、「Siri」を思い浮かべる人も多いでしょう。

 

iPhoneをはじめとする、Apple社製品に搭載されている音声認識アシスタント機能で、ユーザーの音声を識別して任意のアプリを起動したり、おしゃべりに付き合ってくれたりします。難しい問題や、きわどい質問にもウィットに富んだ返しで対応するSiriは、単に音声認識で決まった行動をするのではなく、学習を重ねてユーザーの要望ごとにより適切な対応をしてくれることがロボットとの違いでしょう。

 

Siriが一般的に受け入れられ成功したということもあり、以降もAI技術を活用したさまざまな製品が各企業から生み出されました。

 

2019年注目のAI搭載家電

 

 

スキルで学習するAlexaの魅力

 

Amazon社が提供するAlexaは、高性能スピーカーEchoに搭載されている音声認識アシストAIです。このAlexaを、自社製品だけではなくデバイスメーカーに提供するといった新たなソリューションを展開しています。

例えば、東芝の4K TV「REGZA」(※対象外製品有り)や、ソニーの「BRAVIA」などはリモコン操作ではなく、音声によってコントロールが可能です。他にも、オーディオや電話機などにもAlexaが搭載されています。

「アレクサ、○○して」と命令することで行動する点は前述したSiriと同じですが、

Alexaの最大の特徴は、その拡張性にあります。

 

Alexaには、「スキル」と呼ばれるプラグインのような拡張機能があり、スキルを覚えさせることで

新しい行動ができるようになります。

天気予報や災害時情報を聞いたり、レシピを検索したり、デリバリーサービスを呼んだり、

スキルを覚えさせることで、自分好みのAlexaを作ることができます。

 

このように拡張性の高いAlexaを搭載した家電は、今後も増えていくでしょう。

 

 

喋るのはもう普通?ユーザーの使用時間帯を把握する冷蔵庫

 

 

AI搭載で冷蔵庫とも会話できる時代になりました。

シャープのSJ-TF49Cは、冷蔵庫の中の食材から献立を提案したり、ユーザーが定期的に購入している食材について、これまでの購入時期から割り出した周期をもとに、「そろそろ○○がなくなるころではないですか?」などと教えてくれたりもします。

他にも、ユーザーの普段の行動から買い物メモを登録できたりと、かなり生活に密着した行動を学習していくことが可能です。

 

今年注目のAI搭載冷蔵庫は、“切れちゃう瞬冷凍”が人気の三菱「MXシリーズ」と「MRシリーズ」です。

切った食材をAIが自動冷凍してくれるのがこのシリーズの特徴ですが、すごいところは冷蔵庫や冷凍庫のドアの開閉時間を記録し、ユーザーが冷蔵庫を使う時間帯を学習、その上で、もしユーザーが普段冷蔵庫を使わない時間帯にドアを開けたとしても、瞬冷凍を止めることなく続けてくれるのです。

 

この他にも、ユーザーの生活習慣を学習してユーザーに合った行動をしてくれるAI搭載家電は多数あり、私たちの生活をスムーズに、快適にしてくれる手助けをしてくれます。

 

進化するお掃除ロボット

 

お掃除ロボット業界でもAI搭載の波は加速しています。

お掃除ロボットのパイオニア、アイロボット社の「ルンバ」の最新版「ルンバi7/i7+」は、ルンバ史上最も賢いルンバというふれこみで注目を集めいています。

AIが活用されている機能としては、スマートマッピングが挙げられます。

これは、部屋の間取りや環境をルンバが学習、記憶することで、より効率的なルートで掃除をすることができるようになったとのことです。

 

また、どの部屋やエリアをいつ掃除する、といったスケジュールも立ててくれるようで、掃除はルンバに任せっきりでも安心ですね。

ルンバは一例ですが、他にもAIを搭載したお掃除ロボットは各社で開発、販売されています。

今まではお掃除ロボットと従来の掃除機を併用している方も多いと思いますが、どんどん賢くなっていくお掃除ロボットを見ると、手動の掃除は必要なくなるのも時間の問題かもしれません。

 

完全自動化も夢じゃない?!

 

 

AI搭載自動車の今後は

 

AI搭載の自動車はすでに実用化が進んでいます。

自動車事故を防止するため、危険を予測して運転をサポートしたり、普段走行している地域の情報をAI搭載のナビが学習し、近くのお店や施設情報を教えてくれたりとさまざまです。

AIの高性能化が進むと、人の運転に頼らない完全自動車運転が実現する見込みです。

商品化されるのはまだ先になりそうですが、近い未来、無人の自動車が走行する光景が見られるようになるかもしれません。

 

ビジネスシーンで活躍するAIたち

 

 

Geekly Media ライター

小石川 あおい

0

【AI×ヘルスケア】AIによって医療業界はどう変わるの?詳細な事例から将来性まで徹底解説!

医療業界でもAIの活躍が目立つようになってきましたよね。ヘルスケア分野へのAIの活用によって、これから医療従事者がますます働きやすくなったり、より正確な診断が下せるようになったりとAIへの期待も高まっています。そこで今回は、AIによって医療業界はどう変わるのか、その将来性まで具体的な事例を交えて紹介します。

 

ヘルスケア業界でAIができること

 

AIが白血病の女性を救った

 

 

2016年にAI(人工知能)が白血病の女性を救ったというニュースを覚えている人もいるでしょう。なんとAIがたった10分ほどで、医師でも診断の難しい女性の白血病を見抜いたというのです。

実は1年前、60代の女性は白血病と診断されて入院しました。しかし、抗がん剤治療を続けたけれど、なかなか回復しなかったそうです。

 

そこで、女性の遺伝子情報をAIに入力すると、AIはベテランの医師でも診断の難しい「二次性白血病」という種類の白血病を見抜いたとのこと。そして、AIは別の抗がん剤を使用するように提案し、女性は退院できるまでに回復しました。

この難しい診断を下したのはIBMのワトソン。知っている人も多いでしょう。東京大学とIBMは、ワトソンにがん研究に関する約2千万件の論文を学習させました。

 

そして今回、ワトソンは女性のがんに関する遺伝子情報と論文のデータとを照らし合わせて、病名を見抜いたのです。

AIが女性を救ったというニュースを観て、驚かれた人も多いでしょう。しかし近年、医療業界においてもAIは目覚ましい進化を遂げています。

 

医療業界へのAI活用事例①日立の画像診断装置

 

読影医の不足問題

 

 

