HOME/ AINOW編集部 /今さら聞けない「AI・人工知能」とは?
2017.07.03

今さら聞けない「AI・人工知能」とは?

【最終更新日】2020年12月23日

AI(人工知能)の話題が連日のようにニュースに登場するようになりました。

富士キメラ総研の「2020 人工知能ビジネス調査」によると、2020年度の国内AIビジネス市場規模は、前年度比15.4%増の1兆1084億円に拡大すると見込まれています。

また、2021年度以降はDX(デジタルトランスフォーメーション)に必要な要素として、AIの利用がさらに拡大し、2025年度には2019年度比2.0倍の1兆9357億円になると予測されています。

しかし、まだAIの活用は十分に進んでいるとはいえない状況です。2020年3月に実施されたIT専門調査会社 IDC Japan 株式会社の「日本企業のAIシステム利用率」に関する調査によると、AIシステムを全体的に利用している企業は16.0%に留まっていると報告されています。

みなさんはAI(人工知能)について、どのくらい知っていますか?機械学習やディープラーニングとAIの違いがわかりますか?

近い将来、AIが仕事を奪っていくというネガティブな意見まで散見される今、しっかりAIについて理解し、活用を進めることが大切です。

この記事では、そもそもAIとは何なのか、その歴史、活用事例まで幅広く解説します。

目次

AI(人工知能)とは

AI(人工知能)の定義|AIの略

AIとはArtificial Intelligenceの略で、日本語では人工知能と表されます。

AI(人工知能)の定義は、専門家の間でもまだ定まっていないのが現状です。さまざまな専門家がそれぞれの定義をしており、統一的な定義はありません。

以下の表は13人のAI研究者によるAIの定義をまとめたものです。

研究者(所属)
※敬称略
定義
中島秀之(公立はこだて未来大学)

武田英明(国立情報学研究所)

人工的につくられた、知能をもつ実態。あるいはそれをつくろうとすることによって知能全体を研究する分野
西田豊明(京都大学) 「知能を持つメカ」ないしは「心を持つメカ」である
溝口理一郎(北陸先端科学大学院) 人工的につくった知的な振る舞いをするためのもの(システム)である
長尾真(京都大学) 人間の頭脳活動を極限までシミュレートするシステムである
堀浩一(東京大学) 人工的に作る新しい知能の世界である
浅田稔(大阪大学) 知能の定義が明確でないので、人工知能を明確に定義できない
松原仁(公立はこだて未来大学) 究極には人間と区別が付かない人工的な知能のこと
池上高志(東京大学) 自然にわれわれがペットや人に接触するような、情動と冗談に満ちた相互作用を、物理法制に関係なく、あるいは逆らって、人工的に作り出せるシステム
山口高平(慶應義塾大学) 人の知的な振る舞いを模倣・支援・超越するための構成的システム
栗原聡(慶應義塾大学) 人工的につくられる知能であるが、その知能のレベルは人の超えているものを想像している
山川宏(元ドワンゴ人工知能研究所) 計算機知能のうちで、人間が直接・間接に設計する場合を人工知能と呼んで良いのではないかと思う
松尾豊(東京大学) 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。人間のように知的であるとは、「気づくことができる」コンピュータ、つまり、データの中から特徴量を生成し、現象をモデル化することの出来るコンピュータという意味である

(出典)松尾豊「人工知能は人間を超えるか」(KADOKAWA)p.45

AI(人工知能)の種類

AI(人工知能)は「特化型人工知能」と「汎用人工知能」の2つに分けられます。

「人工知能を搭載!」「世界初!人工知能を使った○○」といったようなフレーズをよく耳にします。しかし、ここでいう人工知能という言葉は、定義が曖昧なまま「賢い」「人間のような振る舞いをしてくれる」というニュアンスで使われていることが多い現状です。

なんでもできるドラえもんのようなAI(人工知能)はまだ実現しておらず、AI(人工知能)の種類をしっかり理解して、正しく区別することが大切です。

特化型人工知能

特化型人工知能とは、1つのタスクに特化したAI(人工知能)を指します。

例えば画像を認識するAIは音声を認識できません。音声を認識するAIはテキストを認識することができません。1つのタスクに特化した特化型人工知能は、AlphaGo(囲碁AI)やPonanza(将棋AI)などが代表的です。

▼特化型AIとして代表的な囲碁AI「AlphaGo」について詳しくはこちら

現在では、人工知能関連の研究のほとんどが、この特化型人工知能の研究で、さまざまな分野で新たな取り組みが行われています。

汎用人工知能(AGI)

汎用人工知能は、簡単に言うと「なんでもできる人工知能」のことを指し、AGI(Artificial General Intelligence)とも略されます。

特化型人工知能は1つのタスクに特化し、それ以外のタスクをこなすことができませんが、汎用人工知能は与えられた情報をもとに自ら考え、応用することができる人工知能です。

まさに「人のようなふるまいをする」イメージで、「ドラえもん」や「鉄腕アトム」のように、まるで人間のようなロボットを想像する人も多いでしょう。

汎用人工知能が完成した時、シンギュラリティが起きるといわれており、汎用人工知能が人間最後の発明になるとも言われています。

汎用人工知能の実現可能性については、さまざまな思想家が独自の考えを展開しています。未来の技術革新について的確に予測ができないなか、さまざまな意見を踏まえた上で、自分なりの見方を持つことが重要です。

強いAIと弱いAI

AI(人工知能)は「強いAI」と「弱いAI」にも分類できます。これらの言葉は哲学者のジョン・サール氏によって作られました。

ジョン・サール氏によると、強いAIとは、「正しい入力と出力を備え、適切にプログラムを与えられたコンピュータは問題を本当の意味で理解することができる。それは人間と同じように意識・思考を持っている」と定義されています。

