最終更新日：
海外のAI系コンテンツに触れたい方におすすめ。
AINOWは翻訳記事だけではなく、海外記事の要約をまとめたコンテンツも配信していきます。
目次
海外記事要約まとめ
AIは広告の未来をどのように変えるのか
著者 Piotr Jurowiec
著者のPiotr Jurowiec氏はAIやブロックチェーンのような最先端テクノロジーに関心のあるプロジェクト・マネージャーであるが、具体的な所属は公表していない。同氏が長文英文記事メディアMediumに投稿した記事では、AIが広告活動に与える影響について論じられている。
今や広告の主たる流通先はインターネットであるが、インターネット広告は様々な問題に直面している。同氏はそうした問題として、パーソナライズ広告が適切に消費者に届いていないことや、詐欺広告のの存在等を挙げている。
AIを活用すれば、現在のインターネット広告が抱える問題が改善されることが期待できる。パーソナライズ広告の運用にAIを導入すれば、各消費者の嗜好や行動パターンを学習してより適切に広告を提供することができる。また、AIの異常検出機能を使えば、詐欺広告を効率的に検出できる。こうした広告にAIを導入することによって得られる恩恵は、企業に利益をもたらすと考えられる。
広告にAIを導入することは、消費者にも利益をもたらすと予想される。というのも、AI導入によって企業が利益を上げることにより、「トリクルダウン効果」（金持ちがもっと金持ちになれば、最終的に貧者も富む）が期待できるからである。以上よりAIを広告に導入することは、広告業界を新たなレベルに押し上げるだろう、と同氏は自らの主張をまとめている。
誰でもAIを使えるようにPower BIに新しいAI機能を追加したことの発表
著者 Arun Ulag
著者のArun Ulag氏は、Microsoftアメリカ法人のPower BIエンジニアリング部門のゼネラルマネージャー。同氏が同社のPower BIブログに投稿した記事では、同社が開発・提供するビジネス・インテリジェンスツール「Power BI」にAI機能が実装されたことを解説している。
Power BIに追加実装されたAI機能は以下の4つ。
- 画像認識とテキスト解析
- 重要なビジネス指標に影響する要因を分析するドライバ分析
- 自動機械学習を活用してワンクリックで可能な機械学習モデルの作成
- Azure Machine Learningで作成した機械学習モデルの共有
以上の新機能によって、例えば大量のユーザレビューに挿入された画像に写っているモノを特定して、レビューの傾向を分析することが可能となる。具体的にはあるホテルのエアコンに問題がある場合、多くのユーザはエアコンの画像を挿入したうえでエアコンの調子が悪いというレビューを投稿するだろう。同アプリの新機能を使えば、大量のレビューを精査しなくてもエアコンの画像を認識して、エアコンに問題があることを突き止められるのだ。また、データサイエンスの知識がなくても、機械学習を活用した売上予測モデルを構築することもできる。以上のようにして、同アプリはあらゆる立場のビジネスパーソンにAI機能とその機能による恩恵を提供するのだ。
NLPとCIのどちらがチャットボットの王なのか？
著者 Jiaqi Pan
著者のJiaqi Pan氏は、チャットボットを開発するLandbotのCEOである。同氏がMediumに投稿した記事では、NLPとCIの比較をふまえたうえで両者の正しい活用法が論じられている。
現在のチャットボットには、実装する機能に応じてNLP（Natural Language Processingの略語：自然言語処理）とCIの二種類が存在する。NLPはチャット型UIを採用したチャットボットで多用されている。対して、CIはConversational Interfacesの略語で日本語に訳すと会話的インタフェースとなるのだが、チャット型UIに視覚的なUIを加えたチャットボットを指す。同氏は、これら二種類のチャットボットは、利用目的に応じて使い分けるべきだと主張する。こうした議論に続けて、同氏はチャットボットの利用目的として以下の３つを挙げている。
- コンパニオンチャットボット：会話を続けること自体が目的のチャットボット。Microsoftの「りんな」が該当。
- ウェブサイト・チャットボット：従来のウェブサイトをチャットボットで代替するもの。
- カスタマーサポートボット：企業のカスタマーサポートで活用されるチャットボット。
同氏によれば、コンパニオンチャットボットとカスタマーサポートボットにはNLPが適しているが、ウェブサイト・チャットボットにはCIが適している。しかし、利用目的に応じたチャットボットの使い分けよりも重要なのは、チャットボットはユーザの言葉を精確に理解するよりはユーザが満足するような会話ができるように進化すべきである、ということなのだ。
ウェブカメラとTensorFlow.jsを使ってAlexaが手話に反応できるようにするには
著者 Abhishek Singh
著者のAbhishek Singh氏は、AIやARといった最先端テクノロジーを活用した試作品を制作するメディアアーティスト。同氏がMediumに投稿した記事では、Alexaに手話を理解する機能を実装する過程が解説されている。
Amazon Echoは、会話によるデバイス操作という直観的かつ新規なUIを提案している反面、手話を使うようなヒトにとっては制御できないものとなっている。そこで同氏は、Alexaに手話が理解できる機能を実装することを思い付いた。その実装方法として、オープンソースの機械学習ライブラリTensorFlow.jsの機能のひとつであるTeachable Machineを活用することにした。この機能は、ウェブカメラから取り込んだ画像にもっとも類似した学習済み画像を提示する、というものである。この機能自体はjavaスクリプトなので、デモプログラムを簡単に開発することができる。こうして同氏は同機能を活用してAlezaに手話をひとつずつ学習させたことによって、手話と単語を結びつける機能を実現した。
以上のようにして開発された手話を認識するAlexaのデモプログラムは大きな反響を呼び、同デモの発表から程なくしてEcho Showに字幕を表示するアクセシビリティ機能が実装された。なお、実現したデモプログラムはGitHubで公開されており、動作とソースコードを確認することができる。
運転を学ぶ：純粋な模倣を超えて
著者 Waymo Team
Googleの自律自動車開発部門が分社化してできた企業Waymoの公式ブログ。同社の開発チームがMediumに投稿した記事では、同社の自律運転用AI開発について解説されている。
自律運転用AIを開発するにあたっては、ある時点における自動車の状態にもとづいて未来における自動車の状態を運転動作を通して実現する必要があるため、時系列データを処理できるAIを実装することが求められる。それゆえ、同社の自律運転用AIには時系列データを処理できるAI技法として知られるRNNが採用されている。学習データには、熟練したヒトの専任ドライバーから収集した走行データが使われている。こうした学習データは、言わば安全かつ効率的な運転を学べる模範となるデータである。しかし、同社は「良い」走行データだけでは不十分だと考えている。というのも、模範的な走行データのみから学習していると、不測の事態に対応できないAIが誕生するからである。
同社は、より安全な自律運転用AIの開発のために、AIが算出する正しいクルマの軌道を乱す目的で乱数を導入して、不測の事態をシミュレーション環境でも起こすことに取り組んでいる。こうして不測の事態もシミュレーションから学習したAIは、より安全な走行能力を獲得した。
なお、同社の自律運転用AIは現時点では強化学習機能を実装していないが、長期間にわたって運転を学習する「継続的な生涯学習」機能を実装することが今後の目標である。
Special Thanks （翻訳協力）：吉本幸記