頭部や腹部などの画像から病気の診断を行うための画像診断装置は、日々技術が向上していますよね。しかしながら、その画像をみて診断を下す読影医が不足しています。

そこで、日立のAIによる画像診断技術が期待されています。この技術は、従来の読影医による診断に加え、AIも画像から診断を行うというもの。

以前から、ディープラーニングによって病変の認識率は向上していました。しかし、ディープラーニングでは膨大なデータが必要ということや、ディープラーニングによる診断の根拠が分からないため、説明が困難という課題がありました。

 

日立の画像診断装置

 

日立の画像診断装置では、医師の診断とAIのハイブリッドラーニングという技術を併せることで、少ない画像データからでも正確な診断が行えると期待されています。

ところで、ハイブリッドラーニングとは従来の医師の診断による病変の特徴量を学び、学習効率を高めるという学習技術です。

医師の知識とハイブリッドラーニングを組み合わせることで、より読影精度や読影効率の向上が期待できるため、読影医も効率よく業務が進められるでしょう。

 

医療業界へのAI活用事例②富士通の精神病患者の診察補助

 

AIが患者のリスクを予測

 

 

AIがリスク分析をすることで精神病患者の命を救える可能性があります。実は、精神病は早めに適切な治療を行わなければなりません。

しかし、従来の紙による診察履歴では、医師が患者の症状を知り、患者に起こり得るリスクを把握するまでに何時間もかかってしまいます。

そこで欧州富士通研究所と富士通スペイン、そしてマドリッドのサン・カルロス医療研究所が開発したAIによるシステムが注目されています。

このシステムでは、AIが3万6000人以上の過去の患者データと100万以上の学術論文を取り込んで学習します。

 

そして診断したい患者の診察情報をAIが読み込み、データベースの情報と照らし合わせて解析することで、その患者のリスクを医師に提示できるのです。

ここでいう患者のリスクとは、アルコール依存症や薬物依存症などになるリスクのこと。医師はAIが患者のリスクを提示してくれることにより、患者の置かれている情報をあっという間に把握できます。

 

そのおかげで、より患者のリスクを高精度に診察できるようになるため、より多くの精神病患者の命を救うこととなるでしょう。

 

AIのおかげでヘルスケアが変わる

 

AIホスピタル計画

 

 

医療業界では「AIホスピタル計画」という言葉が聞かれるようになりました。「AIホスピタル計画」とは言葉の通り、ヘルスケアの分野にAI(人工知能)を活用すること。

政府が進めているAIホスピタル計画によって、より正確な診断が行えるようになることはもちろん、患者や医師にとっても大きなメリットが得られるのです。

例えば、私たちが医師の診察を受けている時、医師はパソコンの画面を観ながらずっと話していることが多いですよね。

患者としては、そんな態度の医師があまり信頼できないという人もいるでしょう。

ところがAIを活用することで、診察シーンも変わろうとしています。

パソコンに組み込まれたAIが患者と医師の会話を認識して、自動で診察記録を作成してくれるおかげで、医師は患者と向き合って話ができるようになります。

さらに、医師が患者へ診断内容や治療方針について説明する際も、AIが患者に分かりやすいように説明を補助します。

 

このように診察シーンでAIを活用することで、医師と患者とのコミュニケーションを増やし、より信頼関係を築けるようになるでしょう。

 

医療業界におけるAI の将来性

 

画像診断・病理診断を補助する

 

 

先ほどは、AIによる胸部CT画像や頭部MRA画像の画像診断技術をご紹介しました。さらにAIによる病理診断補助への期待も高まっています。

病理画像の診断は通常、病理医のダブルチェックが基本ですが、実は近年の病理医不足によってダブルチェックのできていない病院もあるのです。

 

そこで、AIの病理画像診断システムが活躍します。AIは多くの病理画像を学習し、病理診断を行います。

そのため、病理医が不足している病院でも、1人の病理医とAIによってダブルチェックが行えるので、病気の見落としが防げるのです。

 

Geekly Media ライター

やまりえ

0

【AI】自然言語処理を徹底解説!基本的な説明からできること、AIとの関係性までわかりやすく解説します。

自然言語処理という言葉をご存知でしょうか。あまり聞き慣れない言葉ですが、実は私達の生活において必ずと言ってもよいほど用いられています。AIの世界においても使われていますが、自然言語処理そのものについては、AIが誕生する遥か前から存在しています。今回は自然言語処理とはどういうものか、わかりやすく解説していきます。

 

自然言語と機械言語

 

自然言語って何?

 

 

私達は人とコミュニケーションを取るときには、言葉やジェスチャーを使います。その人間同士のコミュニケーションツールとして使われる言語が、自然言語です。

言葉だけ聞くと専門用語のように聞こえますが、人間が誕生してすぐに自然発生した言語であるため、その歴史はかなり長いです。そして時代とともに自然言語も増えており、その種類も様々です。

 

自然言語に含まれている言葉の意味についても、時代とともに変化しており、昔と今では言葉は同じでも意味が全く異なる言葉というのも多く存在します。また、時代の変化によって意味が異なる他にも、文化的な違いによっても意味などが異なります。

日本語や英語などもまさに文化的な違いです。このように、自然言語というのは同じ言葉でも文化や時代によっては意味や言葉そのものが異なるという曖昧さを含んだ言語なのです。

 

機械言語との違い

 

 

プログラミングについて学習したことがある人であれば、一度は耳にしたことがある機械言語。その名のとおり、機械が使用する言語です。

機械言語は基本的に機械しか解読することができない言語であり、すべての機械で共通の言語が使われています。共通の言語が使われているということは、異なる機械でも意味や言葉そのものは全く同じということになります。

 

自然言語との違いはこの意味や言葉そのものです。もしも機械言語が自然言語同様に曖昧さを含んでいた場合、同じコンピュータでも処理の仕方などが異なったりと、何かと不便になります。

パソコンによって操作方法や処理速度が異なるということはありますが、処理方法などの基礎的な部分については共通しています。曖昧さを含んでいるか否か、という違いが機械言語と自然言語の大きな違いなのです。

 

自然言語処理とは何か

 

自然言語をコンピュータに処理させること

 

 

近くにいる人であれば、直接話しかけたほうがより確実に自分の意思などを伝えやすいです。しかしもしも、意思を伝えたい人が遠くにいる場合は、わざわざその人のところまで向かうのは非効率です。

そのような場合の通信手段として、手紙や電話などが誕生しました。そしてその通信機器の最終型とも言えるものが、パソコンやスマートフォンです。そのパソコンやスマートフォンで用いられている処理が、自然言語処理なのです。

 