強いAIは、人間のように自意識を備える人工知能とも言えるでしょう。「ドラえもん」や「鉄腕アトム」は強いAIとも言えます。

一方、弱いAIは「意識・思考を持たない人工知能」と定義されます。特化型人工知能と同じように、人間の知性の一部を代替し、特定のタスクに特化しています。

現在開発されているAI(人工知能)は意識を持っているものはなく、弱いAIに分類されます。

人間と「強いAI」、「弱いAI」の知能レベルを可視化すると以下の図のようになります。

「強いAI」は汎用人工知能に近い概念で、「弱いAI」は特化型人工知能に近い概念とも言えます。

強いAIと弱いAIの知能レベルの比較

AI(人工知能)の歴史

現在、さまざまな産業領域でAI(人工知能)を活用したモノやサービスが普及してきています。

その中でも私たちの身近にあるAI(人工知能)と言えば、SiriやAlexaなどの「スマートスピーカー」や、自動で家の間取りを学習して効率よく掃除を行う「お掃除ロボット」などがあります。

最近ではAIを活用した自動運転車が話題になるなど、生活の中で人工知能に触れる機会は多くなっていることが実感できると思います。

それでも、「AIに関するニュースをよく耳にはするけど、あまりピンと来ない」という人がほとんどではないでしょうか。そこで、AI(人工知能)について歴史からひも解いていきたいと思います。

AIの歴史(第一次AIブーム〜第三次AIブームまで)

(出典)松尾豊「人工知能は人間を超えるか」(KADOKAWA)p.61

第一次AIブーム:推論・探索の時代(1950年代後半~1960年代)

この時代、コンピュータで「推論・探索」をすることによって問題を解決する研究が進んでいました。

「人工知能」という言葉の始まりは、1956年夏、ダートマスで開催された「ダートマス会議」というワークショップです。ここには、ジョン・マッカーシー、マービン・ミンスキー、アレン・ニューウェル、ハーバード・サイモンなどの著名な学者が参加していました。

※人工知能の概念自体は1947年の「Lecture to London Mathematical Society」で提唱されていたのですが、人工知能という言葉が使われたのはダートマス会議が初めてです。

このワークショップでは、アレン・ニューウェルとハーバード・サイモンが「ロジック・セオリスト」という人工知能プログラムのデモを行いました。これは自動的に定理を証明するプログラムで、世界初の人工知能プログラムと言われていました。

第一次AIブームではコンピュータプログラムにおけるさまざまなアルゴリズムが考案され、特にトイプロブレムと呼ばれる、迷路からの脱出やパズルを解くなど単純なタスクを得意としていました。

このブームの中で、知的で解くことが難しい問題をコンピュータが次々と解いていき世間を驚かせました。しかし、よく考えてみると、解いている問題はすべて明確なルールが定義されているモノでした。

現実問題については、ルールが不明確なものも多く、その複雑な計算を処理する術がなく、解くことができませんでした。このことが発覚するとAI(人工知能)に対する失望感が増していき、1970年代に冬の時代(人工知能技術が停滞する時代)に突入してしまいます。

第二次AIブーム:知識をいれると賢くなる(1980年代)

エキスパートシステム」の開発・導入がきっかけとなり、1980年代に第二次AIブームが起こりました。

第一次ブームでは高度な計算はできましたが、現実的な問題となると厳しいものがありました。

そこで開発された「エキスパートシステム」は、知識表現に重きを置いて作られました。医者などの専門家の知識から得たルールを用いて特定の領域についての質問に答えるプログラムです。

しかし、ここでも問題がありました。コンピュータには「常識」がないという問題です。

例えば、「熱を下げるにはどうしたらいいか」という質問に対して、「解熱剤を飲ませる」または「殺す」と答えたそうです。確かに死ぬと体温は下がりますが…。そもそも前提として命を守る必要があることは人間であれば必然と理解しています。

ただ、コンピュータにはそういった「常識」がないために、このような答えを出してしまうのです。人間の持つ膨大な常識を、ルールとして整備することはほぼ不可能で、結局、このような問題に直面し、第二次ブームは収束しました。

第三次AIブーム:機械学習・深層学習技術の発展(現在)

結果的に、2回ともAI(人工知能)の本質が見えないままブームは去っていきました。

そして、2010年代前半から第三次ブームが起こっています。この第三次ブームが起こった大きな要因として、ディープラーニング(深層学習)技術が発展したことやビックデータが普及したこと、計算機(GPUなど)の能力の向上が挙げられます。

ディープラーニングにより、画像や映像、音声から情報を抽出したり、音楽や文字を生成することが可能となっています。

従来のAI(人工知能)の技術では、人間がルールを定義することで、問題を解決したり、知識を取り出す手法が主流でした。しかし、AIが目指すべきところは、「自ら学習し、推測する」ことです。それを可能にする技術がディープラーニングです。

ディープラーニングを活用することで、膨大なデータをAI自らが学習し、その特徴(ルール)を自主的に取得可能になりました。

ディープラーニングがこれからのAIの発展に大きく関わってくることは間違いないでしょう。

▼AIの歴史について詳しくはこちら

▼AIの歴史をまとめた年表はこちら

AI(人工知能)と機械学習、ディープラーニングの違い、関係性

機械学習やディープラーニングなどの技術について解説する前に、AI(人工知能)と機械学習、ディープラーニングの関係性について解説します。

簡単に説明すると、機械学習はAIの1つの要素技術であり、ディープラーニングは機械学習の1つの要素技術です。

機械学習とディープラーニングが同列に扱われることもあり、注意が必要です。

AI(人工知能)と機械学習とディープラーニングの関係性

機械学習とは

ここからは機械学習について説明します。

機械学習は与えられたデータ(問題)を基にプログラム自身が学習する仕組みになっており、大まかに「教師あり学習」「教師なし学習」「強化学習」の3つに分類することができます。

教師あり学習、教師なし学習、強化学習の比較

教師あり学習

「教師あり学習」は「データ」と「問題の正解」のセットを与えることによって自律的にその特徴を学習する仕組みです。

過去のデータから未来の数値を予測する回帰と画像に何が写っているかを判別する分類などが、教師あり学習の代表的な手法です。

回帰では、将来の売上など数値の予測、分類では、分類ではカメラ映像からの人物の検知など、現在でも活用が進んでいる機械学習の手法と言えます。

教師なし学習

「教師なし学習」は、「教師あり学習」のように正解データを必要としない学習方法です。

主な手法として、与えられたデータの傾向を分析することができるクラスタリングなどがあります。

クラスタリングのイメージ

例えば、ユーザーがショッピングサイトで買っているものの傾向を導き出すなど、情報の可視化に使われるケースが多いことが特徴です。

強化学習

「強化学習」は与えられた問題に対してAI(人工知能)が試行錯誤をすることにより、問題を解決する行動を学習する手法です。

強化学習では、AI(人工知能)の行動結果に報酬を設定することで、その報酬が最大化するように行動パターンを自律的に学習します。イルカなどの動物に芸を覚えさせる際に、芸が成功したときだけに餌(報酬)を与える考え方に近いでしょう。

最近では、強化学習とディープラーニングを組み合わせた手法「深層強化学習(DQN:Deep Q Network)」なども主流で、囲碁AI「AlphaGo」が世界最強の棋士を破るに至ったのもDQNの仕組みを取り入れたことが一因となっています。

▼機械学習についてさらに詳しく知りたい方はこちら

ディープラーニングとは

ニューラルネットワークとディープラーニング

ディープラーニングは、機械学習分野でも、その精度の高さから世界的な注目を集めている技術です。今までの機械学習技術は、人間がデータ内の特徴を指定する必要があったのに対し、ディープラーニングは、特徴を自動で学習します。

そのため、エクセルデータのように構造化されたデータだけでなく、音声や画像、テキストなどの複雑な非構造化データも学習できる点が大きなメリットです。

ディープラーニングは、人間の脳の神経回路を模倣したニューラルネットワークをさらに発展させた技術です。

ニューラルネットワークの構造は、入力となるデータを入れる入力層、入力層から流れてくる重みを処理する隠れ層(または中間層)、結果を出力する出力層で構成されます。

神経細胞とニューラルネットワーク

ディープラーニング はニューラルネットワークの隠れ層をたくさん増やし、精度の向上を図ったモデルです。

隠れ層の数を増やすことにより、複雑なデータの学習を可能にしています。

ディープラーニングの画像認識の例

▼ディープラーニングについて詳しくはこちら

ディープラーニングだけではない!幅広いAI研究

AI研究が年々発展・拡大することで、その全貌を捉えることは難しくなってきています。また、実社会の課題を解決するために必要なAI技術やAIシステムがどういうものなのかという関連性も不明瞭になってきており、AI初学者やAI活用を狙う異分野の研究者、AI導入を検討する企業にとって大きな壁となっています。

人工知能学会(JSAI)はこうした課題に対して「AIマップ」を作成、公開しています。

AIマップβ2.0では大きく2種のマップで構成されています。

AI課題マップ

AI活用の観点から課題を整理したシンプルなマップです。多様化するAI研究と社会での課題との関係性を見いだし、課題解決への多面的な見方や情報を得ることを補助してくれます。

【使い方】
①自らの課題を「マイ課題シート」に書き出す
②自らの課題に似た「課題カード」を選定、マイ課題の見直し
③課題カードに書かれている技術キーワードや応用事例キーワードをピックアップ
④「AI技術マップ」(以下で紹介する)や検索エンジンを活用して理解を深める

課題カード全体図

課題カード全体図

課題カード(認識・推測系)

課題カード「認識・推測系」 課題に使われる技術や事例が簡潔に書かれている。

AI技術マップ

複雑に絡み合っている多数のAI研究分野を5つの異なる観点から整理したマップです。
このマップで使われているキーワードは、人工知能学会の論文キーワードと共通化が図られています。これによって最新のキーワードが追加、今後発刊される学術論文をキーワードで検索することが可能となりました。

【5つの異なる視点】
A: 知能の処理の流れ
B: 成功した応用例と発展傾向
C: AI研究の応用と基礎
D: AIとは何か
E: JSAIの学術論文に付与すべきキーワードを整理したマップ(論文誌編集委員会が作成)

知能処理の流れ

A: 知能の処理の流れ

このマップは今後もアップデート、ブラッシュアップされていく予定で、AI研究の最先端を知るには最適なツールです。

▼詳しくはこちら

AI(人工知能)のメリット

判断の代替:労働力不足の解消

現在、日本は少子高齢化が進んでいます。厚生労働省によると、2053年に日本の人口は1億人を割ると予測され、合わせて労働人口も今後減少を続け、今後は人手不足がさらに問題視されるでしょう。

帝国データバンクは、2019年に発生した人手不足倒産の件数が、2018年に比べて20.9%増え、4年連続で過去最多を更新したと2020年1月9日に発表しました。業種別では、サービス業が54件と最多で、増加率が最も高かったのは卸売業でした。
※参考:人手不足倒産」の動向調査(2019年1~12月)

今後も人手不足倒産が増えると予測される中、AI(人工知能)の活用に注目が集まっています。簡単な判断が必要な人的な作業をAIに任せることにより、限られた人的資源を社内で有効に活用することができるかもしれません。