例えば、相手に意思を伝えるときひらがなのみだと伝わりにくいです。しかし、漢字やカタカナを混ぜることによって、相手にわかりやすく伝えることができます。

その漢字やカタカナに変換するときに、この自然言語が用いられています。つまり、相手にわかりやすく伝えるための自然言語を、コンピュータに処理させることを、自然言語処理というのです。

 

自然言語処理の仕組み

 

自然言語処理の仕組みは、実は非常に簡単です。

まずは長文を打ってみましょう。そしてスペースキーを押すと、打ち込んだ言葉の上部もしくは下部に様々な予測変換が出てきます。この状態こそが、自然言語処理をしている状態なのです。

長文を打つと、単語ごとに区切られており、それぞれの部分で予測変換が出てきます。この状態のことを形態素解析といい、自然言語処理において最初のステップとなります。

単語のみであればシンプルにその単語の予測変換が出てきますが、長文の場合は複数の単語に区切られています。

 

そして自然言語処理が始まった段階で、ある程度最初の単語以降の言葉が変換されています。この処理のことを、構文解析といいます。

パソコンなどで日常的に使用されている自然言語処理は、主にこの2つの解析が行われており、形態素解析をしてから構文解析、という順序で自然言語処理をしています。しかし実は、その後に様々な解析が行われていますが、それは後ほど解説します。

 

自然言語処理の課題

 

長い文章での誤変換

 

 

自然言語処理によって、パソコンやスマートフォンを用いて文章で相手とコミュニケーションを取ることが容易になりました。

また、コミュニケーション以外にも、自分の考えなどを発信することも容易にできるようになりました。しかしこの自然言語処理というのは、一見優れているように見えますが、課題もまだあるのです。

 

その一つが、長い文章での誤変換です。長い文章に限らず、単語によっても誤変換が出ることもあります

最初の部分で自然言語について説明しましたが、自然言語というのは曖昧さがあります。つまり、同じ言葉でも前後の言葉によって意味や言葉が異なってきます

自然言語処理の形態素解析と構文解析だけでは、どうしても誤変換が出てきてしまいます。

 

和訳時の不自然な文章

 

 

日本語の文章を翻訳するとき、または英文を和訳するとき、皆さんはどうしますか。近くに英語に詳しい友人がいる場合はその人に頼むという方法もありますが、おそらく多くの人は翻訳アプリなどのツールを使うはずです。

しかし、英訳はすんなりできたとしても、和訳したときに不自然な文章になってしまう、という経験をしたという人も少なくありません。

 

英語などは日本語とは違い、かなりシンプルなものです。そのため外国人の中には、日本語は複雑すぎるから難しいという外国人もいるほどです。

複雑な構成の英文を和訳すると、日本語が不自然になってしまう原因は、意味解析や文脈解析の技術が追いついていないためなのです。

この部分の課題については、AIや自然言語処理が進歩した現在でも、完全に解決されたわけではありません

 

自然言語処理とAIの関係性

 

意味や文脈の解析には大量のデータが必須

 

 

自然言語処理というのは、パソコンやスマートフォンはもちろん、AIでも必ず使用されています。

とくにAIの場合は、従来の形態素解析や構文解析の他にも、意味解析と文脈解析という処理が必須になります。これにより、よりわかりやすく正確な自然言語処理が可能になります。

しかしこの意味解析と文脈解析の精度を上げるには、大量のデータが必要不可欠となります。

 

言葉というのは時代によって意味なども異なります。とはいえ、機械は時代の流れや文化的な違いということについては理解することができません

それでも人間と同じような自然言語処理をするには、大量のデータをコンピュータに覚えさせる必要が出てきます。

そうして大量のデータを覚えることにより、AIも人間と同じような自然言語処理ができるのです。

 

機械の性能向上と自然言語処理の精度

 

大量のデータがAIの自然言語処理の精度を向上させる上で必要だと説明しましたが、では一体なぜ現在までにAIの自然言語処理の精度が向上したのか、ということになります。

AIが開発された当初から、機械学習の一つとして自然言語処理を取り入れていましたが、当時はデータを一つずつAIなどのコンピュータに覚えさせる作業が一般的でした。

当然のことながら時間もかかり、大量のデータを覚えさせるには、それなりに時間と労力が必要です。

 

しかし2000年代になるとインターネットが発達し、それに合わせて機械そのものの性能も向上しました。

これにより機械に覚えさせるスピードが速くなり、それでいて一度に多くのデータを覚えさせることも可能になりました。

さらに、インターネットの発展によって機械に覚えさせる情報も手軽に入手することができるようになったため、AIの自然言語処理も飛躍的に向上したのです。

 

Geekly Media ライター

どーばー

4+

【AI】なんで線形代数はプログラミングに大事?気になる機械学習、ディープラーニングとの関係性まで徹底解説!

AI関連のプログラミングや機械学習、ディープラーニングの世界では、線形代数が非常に重要なものとされています。理系の大学でしか学習することがない線形代数は、文系の人や学習したことのない人にとってはかなり難解なものです。それでもなぜプログラミングや機械学習に関係しているのか、今回はその理由などについて解説します。

 

線形代数とはどういうもの?

 

代数をさらに簡略化させたもの

 

 

理系の大学であれば必ずと言ってもよいほど学習する線形代数。理系の大学生にとっても難解であるこの線形代数ですが、それ以外の文系の大学生や数学が苦手という人にとっては、何を意味しているのかすらわかりません。しかし、実はこの線形代数というのはかなり簡単なものです。

代数というのはxyのことであり、その部分にどのような数字が入るかわからないからひとまずxなどを代わりに使おう、という考えの元使用されています。そしてその代数をさらに簡略化させたものが、線形代数なのです。

 

線形代数の仕組み

 

具体的に線形代数というのはどういうものかわからない人も多いはずです。しかし実は過去に見たことがあるものです。中学校などで連立方程式というものを学習したはずですが、その連立方程式も線形代数の一つなのです。

つまり、代数を使用しても計算式が複雑になってしまうため、曲線などの線を使って代数とする、というのが線形代数の基本的な仕組みです。線形代数といっても様々な種類がありますが、基本的なことは複雑な計算式を簡略化させたものであることには変わりません。

 

# 2つの配列を掛ける

x = [1,2,3]

y = [2,3,4]

product = []

for i in range(len(x)):

    product.append(x[i]*y[i])

 

# 線形代数バージョン

x = numpy.array([1,2,3])

y = numpy.array([2,3,4])

x * y

 

上記を比べれば分かる通り、計算式をかなり簡略化させることができます。

 

線形代数とプログラミング

 

プログラミングの考え方と線形代数は酷似している?