例えば、アメリカでは、レジなしのコンビニ「Amazon Go」が大きく注目されました。カメラの映像をAIで解析することによって、レジがなくても、商品棚から商品を取り出し、そのまま店を出るだけでで、自動的に決済が終わる仕組みです。これにより、レジ打ちを担当するスタッフが不要になりました。

▼「Amazon Goについて詳しくはこちら

レジなしコンビニだけでなく、今後も警備や介護などのさまざまな分野でAIの活用が進むことで、人手不足をカバーすることができるかもしれません。

人間の拡張:サービスの新たな価値の創出

AIの活用を行う上で、単なる効率化だけでなく、新たな価値を創出するために、人間にできないことを代わりに行う「拡張」の考え方が重要です。

ディープラーニングなどのAI技術発展により、高度な認識が可能になったAIは、人間には不可能なスピードで膨大なデータを処理可能です。そのため、サービス内でAI技術を適切に活用すれば、大きく機能を改善していくことが可能です。

例えば、日本を代表するフリマアプリのメルカリは、商品画像を撮影すると、自動で商品名やカテゴリ、ブランドを認識し、入力してくれる感動出品機能を搭載しています。これは、何千人もの人間を雇っても不可能な処理で、まさに人間の判断を拡張している例と言えるでしょう。

また、音声だけで操作できるスマートスピーカーも、AIにしか対処が難しいタスクと言えます。その他、AmazonやYouTube内のおすすめ機能など、サービスの新しい価値を生み出すことが大きなメリットと言えます。

AI(人工知能)のデメリット

責任の所在

AIのデメリットの1つとして、責任の所在が不明な点が挙げられます。

例えば、AIの誤認識によって自動運転車が事故を起こしてしまった場合、その責任はどこにあるのでしょうか?AIを作った企業なのか、自動運転車に乗車していた人なのか、これらは明確に法律で定義されていません。

今後は、AIの活用を見据えた上で、議論を重ね、法律の整備を進めることも重要です。

思考のプロセスが不明

AIには「ブラックボックス問題」が指摘されています。「ブラックボックス問題」とは、AIの判断の根拠やプロセスが見えない問題のことです。

2016年にAIがプロの囲碁棋士に勝った事例が有名になりましたが、思考のプロセスが見えないため、どのような根拠で判断し、AIがプロに勝つことができたのかは誰も分かりません。

雇用の減少

AIの技術が進歩していくことで、レジ係や事務員などの仕事は人間がやらなくても良いことになります。企業の中でも単純作業はAIが担っていくことになり、人員削減に繋がることが予測されます。

スーパーの店員や電話オペレーター、ホテルの受付係などルーティンワークや単純作業が中心で、特別なスキルが必要ない仕事は今後減少していくでしょう。

▼AIのメリット・デメリットについて詳しくはこちら

AI(人工知能)を活用別に分類

ここでは画像認識や音声認識など、活用別に現在のAIについてご紹介します。

AIは、扱うデータによって、さまざまな活用方法があります。従来ではシステムで扱うことが難しかった画像やテキスト、音声を扱えることも特徴的です。

画像認識

AI(人工知能)の代表的な活用は、写真や映像を認識する「画像認識」です。

従来のシステムで画像を認識するには、動画像内の物体に対して、色や形など、細かいルールを作る必要がありました。しかし、AIを活用すれば、膨大なデータを学習することで、物体の特徴を自律的に取得し、認識できます。

例えば、医療においては、内視鏡などから得た画像を解析することで、病変を検知する取り組みなどが進んでいます。また、店舗内の監視カメラの映像をAIが解析することで、万引の検知を行うことも可能です。

また、ロボットにAIが搭載されることで、障害物を避け、自律的に行動することが可能になります。

その他、AIの活用を語る上で、画像認識は欠かせないテーマです。以下の記事で、画像認識について詳しく紹介していますので、ぜひご覧ください。

自然言語処理(テキスト解析)

「自然言語」とは人間が日常的に使用する言語のことを言います。人間が使う言語は、「おいしい」や「すごい」など、プログラミング用語に比べて曖昧性を持っており、今まで機械でうまく認識することが困難でした。

そこで、システムに人間の言葉を理解させようとする取り組み「自然言語処理」に注目が集まっています。

近年は、ユーザの言葉をAIが解釈することで、コールセンターの負荷を減らすチャットボット関連のサービスが急増しています。

また、その他にも、AIを活用して文章の要約を行ったり、SNSの投稿内容を解析するなどさまざまなサービスが登場しています。

▼自然言語処理について詳しくはこちら

音声認識

音声認識とは、コンピュータにより音声データをテキストデータに変換する技術です。人間が言葉をそのまま理解するのに対し、コンピュータは、音響モデルや言語モデルを用いて音声を解析し、認識します。

身近な例だと、Googleが開発した「Google Home」や、Amazonが開発した「Alexa」などのスマートスピーカーに音声認識技術が活用されています。

他にも、会議の録音データから自動的に議事録を作成するツールや、自動翻訳システムなど、音声認識の活用の幅は広がっています。

AIスピーカー(スマートスピーカー)のまとめ

音声認識と自然言語処理の技術が組み合わさることで、まるで秘書のようにさまざまなタスクを処理することができるようになります。

▼音声認識について詳しくはこちら

予測

今、AIを活用して未来を予測できるようになっています。店舗の売上や、株価、経済や在庫量など、さまざまな場面でAIによる予測が活用されています。

過去の時系列データ(時間軸に沿って表されたデータ)を学習することで、未来の数値などを予測できます。

今まで、在庫量や株価などは人間による勘や経験によって予測されていました。その職業に従事してきたベテランであれば、勘や経験で高精度で予測可能かもしれません。しかし、人口が減少する中、勘や経験に依存する職業の継承が困難になる可能性があります。

▼伝統産業とAIの共存について詳しくはこちら

これからは、AIによる予測を活用していくことが重要です。

例えば、回転寿司の大手チェーン「スシロー」を運営するあきんどスシローは、AIを活用することで、1分後と15分後の寿司の需要を予測しています。各店舗の売上などのデータも蓄積することで、高い精度を実現しています。

▼AIによる予測について詳しくはこちら

AI(人工知能)の活用事例 / サービス

この章では、具体的なAI(人工知能)の活用事例やサービスを紹介していきます。

農業

農業の領域でもAIの活用が進んでいます。画像を解析することで、作物の育成状況を管理するだけでなく、ロボットを活用した自動収穫など、さまざまな事例が生まれています。

医療

医療領域でもAIの活用が進んでいます。特にAIによる画像認識を活用し、病気の傾向を見つける事例などが増加しています。

チャットボット(会話AI)

ユーザが話して楽しめるだけでなく、業務効率化の手段としてもチャットボット技術に注目が集まっています。

小売

スーパーなど小売業界で活用されるAIは「リテールAI」とも呼ばれ、店舗運営のコスト削減などの目的で活用が進んでいます。

採用

AIを導入することにより、作業効率がアップすることが注目され、一次選考や面接で活用されることが多くなってきました。

実際に、作業効率が75%カットされたという事例もあります。

広報

広報は「発信」が肝です。

しかし、「その発信を聞いた人がどのように感じているのか」「発信を魅力に感じている人の属性は何か」を分析しないと、発信を届けたいのに、なかなか届かなかったり、効率が悪くなってしまったりします。

その分析を人間の手で行うとキリがありませんが、例えば「顧客の反応を分析するAI」が開発されています。

軍事

技術と軍事は、常に表裏一体の関係にあります。重工業などの分野は、軍需によって大きく発達してきた側面もあるのも事実です。

その他の事例

さまざまな分野で活用が進むAIは、膨大な事例やサービスが生まれています。

AINOWでは、AI関連のサービスをまとめた「AIサービスマップ」を公開しています。合わせてご覧ください。

▼AI活用事例まとめ

ビジネスでのAI(人工知能)の活用法

ビジネスにおいて、AI(人工知能)の導入を進めるプロセスは主に以下の通りです。

  1. 課題を把握し、AIプロジェクトを企画する
  2. AIプロジェクトの要件を定義する
  3. 必要なデータを集め、精査する
  4. 実際にモデルを構築し、検証を行う(PoC)
  5. 本格的に開発を行う
  6. AIをシステムに組み込む

PwCコンサルティングが実施した調査によると、17%のAIプロジェクトしか実用に至らないと結果が報告されています。

AIプロジェクト実用の割合

「平成30年度成果報告書 産業分野における人工知能及びその内の機械学習の活用状況及び人工知能技術の安全性に関する調査」を元にAINOW編集部が作成

また、AIのプロジェクトを進める上で、どんな課題があるのかを理解することが大切ですが、約4割の企業が「課題が不明」を回答しています。

AI導入におけるフェーズ別の課題

「平成30年度成果報告書 産業分野における人工知能及びその内の機械学習の活用状況及び人工知能技術の安全性に関する調査」を元にAINOW編集部が作成

▼参考記事

また、冒頭で紹介した通り、多くの企業ではまだAIの導入までに至っていません。

▼参考記事

もしかしたら、上司に「AIが流行っているらしい…とりあえずAIで何かしてよ」なんて言われるかもしれません。

以下の記事では、ビジネスにAIを導入する流れを紹介していますので、ぜひご参考ください。

DXへの注目の高まり ーDXとAIの関係性は?

近年、DX(デジタルトランスフォーメーション)に注目が集まっています。AIなどの技術発展を背景に、デジタル技術の利活用が企業にとって事業拡大の鍵となっているからです。

DX(デジタルトランスフォーメーション)とは

DX(デジタルトランスフォーメーション)はスウェーデンのウメオ大学のエリック・ストルターマン教授が2004年に提唱し、「人間の生活に何らかの影響を与え、進化し続けるテクノロジーであり、その結果、人々の生活がよい方向に変化する」という概念です。

また、日本経済産業省は2018年に「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」と定義しました。

▼DX(デジタルトランスフォーメーション)について詳しくはこちら

AI専門ニュースメディア AINOW
AI専門ニュースメディア AINOW
https://ainow.ai/2020/10/13/228560/
日本最大級のAI・人工知能専門メディア

DXとAIの関係性

AIとDXの関係性

DXを推進する上で大切なのはさまざまなデジタル技術を複合させ、課題を解決し、会社全体を変革していくことです。人間がさまざまな機能で構成されているように、DXにおいても、さまざまな技術を適材適所で活用していく必要があります。

しかし、人間の脳が大切なように、AIがDXの中で果たす役割の重要性も高まっています。

DXでは、デジタル技術だけでなく「データの利活用」が重要視されています。

収集された膨大なデータをAIで認識・判断・予測をすることで、人的なコストを大きく下げ、事業のスケールアップが可能です。従来では、人的対応をしていたがために時間的な制約や効率性が悪かった作業が開放されるからです。

実際に、多くの企業では収集された膨大なデータを活用し、AIを用いることで、競争優位性を確立しています。

最新のAIの動向

AI業界はめぐるましいスピードで変化しています。今日、最新だった技術が明日には、時代遅れの技術になっている可能性もあるのです。

そのため、AI業界のビジネスマンや技術者たちは最新のAI技術や研究をキャッチアップしていく必要があります。

この章では、最新のAIの動向を3つ解説します。

エッジAI(AIのエッジ化)