 

 

プログラミングの学習において、処理やタグなどで省略することができるものが存在するということはよくあります。よく使用するタグや、繰り返し処理する必要がある場合の関数など、プログラミングの世界では複雑な処理を簡略化するためのタグや関数が多く存在しています

複雑なプログラムに慣れれば慣れるほど、記述するプログラム言語の量も増えていきます。当然量が多ければ多いほど読みにくくなってしまいます。そのために簡略化された関数やタグを用いることで、プログラム文章そのものが簡潔に表記されるため、整理しやすいです。プログラミングの考え方と線形代数は非常に似ており、どちらもより簡潔に表記するという部分では共通しています。

 

Pythonと線形代数

 

 

プログラミング言語というのは、用途に応じて様々な言語が用意されています。そのプログラミング言語の一つであるPythonは、シンプルで読みやすいプログラミング言語として有名です。特に最近では、後ほど解説する機械学習の分野において、企業でも用いる会社が多いほど人気が高いです。そのPythonと線形代数というのは、かなり深い関係にあります。

線形代数は何度も説明しているとおり、複雑な計算式などを簡略化させるために誕生したものです。プログラミングの基礎においてもこの線形代数の仕組みや理論などは活用されています。そしてPythonはそのような簡略化が重要なプログラミングにおいて、シンプルでわかりやすいという特徴を持っています。この2つの特徴が組み合わさることで、より効率的な機械学習が実現するのです。

 

Geekly Media ライター

どーばー

6+

【AI】パターン認識を徹底解説!機械学習やアルゴリズムとの関係性もわかりやすく解説します。

AIなどについて調べると必ず出てくるパターン認識。パターン認識によって、AIが急速に進化し、多くの分野で用いられるようになりました。そのパターン認識には機械学習やアルゴリズムなども関係していきます。今回はそんなAIの進化に貢献しているパターン認識と、機械学習やアルゴリズムとの関係性をわかりやすく解説していきます。

 

そもそもパターン認識って何?

 

画像や音声などを使ってほしい情報を見つけること

 

 

なにか探しものをしているとき、皆さんはどうやって探し出して見つけますか。探しているものの形であったり、色であったりなど、探しているものの特徴を元に探しものを見つけるはずです。この何かしらの特徴を元にほしいものを探して見つけるという行動のことを、パターン認識といいます。

現在私達の生活を支えているAIの多くは、このパターン認識ができるタイプのAIが多いです。あまり実感できない人も多いですが、普段何気ない行動でも、このパターン認識によって助けられていることは多くあるのです。

 

人間はごく自然に行っている

 

例えば、待ち合わせ場所で友人を探しているとします。当然ながら待ち合わせ場所には友人以外にも多くの人がいます。その中で友人を見つけるには、様々な判断材料が必要になります。探している友人の顔や髪型などの視覚で捉える身体的特徴、そして友人の声などの耳で捉える身体的情報などを駆使して、その友人を探し出します。

このようにパターン認識というのは、論理的な情報を元に探すのではなく、画像や音声をそのまま用いて探し出すのが特徴です。現在はAIでも当たり前のようにパターン認識を行っていますが、そのAIが誕生する遥か前から、人間が普段の生活で当たり前のように行ってきているのです。

 

パターン認識と機械学習の関係

 

機械学習とは?

 

 

 

機械学習と聞くと、かなり複雑な言葉のように聞こえますが、実は意外にもシンプルなものです。人間というのは生まれた瞬間からすべてを知っているわけではありません。親から言葉などを学び、そして学校で勉強することによって知識が蓄えられます。それはコンピュータも同じです。人間に覚えてほしいことを教えるように、コンピュータに覚えてほしいことを教えるのです。

そして学習したことをきっかけに、より多くの情報を得たり、学習したことをきっかけに様々な決定を下します。親などから教わった言葉を元により複雑な情報を覚えたり、何をしてほしいかなどの意思を伝えたりなどします。コンピュータも同様に、教わった情報を元に新たな情報を取り入れたり、教わった情報を元にこうするべきだと提案します。機械学習というのは、人間が当たり前のように行ってきたことを機械にも行わせることなのです。

 

詳しいことに関しては、当メディア内でも記事が掲載されているので、興味のある人はぜひそちらも読んでみましょう。

 

https://geekly.co.jp/column/category/cat01-it/cat01-01-gijutu/cat01-01-05-ai/

 

パターン認識との関係性は?

 

ではこの機械学習とパターン認識はどのような関係があるのでしょうか。機械学習というのは、元々は機械に数字や記号を覚えさせることがきっかけで始まりました。様々な研究によって数字や記号を元に情報を覚え、そしてその数字や記号を元にどう対処すべきかを提案するまでに成長しました。しかしあくまでこれは論理的なことであり、すべての情報が論理的に処理できるわけではありません

情報というのはときには数式や記号では表せないこともあります。人間の顔や建造物などはまさに論理的に処理できないものです。そこで活躍するのがパターン認識です。パターン認識と機械学習を組み合わせることで、論理的には処理できない人間の顔などの物体も学習させることができました。これにより論理的な処理の他に、パターン認識による処理も可能となり、結果的に機械学習の幅が大きく広がりました。そしてそれによりAIも進化したのです。

 

パターン認識とアルゴリズムの関係性を見てみよう

 

アルゴリズムってどういうもの?

 

 

機械学習はもちろん、コンピュータを動かすにはアルゴリズムというものが必要になります。こちらもかなり難しい言葉のように聞こえますが、実際は至ってシンプルなものです。比較的身近なものでわかりやすい例としては、アキネーターが良い例です。様々な質問に対してはいかいいえで答えて正解を出すという流れは、まさしくアルゴリズムです。

コンピュータはもちろん、Webサイト内のプログラムも全て、アルゴリズムを元に動いています。入力された数値などを記憶するために様々な設問が用意されており、その設問に対してはいかいいえで答えていくことによって、情報が記憶されていきます。同様にほしい情報を出すには、同じように様々な設問が用意されており、その設問に答えていくことによってほしい情報が手に入るのです。アルゴリズムというのは、問題に対する正解を正しく出すための道なのです。その道があるからこそ、コンピュータやプログラムは正常に動くのです。

 

アルゴリズムとパターン認識

 

アルゴリズムと言っても、その種類は様々あります。基本的に一つのプログラムには必ず一つのアルゴリズムが設定されています。機械学習においても、記号や数字などを覚えるためのアルゴリズムが作られたからこそ実現したのです。