近年、AIのエッジ化(エッジAI)に注目が集まっています。エッジ(edge)とは、一般的に「ふち」や「端」、「刃物の刃」などの意味し、IoT分野では、端末と端末側のネットワークで収集したデータを回線に送り出すポイント(ネットワークの端末)を「エッジ」といいます。インターネットに接続された製品のことをエッジデバイスと呼びます。

エッジAIは、エッジデバイスに搭載されているAIのことを指します。ここでいうエッジとはカメラや車、工場の機械デバイスのことで、エッジの端末に直接AIを搭載し、情報処理をする技術です。

エッジAIは、データをクラウド環境に送信する必要がないため、リアルタイムな処理や、インターネットが繋がらない環境での処理を可能にします。

また、端末で収集したデータをクラウドに送る場合も、選別することで、送るデータ量を抑え、通信コストを節約できます。

他にも、プライバシーの問題が常につきまとうデータ管理に対しても、クラウド上にデータを送らずに端末内での処理に留めてくれるエッジAIは、情報保護の観点からも優れているといえます。

エッジAIは、自動運転や、気象予報、自律ドローン、工場での検品などさまざまな場面で活用されています。GAFAMを中心とした海外の大企業もエッジAIの開発・導入を進めており、今後も目が離せないAI技術の一つです。

▼エッジAIについて詳しくはこちら

コンテンツの生成

最近AI分野で注目を集めているのが、「AIによるコンテンツの生成」です。

例えば、AIが画像から動画を生成できるようになったり、AIが映画監督となって映像作品を自動生成したり、小説を書いたりなど、さまざまな部分でAIによるコンテンツ生成が進んでいます。

AIによるコンテンツ生成の中でも、株式会社データグリッドの「全身モデル自動生成AI」は、特に注目が集まっています。

2019年7月「アイドル自動生成AI(顔領域のみ)」の開発で知られるデータグリッドは、実在しない人物の全身画像を自動生成するAI「全身モデル自動生成AI」の開発を発表しました。

人の顔を自動生成する事例は他にもいくつかありましたが、高精度の全身モデル画像を安定して生成させた事例はなかったため、大きな注目を集めました。

全身モデル自動生成AIは、広告やアパレルECのバーチャルモデルとしての利用が想定されています。

このように近年は、AIによるコンテンツの生成、いわば「クリエイティブ作業ができるAI」の開発が進んでいます。

▼AIによるコンテンツ生成の例

需要予測のニーズの高まり

AIによる需要予測の活用事例は、これまで多数ありました。しかし、近年さらに需要予測のニーズが高まりつつあります。

需要予測に活用されるデータは、売上や在庫数など、企業内でも蓄積されているケースが多い傾向にあります。また、需要予測による在庫や人員配置の最適化などによって、コストメリットがわかりやすく、多くの企業で導入されやすい傾向です。
変動が激しく、複雑化・多様化が進む現代のビジネス環境において、経験や勘を頼りにするのは困難になりつつあります。不確実性が増す今、あわせて需要予測のニーズがさまざまな分野に広がっています。

今後は、地方の中小企業でも需要予測AIを活用するのが当たり前になるかもしれません。

AI(人工知能)のこれから

深層強化学習の発展

深層強化学習は、文字の通り深層学習(ディープラーニング)と強化学習を組み合わせた技術です。 画像認識や自然言語処理などの領域への適用が進むディープラーニング技術ですが、強化学習への適用事例はまだ多くありません。

一方で、AIの汎用性を大きく上げる手法として注目を集めています。汎用性を高めるとは、言い換えれば「環境に対応すること」を指します。練習を重ねて子供が自転車に乗れるようになったり、動物は環境に応じて複雑な行動をしています。

深層強化学習では、動物が環境に適応するように、ディープラーニング(特徴抽出)と強化学習(予測制御)を組み合せ、ロボット制御などの複雑なシステムの制御ができるようになります。

囲碁の場合では、盤面を認識し、その特徴を得た上で、次の一手を予測します。自動運転では、カメラやセンサーから取得したデータを元に運転操作を行わければなりません。

半教師あり学習の発展

半教師あり学習とは、少量のラベル付けされたデータを活用することで、その他の大量のデータを生かした学習を行える手法です。人間が「これは車だよ」と教えてもらった後に、何度も車を見ながら自己学習をしていくように、学習効率の高さが注目されています。

半教師あり学習ではまず、一部のデータに対して、人間が手動でアノテーションを行います。そのアノテーション済みのデータを用いて、残りのデータのアノテーションを自動で行ってくれる手法です。

例えば、人間の画像に対して、性別の判定を半教師あり学習で行うとします。まずは、人間がアノテーションを行います。続いて、アノテーション済みのデータから、「この特徴をもっていると男性、これだと女性に分類」と学習させます。そして残りの画像データのラベルを予測して、確信度の高いものをデータに加えます。(ブートストラップ法)

これがうまくいけば、教師データの作成において、コストの削減が可能です。

汎用言語モデルの発展

自然言語処理の分野では、汎用言語モデルの開発が進められています。Googleが発表したBERTや、アメリカの非営利団体 OpenAIが発表したGPTなどが大きく話題になりました。

これらの汎用言語モデルは、新聞記事や百科事典、小説、コーディングなどの膨大な言語データを学習させ、その上で少量のデータを用いて、再学習することで、高い精度の言語処理を実現可能です。

これらの汎用言語モデルは、新聞記事や百科事典、小説、コーディングなどの膨大な言語データを学習させ、その上で少量のデータを用いて、再学習することで、高い精度の言語処理を実現可能です。

国内ではLINE社が日本語初の汎用言語モデルを開発すると2020年11月に発表しています。

AI(人工知能)に仕事を奪われる!?