パターン認識も同じです。人間の顔や歴史的建造物などの画像や音声を機械に覚えさせるためのアルゴリズムができたからこそ、機械学習でパターン認識を取り入れることができたのです。AIやパターン認識、そしてそれらの元となる機械学習が進歩するには、アルゴリズムは非常に重要な存在なのです。

 

パターン認識によってAIはなぜ進化したのか

 

パターン認識と機械学習、そしてアルゴリズムの3つについてここまで解説しました。ここからはなぜパターン認識によってAIは進化したのか、そしてAIのパターン認識は具体的にどのように使われているかについて解説します。

 

機械の進化とビッグデータによる複雑化が背景に

 

 

AIというのは、元々は機械学習によって生まれたものです。そしてその機械学習の最終的な目的は、コンピュータが人間と同じように考えて行動することを目的としていました。当時はコンピュータの性能がそこまで高くなかったため、機械学習において思ったような成果は得られませんでした。しかし2000年代に入ると急速にコンピュータなどの機械の進化が進み、結果的に機械学習にもパターン認識を取り入れることに成功したのです。この成功こそが、AIが進歩した瞬間でもあります。

そして機械の進化とともに、データそのものも進化しました。今までは数字や記号、文字が基本でしたが、機械の進歩により画像や音声、さらには指紋などもデータとして残すことができるようになりました。そのような複雑な情報を記憶できるのであれば、それらを活かした処理も行えるという考えから、AIや機械学習はさらなる進化を遂げるのです。

 

より総合的な予測や識別が可能に

 

パターン認識によって指紋や顔などを認識できるようになったうえ、その情報を元に適切な処理ができるようになったということは、総合的な予測や識別を可能としたことになります。例えば機械や人の異常を予知する場合、今までは論理的な情報を元にしか判断できませんでしたが、パターン認識によって音などで予測し判断することもできるようになりました。

また、パターン認識によって顔で判別するということもできるようになりました。防犯カメラでの映像で犯人を探すときも、今までは人間が行うことが主流でしたが、パターン認識できるAIによって、予め犯人の顔写真さえ記憶させておけば、防犯カメラの映像から犯人を見つけ出すこともできるようになります。このように、パターン認識の導入によって、論理的な情報だけでは判別できなかったこともできるようになり、結果的により正確な識別や予測を可能にしているのです。

 

Geekly Media ライター

どーばー

3+

【AI×ビッグデータ】2つの関係性を徹底解説!具体的な導入事例とともにわかりやすく解説します!

近年、AIとビッグデータ、この2つの技術が注目されています。AIは人工知能で、ビッグデータは大量のデータだということをご存知の人は多いでしょう。しかし、これらがどのように活用されているのか、分からない人も多いのではないでしょうか。そこで今回は、具体的な導入事例を含めて、AIとビッグデータの関係性について紹介します。

 

AIとビッグデータとは?

 

AI(人工知能)とは

 

 

まずは、AIについてお話します。AIとは人工知能のことですよね。AI(人工知能)は簡単に言うと、私たち人間の脳と同じように、知的な活動をコンピュータで行うプログラムのことです。

例えば、近年注目の集まっているスマートスピーカーもAIが搭載されており、「音楽を流して」というだけで音楽を再生してくれます。さらにロボット掃除機などの家電とも連携できるので、家電の操作もスピーカーを使用して行えます。

このように、AIの発展により私たちの生活がより便利になったことが分かりますよね。

 

ビッグデータとは

 

では次に、ビッグデータについてお話します。ビッグデータは名前の通り、大量のデータを意味していますが、それだけではありません。

実は、ビッグデータというのは、色々な種類の様々な性質をもった多くのデータを指すのです。例えば、近年のIoTの発展により、センサなどから多くの情報がインターネット上に流れてくるようになりました。それら色々な形の情報がビッグデータといわれています。

 

例えば、自社の商品を販売する企業であれば、どのような年齢層の女性または男性が、どんな商品を好んで購入するか、という大量の顧客情報がビッグデータといえるでしょう。

企業は、このようなビッグデータの活用次第で、得られる利益も大きく異なってくるといっても過言ではありません。

 

AIとビッグデータの関係性とは?

 

 

このように、IoTの発展やネットワークの高度化により、インターネット上では多くのデータが氾濫するようになりました。しかし、従来の技術ではこのような膨大なデータの管理や保管は難しいものがありました。

ところが、AIの中でも特に機械学習やディープラーニングの発展により、従来なら不可能であった膨大なデータの管理や解析が可能になったのです。

そのおかげで、企業が持っている大量のデータも効率よく分析し整理し、企業にとって有用なデータのみを抽出できるようになりました。さらにAI、特に機械学習やディープラーニングの分野は、現在も凄まじいスピードで進化を続けています。

特に2012年にディープラーニングが登場してから画像認識のエラー率が一気に下がったため、今までは人間がひとつひとつ手をかけなければならなかった画像や音声などのビッグデータの分析・整理もコンピュータによって行えるようになりました。

 

AI×ビッグデータの課題

 

ビッグデータの安全な取り扱い

 

 

AIの発展により、ビッグデータがより効率よく取り扱えるようになりましたが、まだまだ課題も抱えています。

ビッグデータを分析し活用するためには、当然ながらビッグデータを収集・蓄積するためのシステムやプラットフォーム(コンピュータの基礎部分)を整備しておく必要があります。

特に企業においては取り扱うデータが顧客情報など安全な管理が求められるデータが多いため、セキュリティ対策も万全に行っておく必要があります。多くのデータがインターネット上にあふれると同時に、サイバー攻撃も深刻な問題となっているからです。

 

大規模なビッグデータへの対応

 

先ほどお伝えした通り、IoTの発展やデジタル化の進展により、インターネット上のデータはますます大規模になっています。

そのため、膨大なデータにも対応できる仕組みやシステムの構築が必要不可欠です。例えば、様々な形式のデータをリアルタイムで解析するために、サーバの性能を高め、処理速度を向上させるなどの対策が必要です。

 

AIとビッグデータを活用するには

 

データサイエンティストという職業

 

 

考え、AIのプログラミングを行うのはデータサイエンティストの重要な役割です。

 

しかしながら、日本ではビッグデータを取り扱えるデータサイエンティストが不足しています。データサイエンティストはデータ分析の知識だけでなく、統計学やプログラミングの高い能力が必要なため、データサイエンティストの育成がこれから強く求められるでしょう。

 

AI×ビッグデータの導入事例

 

人事への活用

 

 

企業では人材の採用が必要不可欠ですが、人材のスクリーニングは主に書類選考や適性テストなどによって行われており、選考基準として学歴があります。

実際のところ多くの人事が、学歴の低い人でも優秀な人材が多いことを知っていますが、人材のスクリーニングには膨大な時間がかかってしまっているため、学歴を判断基準にするしかないという企業も多いのが現状です。

そこで、今まで採用した人の学歴や特技や仕事での活躍具合などのデータを集め、蓄積してビッグデータとして分析することで、どんな特徴を持った人がどのような部署で活躍できるのかを判断できるようになりました。

AIがどのような人材がどこの部署で能力を発揮できるかを判断してくれることで、企業は求める人材をより効率的に見つけることができるのです。

 

Geekly Media ライター

やまりえ

3+

【徹底比較!】機械学習 vs ディープラーニング!AIで注目される2つの技術をわかりやすく解説します!

近年、AI(人工知能)の発展と共に、「機械学習」や「ディープラーニング」という言葉もよく聞かれるようになりました。これらの言葉を聞いたことはあるけれど、詳しくは良く分からないという人もいるのではないでしょうか。そこで今回は、AIで注目されているこれら2つの技術について分かりやすく解説します。

 

機械学習とは

 

 

機械学習という言葉は、聞いたことのある人も多いはず。機械学習とは、データを解析して、その結果から学習することにより、物事の予測や判断を行うことです。

もう少し分かりやすく説明すると、あるデータを解析して、そのデータの解析結果をもとにルールや法則などを導き出すのが機械学習です。

例えば、Amazonのサイトやアプリを開くと、「おすすめの商品」を紹介してくれますよね。この表示がされるのは、機械学習によって、「この商品を購入した人は、あの商品も購入する人が多い」というルールが導き出されているからです。

Amazonでおすすめ商品として紹介されている商品を、あなたも欲しいなぁと思うことがあるのではないでしょうか。

このように、機械学習によって、ひとつひとつの作業を人間がプログラムしなくても、AIが自分で大量のデータを分析してタスクを実行してくれるため、AIはさまざまな分野で活用されるようになりました。

では一体AIは、どのように大量のデータを分析し、学習しているのでしょうか。以下で機械学習の3種類の学習方法を紹介します。

 

機械学習の3分類

 

教師あり学習

 

 

機械学習の中でも、「教師あり学習」では、問題と正解をセットで学習して、正解を予測できるようになる学習方法です。この説明では少し分かりにくいので、具体例をお話します。

例えば、猫の画像に「ねこ」という正解をセットして、犬の画像に「いぬ」という正解をセットします。また、「トンネルを抜けると、そこは雪国であった。」という文章に対しては「川端康成」という正解をセットします。

このように、問題と正解のセットをたくさん学習することにより、正解を予測できるようになる学習方法が「教師あり学習」です。

そして、教師あり学習では画像や文章など様々な形式のデータを用いて学習できます。

まるで小さな子供が猫や犬の写真をみて、「ねこ」、「いぬ」と答えたり、ひらがなをみて読み方を答えたりしながら学習しているようですね。

 

教師なし学習

 

一方、教師なし学習では、正解のない問題をデータとしてたくさん学習しながら、ルールや規則を導き出していきます。

正解はなくても多くのデータの特徴をつかんで、何種類の分類ができるか、また、どのように分類するかを判断しながら学習を行うのが「教師なし学習」の特徴です。

 

強化学習

 

 

強化学習とは、AI自信が試行錯誤を繰り返しながら自らルールや規則を導き出す学習方法です。

例えば、囲碁で人間のトッププレイヤーに勝利した「AlphaGo Zero」は強化学習によって強くなったということをご存知ですか?

「AlphaGo Zero」は、囲碁の打ち手や勝ち方を全て人間からプログラムされたわけではなく、コンピュータ同士で対戦を繰り返すことによって、囲碁で勝つ方法を学んだのです。

コンピュータ同士で対戦している間に、人間のプレイヤーがこれまで打たなかった手を見つけていき、人間のトッププレイヤーに勝利しました。

このように、機械学習の中でも「強化学習」は、自動車の自動運転などにも利用されており、最も注目されている技術といえるでしょう。

 

ディープラーニングとは

 

ディープラーニングの特徴

 

 

先ほど紹介した「機械学習」の一部として、「ディープラーニング」という学習方法があります。「ディープラーニング」という言葉は聞いたことのある人が多いですよね。

ディープラーニングは、AIがデータから特徴を自動的に拾うため、人間によって複雑なプログラミングをする必要がなく、さらに高い精度で規則やルールが導き出せる学習方法です。

例えば、ねこの特徴である「ひげがある」、「耳が三角」などの情報を人間が与えなくても、AIが自動的に特徴を抽出するのです。

 

ディープラーニングの登場

 

では、ディープラーニングの登場についてお話します。ディープラーニングは2012年に発見されたばかりのアルゴリズムです。

今までAIブームは何度か訪れたにも関わらず、なぜ2012年にディープラーニングが発見されたのでしょうか。

実は、スマートフォンや高機能なパソコンの登場によって、今までより多くのデータがネット上に蓄積されるようになり、コンピュータが膨大なデータにアクセルできるようになったからです。

さらに膨大な計算を実行できるGPUというデバイスが高機能になった要因もあり、ディープラーニングが誕生しました。

 

ディープラーニングのブレイクスルー

 

 

ディープラーニングの技術が発展し、AIが急速に進歩した要因に、ディープラーニングのブレイクスルーがあります。

 

実は、ILSVRCという大規模画像認識競技会では、2012年に画像認識のエラー率が一気に10%も低下しているのです。なぜなら、ディープラーニングの技術が2012年に登場したからです。

そして、2012年以降も画像認識のエラー率は徐々に低下していき、とうとう人間の平均的なエラー率5.1%よりも低くなりました。

私たちはGoogleで画像認証を求められたとき、画像の選択を間違えてしまうことはありませんか?人間はGoogleの画像認証の「消火栓」や「道路標識」を選ぶといった簡単な画像認識でも間違えてしまう時がありますが、AIは滅多に間違えないということです。

 

Geekly Media ライター

やまりえ

3+

AI開発なら言語はPython!その市場価値から将来性、勉強法まで徹底解説!