発展を続けるAI(人工知能)に注目が集まると同時に、世間では「AIが人間の仕事を奪っていく」とまで言われています。実際、AIが仕事を奪っていく未来は近いのかもしれません。

株式会社野村総合研究所は、2015年12月2日、イギリス オックスフォード大学のA. オズボーン准教授およびカール・ベネディクト・フレイ博士との共同研究により、日本国内の601種類の職業について、AI(人工知能)やロボットなどで代替される確率を試算し、発表しました。

この結果によると、日本の労働人口の約49%が就いている職業がAI(人工知能)やロボットに代替されると推計されています。

この研究結果による、AI(人工知能)に代替されやすい職業と代替されにくい職業は以下の通りです。

AI(人工知能)に代替されやすい職業 AI(人工知能)に代替されにくい職業
必ずしも特別の知識・スキルが求められない職業に加え、データの分析や秩序的・体系的操作が求められる職業

例:一般事務員、行政事務員(国、県市町村)、銀行窓口係、警備員、タクシー運転者、データ入力係、電車運転士、ホテル客室係、レジ係、スーパー店員、新聞配達員、駅務員など

芸術、歴史学・考古学、哲学・神学など抽象的な概念を整理・創出するための知識が要求される職業

他者との協調や、他者の理解、説得、交渉、サービス志向性が求められる職業例:アートディレクター、アナウンサー、グラフィックデザイナー、ゲームクリエイター、コピーライター、スタイリスト、ファッションデザイナー、俳優、バーテンダー、シナリオライター、テレビカメラマン、経営コンサルタント、テレビタレント、作詞家、作曲家、雑誌編集者、映画監督、漫画家、ミュージシャン、料理研究家 など

1つの作業を繰り返すような業務は、人間が行う必要がなくなりつつあります。安定と言われる中央官庁職員などの上級公務員も、AI(人工知能)やロボットなどに代替されると推計されています。

しかし、それに伴って複雑な仕事が多くなってきているのも事実です。人間はこれから複雑な仕事をする役割を担っていかなければならないため、人間は、さらなるスキルアップが求められるでしょう。

参考資料:日本の労働人口の 49%が人工知能やロボット等で代替可能に(株式会社野村総合研究所)

▼関連記事

AI(人工知能)は人間を超える?シンギュラリティとは?

AI(人工知能)の技術に注目が集まると同時に「シンギュラリティ」という言葉を聞くことが多くなってきました。「シンギュラリティ」は「技術的特異点」とも言います。

AI技術が極端に進化を遂げた未来では、AIが人類の知能を超え、指数関数的に進化し、その進化の速度が予測できなくなると言われています。AIが人類を超える、そのポイントが、シンギュラリティ(技術的特異点)です。

指数関数的に進化するシンギュラリティ

人間が人間を超えるAIが発明されると、そのAIは、さらに賢いAIを生み出すことが可能になると考えられます。

つまり、爆発的(再帰的)に知能の高い人工知能が再開発され、人間には到底想像ができない人工知能がどんどん生み出され、生活が一変すると言われています。

未来学者のレイ・カーツワイル氏はシンギュラリティが2045年 に到達すると予想しています。

▼レイ・カーツワイルについて詳しくはこちら

▼シンギュラリティについて詳しくはこちら

AI時代、私たちはどうすればいいのか

AIの導入があらゆるところで進み、私たちのライフスタイルや働き方が変わる「AI時代」が到来しつつあります。

そんなAI時代、私たちはどうすればいいのでしょうか。AIに仕事を代替されないために、そしてAIとうまく共存していくために、私たちには何ができるのでしょうか。

AIに関する知識をつける

AIとうまく共存していくために今やるべきこととして、AIの知識をつけることは最も合理的な手段だと言えます。

AIの基礎知識をつけ、普段から最新のAIニュースをキャッチアップしていれば、AI時代の到来にも柔軟に対応できるはずです。

また、豊富なAIの知識があれば、AIを使う側になれる可能性もあるため、より会社から求めれる人材になれます。

AIが苦手とされるスキルをつける

AIに仕事を代替されないために考えられるのが、AIの苦手分野のスキルを高めるという方法です。

人間にはできて、AIにはできない、難しいと言われるスキルを紹介します。

  • コミュニケーション能力
  • ITスキル、知識
  • 交渉力
  • 情報収集力
  • 積極性、行動力
  • 柔軟性
  • リーダーシップ
  • 洞察力
  • 創造力
  • 課題解決能力

※総務省の調査研究報告などを参照

これらのスキル生かした職業は、仕事として残る可能性が高いと考えられ、今後さらに需要が高まるかもしれません。

しかし、AI技術は加速度的に進化しており、今のAIできないことが数年後にはできるようになっている可能性もあります。そのため、AIに関する知識や最新の情報をキャッチアップすることが、ますます重要になってくるでしょう。

AI(人工知能)関連スキルの学び方

プログラミングを学ぶ

プログラミングを学ぶと、AI技術の一部である機械学習を実装・開発できるようになります。

プログラミング学習は、効率的にAIを学ぶこと可能で、仕事の幅を広げることにも繋がるためAIを学ぶ手段としてオススメできます。

Web系のプログラミング言語「Python」は、機械学習を構築する上で最も用いられる言語です。Pythonは他のプログラム言語に比べて、コードがシンプルで扱いやすいため、プログラミング初心者でも学びやすい言語となっています。