近年、AI(人工知能)や機械学習の分野でプログラミング言語「Python」が注目を集めています。しかし、Pythonとはどんな言語で、どのような分野で活躍できるのかが明確に分からない人もいらっしゃるでしょう。そこで今回は、AI開発にて注目されているPythonの市場価値から将来性、プログラミング初心者でも挫折しない勉強法を紹介いたします。

 

Pythonの市場価値とは

 

あらゆるWebサービスやアプリを開発できる

 

 

Pythonは1990年代に誕生した比較的新しいプログラミング言語の一つです。プログラミング言語の中でも非常に分かりやすい言語であるにも関わらず、Webサービスやアプリケーション、ゲームなど様々なプログラムの開発に使用されています。

例えば、皆さんご存知のYouTubeやインスタグラムもPythonを使用して開発されています。国内外問わず、多くのサービスやアプリに使われているので、需要の高いプログラミング言語といえるでしょう。

 

AI(人工知能)や機械学習分野で活躍できる

 

 

近年、AIや機械学習の分野での開発が進んでいますが、これらの分野で最も使用されているプログラミング言語がPythonです。つまり、AIや機械学習の分野に興味があり、これらの技術を作ってみたいと考えているのなら、Pythonの学習が不可欠です。

AIや機械学習の開発の需要は近年高まってはいますが、日本ではAI・機械学習分野のプログラムを組む技術者が不足しているのが現状です。そのため、今からでもPythonの学習を始めれば、近い将来AIプログラマーとしての活躍が期待できるでしょう。

 

プログラマーとしての市場価値を高めるには

 

 

現在、プログラマーの需要が高まっています。特にスマートフォンやAIの分野での開発が発展しており、今後ますますプログラマーの活躍が期待されます。

一方で、ITなどの技術の発達に伴い、プログラマーも時代の流れについていけなければなりません。

一度学習した知識とプログラミング技術をずっと使い続けるのではなく、絶えず勉強を続けて新しい技術や分野への知識を身に着ける努力をしましょう。

また、市場価値の高いプログラマーになるは、プログラミング言語以外のスキルの習得が不可欠です。例えばAIや機械学習分野では、当然ながらAIや機械学習、ビックデータなどの知識が必要です。

これからは、AI開発に必要不可欠なPythonのスキルだけでなく、AI(人工知能)や機械学習についての高度なスキルが求められるでしょう。

 

Pythonの将来性について

 

需要あるAI(人工知能)・機械学習分野での活躍

 

 

上記でもお話した通り、PythonはAIや機械学習の分野にて特に注目されているプログラミング言語です。AIや機械学習のプログラム開発に不可欠なPythonは、今後ますます需要が高まってくるでしょう。

つまり、プログラミング言語であるPythonと、人工知能の両方を学習していくことで、将来AIプログラマーとして活躍する道が開けるということです。

 

データサイエンティストへの道

 

 

突然ですが、データサイエンティストという職業を知っていますか?データサイエンティストとは多くのデータを統計し、分析することでビジネスのための事業戦略を行う職業です。

一見プログラミングとは何の関係もなさそうに思えますが、実はデータサイエンティストの仕事にはプログラミング言語の習得が不可欠なのです。

実はデータサイエンティストが行うデータ解析において最も人気のあるプログラミング言語がPythonです。

データサイエンティストは、複雑なプログラミングを行う機会は少ないですが、データ解析を行うにあたり、データ整形処理やデータ分析にプログラミング言語を使用します。

Pythonに加えて、統計学やマーケティングの知識を習得しておくことで、プログラマーだけでなく、データサイエンティストとしても活躍する機会が訪れるでしょう。

 

グローバルで活躍するプログラマーへ

 

 

IT先進国であるアメリカでは多くのPythonプログラマーが活躍しており、Googleをはじめ、多くの企業でPythonが使用されています。一方で、日本ではPythonを扱えるプログラマーはあまり多くありません。

しかしながら、近年のAI開発の発達により、日本でもPythonを使用してプログラミングを行う技術者の需要が高まっています。

実際にプログラマーの求人サイト・転職サイトを見ても、Webサービスやビッグデータ関連でPythonのプログラマーが多く募集されていますよね。

これからますます、国内外でPythonの需要が拡大していくでしょう。今からPythonの学習を初めて日本で実践的なスキルを身に着け、将来は海外でAIプログラマーとして活躍する、というのも夢ではありません。

 

Geekly Media ライター

やまりえ

3+

【落合陽一氏/AI】AI時代を生き抜くノウハウを徹底解説!自分の好き/楽しいが稼ぐコツになる!

仕事が楽しくない、辛い、と思いながら毎日会社へ出勤している方もいるのではないでしょうか?しかし近年、AIの発展が注目されており、AIが代わりに仕事をしてくれる時代がやってくるでしょう。そこで今回は、落合陽一氏の言葉と共に、近い将来訪れるAI時代を生き抜くノウハウと、好きなことや楽しいことでお金を稼ぐコツを紹介します。

 

AIは本当に人間の仕事を奪うのか

 

ストレスの原因の多くは仕事

 

 

現在はIT技術も発達し、便利で豊かな生活ができる一方で、ストレス社会ともいわれています。ストレスの原因は人それぞれだと思いますが、やはり毎日の「仕事」に大きなストレスを抱えている人が多いのではないでしょうか。

あなたもお金を稼ぐために、やりたくもない仕事に毎日取り組んで、心身を消耗していませんか?では、もしもあなたが自分の好きな仕事や楽しいと思える仕事だけをして生きていけるとしたら、どうでしょうか。仕事によるストレスはかなり減るとは思いませんか?

実はAIのおかげで、将来私たちは自分の好きな仕事や楽しいと思える仕事だけをして生きていけるようになるかもしれないのです。

 

AIは人間の仕事をサポートする

 

 

世間では、「AIによって人間の仕事が奪われる!将来多くの仕事がAIにとって代わって失業者が増える!」と騒がれていますが、本当にそうでしょうか。

「超AI時代」という言葉の火付け役である落合陽一氏は、「(人間の仕事を)どこまでAIがサポートすべきか、ということが重要」であると述べています。

どういうことかというと、例えば工場で製品の検品を行う作業者がいたとします。ここでAIを導入して製品の検品をサポートしてもらうと、作業者の負担を減らせます。

そこで重要なのが、作業者が製品の検品を続けるストレスがどれくらいであるかを認知し、どこまでAIがサポートするべきなのかを考えることです。

 

人間の経験と知識、感は仕事においても必要

 

作業者のストレスがほとんどなければ、AIは作業者の検品の見逃しをチェックするだけでも良く、作業者のストレスが多ければ、AIが積極的に検品を行えばよいでしょう。

ここでのポイントは、AIは作業者のサポートを行い、作業者のストレスの低減を目的としているのであって、作業者の仕事を代わりに行うわけではないということです。

AIが発達したといっても、人間の経験と知識、そして感の良さは、どのような仕事であっても必要不可欠だからです。

 

自分の好きなことや楽しいことで稼ぐ

 

狩猟民族の血が流れている

 

 

「自分の好きなことや楽しいことで稼ぐことが、狩猟民族の血を持つ我々がもっとも生きやすい道」であると落合陽一氏は述べています。

私たちは元々、クマやイノシシを狩る狩猟民族でした。それが農耕民族に変わった時、狩猟民族だった時の血が抜けなくてストレスを溜めていたこともあるようです。

現代でも同じように、本当はクマやイノシシを追いかけて狩るように好きなことや楽しいと思える仕事をしたいはずなのに、ひたすら畑を耕しているようなルーティンな仕事を続けてストレスを溜めている人もいます。

そのような私たちがかつての狩猟民族のように、好きなことや楽しいと思える仕事ができるきっかけとなってくれるのが、AIではないでしょうか。

 

単純作業はAIが行えばいい

 

 

「AIで解決できる問題であれば、重要なのは問題をその見つけること」だと落合陽一氏は述べています。

例えば、仕事がルーティンなのでつまらない、モチベーションが続かない、と思われている人もいらっしゃるでしょう。

この場合の問題点は、ルーティンワークを続けなければならないという点です。もしも、このルーティンワークをAIが代わりに行ってくれるとどうなるでしょうか。

単純作業などのルーティンワークをAIが行ってくれるおかげで、私たちはAIには対応できない専門的な業務に集中できます。

今までのルーティンワークから解放され、よりやりがいのある業務に集中できたら、仕事にやりがいも感じ、モチベーションを維持できるのではないでしょうか。

 

好き・楽しいと思える副業を探そう

 

インスタグラマーは狩猟民族

 

 

ここで、もう少し狩猟民族の話をしましょう。

「スマートフォンを槍に見立てれば、インスタグラマーすらも狩猟民族だ」という落合陽一氏の言葉はなかなか興味深く感じませんか?

趣味や副業としてインスタグラムに写真を投稿している方もいらっしゃるでしょう。スマートフォンを道具としてインスタグラムで好きなことや楽しいことを発信しているわけなので、インスタグラマーも狩猟民族と呼べるでしょう。

インスタグラムもただの趣味であれば、槍を持って動物を追いかけているだけです。しかし、インスタグラムでお金を稼ぐことができれば、獲物を獲得しているので、それは立派な仕事といえますよね。

 

Geekly Media ライター

やまりえ

4+

【AI/仕事】AIでなくなる仕事とは?!AIには真似できない人ならではの仕事も併せて徹底解説!

巷ではAIに仕事が奪われるといわれていますが、実際にはどんな仕事が奪われるのでしょうか。この記事ではAIの得意、不得意から実用可能な技術に至るまで徹底的に解説しています。AIについて初心者の方でもわかりやすくまとまっていますので、ぜひご覧ください。

 

AIってどんなもの?

 

 

Artificial Intelligence の頭文字をとってAI、間違いなく現在最も注目を集めているテクノロジーといって良いでしょう。和訳すると人工的な知能という意味ですが、そのままですね。

これまでも心理学の分野では人間の知能については研究が重ねられており、年齢に対する知能の成長度合いを示す「IQ」といった知能の尺度は設けられてきましたが、AIはこうした方法とはまた異なるアプローチで知能の謎を解き明かそうとしている分野です。

 

実はガラケーに人工知能が搭載されていた?

 

 

じつは、これまでもAIに近いものは実用されていました。例えばドコモのガラケーに搭載されていたおしゃべりコンシェルなどですね。

使用する人の傾向に合わせてぴったりな提案をしてくれる、というものでした。

しかしこれは「あらかじめ指示しておいたこと」を実行してくれるプログラムに過ぎず、ほんとうの意味で個人の傾向にあったカスタマイズはされていなかったんですね。

知能があるように見えていた、というわけです。

何万人、何千万人という人間の数だけ思考や行動があり、それらに適応させる知能を持ったおしゃべりコンシェルを作るには、膨大な量のプログラムを用意しなくてはなりませんでした。

とても現実的ではありません。

しかし、現代はSiriやAlexaなどの会話形AIをはじめとし、個人用にカスタマイズされたAIを扱うことができています。

その理由は、ディープラーニングという技術が開発されたことと関連しています。

 

ディープラーニングによって何が変化したの?

 

 

深層学習と訳されるディープラーニングは、機械やプログラムそのものが、これまでのデータを元に自らをアップデートしていくことを可能にしたものです。

この技術が実用されたことで、囲碁や将棋、オセロ、チェスでは人間を打ち破るAIが複数誕生しました。

AIは何度も試合を重ねることで必勝パターンを圧倒的なスピードで理解し、実践できるようになっていきます。

ボードゲームには定石というものが存在しますが、これは先人たちが何年もかけて見出した「必勝パターン」です。ある程度の最善手はすでに確立されていました。しかし、AIには通用しません。

AIはもともとこうした「データから共通点を見出す」という行為が非常に得意です。

「勝った試合ではどこに打っていたか」「負けた試合ではどこに打たれていたか」を膨大なデータの中から見つけ出し、どんどん勝率を上げているのです。

それは定石をありえない速度で作り出しているともいえます。

こうした分析、演算の分野で人間がAIに勝つことは、おそらく不可能でしょう。

 

AIが得意なことは?

 

 

膨大な量のデータを恐るべき速度で分析できます。

数値を扱うことに非常に長けているので、演算などはとうの昔に人間ではかなわないレベルになっています。

人間は元来、そうしたデータ分析や共通点を見出すなど、見えない情報を扱う行為が下手でした。

ですので、統計学などの学問ではわかりやすくするために数値化したデータをグラフで表すなどして視覚情報に変換します。

見えないものを扱うのが難しい人間にとって、AIは苦手克服のための心強いパートナーなのです。

他にも単純作業などは人間より遥かに速い速度でこなせるようになりました。

例えばエクセルなどの表計算ソフトでは単純な計算、コピー、データの参照といった作業は数秒で終わってしまいます。

更に複雑なシステムであってもプログラムを組んでしまえば、データを入れるだけで必要な処理を終わらせてほしい結果だけを抽出できます。

これをさらに高精度にしたものがAIです。

パターン化できるものであればなんでも学習できますので、応用が期待される分野は数多くあります。

 

Geekly Media ライター

3+