▼AI開発に不可欠なPythonの学び方について詳しくはこちら

▼機械学習入門者が学ぶべきこと、学習方法はこちら

AI(人工知能)関連の本で学ぶ

AIに関連したさまざまな書籍が発売されています。

以下の記事では、ディープラーニングに関連した書籍を中心に、AIについて網羅的に学べる書籍も紹介しています。

▼AI関連おすすめ書籍のまとめ

AI(人工知能)関連のWebサイトで学ぶ

現在、Pythonを学べるWebサイト、Webサービスがインターネット上に溢れています。無料でAIに関する豊富な知識を得られるサイトも多数存在します。

AI Academy

AI Academyは、個人に最適化されたカリキュラムで、PythonやAIを実践的に学べるAIプログラミング学習サービスです。機械学習に必要な数学や統計学、プログラミング(Python)の初歩から機械学習・ディープラーニングまで、390種類以上のオリジナルテキストが提供されています。無料プランもあるため、手軽にAIの学習を始められます。

キカガク

キカガクは、無料でデータサイエンスの基礎や機械学習の基礎などを学べるサイトです。TensorFlowやPyTorchなどのフレームワークまで網羅されており、初学者が最短でコスト0で学ぶには最適です。

Aidemy

Aidemyは、AIの学習に特化したオンライン学習サイトです。Pythonを中心に、CSSやHTMLなどのフレームワークも効率的に学ぶことができるので、プログラム初心者でも挑戦することができます。無料のコースも用意されているため、気軽に学習を始められるという点もAidemyの魅力です。

AI(人工知能)関連の講座を受ける

今、オンラインだけでなく対面式の講座や、学習サービスが多く提供されています。以下の記事を参考に、AIについて学べる講座をぜひ受講してみてください。

▼AIについて学べる講座まとめ

AI(人工知能)関連の資格・検定を受ける

AI関連の資格検定試験の受験もおすすめです。日本ディープラーニング協会が実施するG検定・E資格をはじめ、さまざまな資格検定試験が実施されています。資格検定試験のシラバスを網羅することで、体系的にAIについて学ぶことが可能です。

▼AI関連資格まとめ

AI(人工知能)関連の研究室で学ぶ

AINOWでは、AI関連の研究を行っている約300の研究室を地方別にまとめて公開しています。

AIについて学びたい方だけでなく、産学連携を模索している方も、ぜひご参考ください。

▼「AI Lab Map 2018」

インターンで学ぶ

学生であれば、インターンでAI(人工知能)を学ぶというのもオススメです。インターンは実際の環境でAIを構築するスキルを得ることができたり、AIに関する幅広い知識をつけられたりするため、社会で使えるAI知識を最短で身につけることができます。

▼機械学習インターンについて詳しくはこちら

▼機械学習インターンまとめ

AI(人工知能)関連の団体 / コミュニティ

人工知能学会(JSAI)

人工知能学会(JSAI)は、AI(人工知能)に関する研究の進展や正しい知識の普及などの活動を通じて、社会の発展に寄与することを目的として1986年に設立されました。

学歴や年齢を問わず会員になることができる非常にオープンな団体で、会員数は約5200名(2020年3月末現在)です。

年に1回、AIに関する日本最大級の学会の「人工知能学会全国大会」を開催する他、学会誌の発行など、さまざまな活動をしています。

▼人工知能学会(JSAI)について詳しくはこちら

日本ディープラーニング協会(JDLA)

JDLAは日本の産業がディープラーニングをより有効に活用して、産業競争力を高めていくことを目指して2017年に設立されました。

東京大学大学院工学系研究科 教授の松尾豊氏を理事長とし、ディープラーニングの有識者が中心となって、産業促進を促すために設立された団体です。

▼日本ディープラーニング協会(JDLA)について詳しくはこちら

Machine Learning 15minutes! (Facebookグループ)

「Machine Learning 15minutes!」は毎月最終土曜日に開催しているイベントです。

「Machine Learning 15minutes!」は、機械学習について15分以内で語るLT(Lightning Talks)を6~9人程度で行い、ディープラーニングなどの先端的な事例、強化学習などの流行の技術、ビジネスへの応用例など、さまざまな角度から機械学習についての知見を広げ、懇親会でネットワーキングを行うイベントです。

Facebookコミュニティは2700人を超え、機械学習関連のニュースが日々シェアされています。(2020/05/19現在)

AI Academy Community

AI Academy Communityは、AI Academyが運営するAI(人工知能)や機械学習、ディープラーニングに特化したAI研究コミュニティです。

参加者は5400人を超え、日本最大級のコミュニティといえるでしょう。(2020/05/19現在)

AIに関するニュースなどが日々シェアされているので、ぜひ参加してみましょう。

AI・人工知能関連情報を扱う専門メディア「AINOW」

AINOWは、日本初のAI専門メディアとして、AI分野について幅広く発信しています。AI関連の日々のニュースや、コラム、著名人などへのインタビューなど幅広いコンテンツを掲載しています。

週注目のAIニュースやイベント情報をAINOW編集部がピックアップしてメールマガジンを配信しています。

まとめ

活用事例に挙げたように、AI(人工知能)は既にさまざまな分野に活用され、成果を上げています。これからさらに研究が進むにつれ、幅広く利用されることは間違いないでしょう。それによって人間は仕事を奪われる、といったネガティブなイメージがありますが、ポジティブに捉えればやらなくてよい仕事が増えるとも考えられます。

AI(人工知能)が発達していくにつれ、世の中はさらに便利で住みやすくなっていくことでしょう。人工知能の今後の発展にますます期待が高まります。

参考書籍

  • 松尾豊(2015)『人工知能は人間を超えるか ディープラーニングの先にあるもの』
  • KADOKAWA [参考書籍] AIビジネス研究会「60分でわかる!AIビジネス最前線」技術評論社