人工知能や機械学習、またはディープラーニングといった用語を聞いたことがないというビジネスパーソンはもはや皆無でしょう。これらの技術はビジネスと深いかかわりを持ち、業務システム担当者としては無視できない存在となっています。
まだ人口知能や機械学習を活用していない企業でも、来るビジネスの変革に対応するため、1つの知識として理解しておく必要があります。本稿では、人工知能と機械学習、それとディープラーニングについてそれぞれの基本と違いを解説しています。
人工知能＜機械学習＜ディープラーニング
まずは各用語の分類から説明していくと、最も広義の範囲として人口知能が存在しています。英語では“AI（Artificial Intelligence）”です。人工知能の歴史について遡ると、1956年7月から同年8月にかけて開催された“ダートマス会議”により初めて定義されました。
当時は「台頭しつつあるコンピューターによって実現可能な、人間の知能と同じ特徴を持つ複雑なマシンを構築すること」を人工知能として定義していました。要するに、人間と同じように考え、同じような感覚を備え、あらゆる判断力を備えている汎用的な人工知能のことです。ただし、そうした人工知能が未だ開発されていないことは皆さんもよく知るところでしょう。
では、昨今の人口知能はどういったものを指すのでしょうか？人口知能研究の第一人者であるジョン・マッカーシー教授は次のように解説しています。
“知的な機械，特に，知的なコンピュータプログラムを作る科学と技術です．人の知能を理解するためにコンピュータを使うことと関係がありますが，自然界の生物が行っている知的手段だけに研究対象を限定することはありません.”
人類が今までに実現した人工知能は“特化型”に該当し、特定のタスクについて人間と同等かそれ以上の処理をこなすことができるコンピューターです。その1つが機械学習となります。さらにその1分類としてディープラーニングが存在し、人口知能が最も大きな括り、ということになります。
機械学習とは？
次に機械学習について解説していきます。現在多方面で活躍している人工知能の多くは、機械学習によった誕生したものです。具体的に説明すると、コンピューターに人間的な判断力の一部を取り入れるのが機械学習です。
人間は犬の画像を見て「これは犬だ」と自然と判断できます。しかしコンピューターにはそれが難しく、そもそも犬という概念が存在しないため判断できません。たとえるならば、動物でもない、植物でもない、得体の知れないものが目の前にあり、「これは一体何だ？」と考えている状態です。
そうしたコンピューターに人間的な判断力を取り入れるためには、大量のデータを読み込ませて特徴を学習させることが一番の近道になります。要するに、大量の犬の画像をコンピューターに読み込み、特徴を学習させるという方法です。さらに、画像に対して「これは犬だ」というメタデータを付与することによって、コンピューターは「ふむふむ、これが犬という動物の特徴か」といった具合に学習していきます。
こうした機械学習の種類を“教師あり学習”と呼びます。最初からデータと答えをセットにした学習方法です。この学習を繰り返していくことで、今までに見たことのない犬の画像を見せても、特徴を捉えて「これは犬だ」と判断できるようになります。よくある画像認識等の人工知能技術は、この教師あり学習がベースになっています。
そして、教師あり学習とは反対に、メタデータを与えずに学習させる方法を“教師なし学習”と呼びます。この学習方法は一定の基準をデータに与えて、データの分布状況によって新しいデータがどのグループに分類されるかを決定するためのものです。気象予報や市場予測など、過去のデータから未来の情報を予測するためによく用いられています。
ディープラーニングとは？
機械学習の中の1分類がディープラーニングです。これは、従来からある教師あり学習や教師なし学習を発展させたものであり、近年では革新的な人工知能技術として注目され、多方面で活躍しています。
教師あり学習では犬の画像にメタデータを与えることで犬の特徴量を学ばせますが、ディープラーニングではメタデータを与えずに、コンピューター自身が学習し、犬を識別するようになるまで学習を繰り返します。ただし、実際はもっと複雑で膨大な作業を有します。イメージとしてはある設問に対して最も適切な答えを出したコンピューターを選出し、さらに改善を加えて優秀なコンピューターを選出していく、といったような作業です。
ディープラーニングの事例として有名なのが“Googleの猫”というものです。2012年に発表されたニュースで、Googleの子会社である人工知能会社が開発したコンピューターが、メタデータを与えなくても猫の画像を読み取って「これは猫だ」と判断できるようになった、という事例です。人工知能研究者にとっては、今でも衝撃的なニュースとして脳裏に残っていることかと思います。
ここで、先進的なディープラーニング活用事例を1つ紹介しておきます。
株式売買システム / みずほ証券
みずほ証券では2016年11月に、人工知能を搭載した株式売買システムを機関投資家向けに提供しています。個別銘柄ごとの注文状況や過去の値動きといったデータから、株価が30分～1時間後にどのくらい上昇・下落しているかを予測します。株の出来高や売買契約数など合計3,900のデータに、日経225先物についての同様のデータ3,900個を合わせた合計7,800個のデータをディープラーニングによって学習させています。
2018年には中国の北京大学と株式予測システムの開発に関して業務提携を行い、人工知能分野をリードする中国においてさらに高度な予測システムを開発していく見込みです。
ディープラーニングを活用した事例はいくつもあり、すでに多方面で実用段階に入っています。業務システムにディープラーニングを搭載するケースも増えているので、やはり業務システム担当者としては人工知能・機械学習・ディープラーニング、この辺りの用語に対する理解は欠かせないと言えるでしょう。
また、昨今では人工知能を学ぶためのツールやプログラミング言語も整備されているので、業務システム新しい技術を取り入れたいと考えている業務システム担当者にとっても重要な存在です。
Microsoft Dynamics 365 AI
Microsoft Dynamics 365では、すでにあらゆる領域においてAIを搭載しています。
これにより企業組織全体の従業員が AI の効果を活用して、予測的インサイトの把握、情報に基づいた行動の実践、カスタマー エクスペリエンスの改善を実現できるようにします。そのため、従業員は、 今すぐ実用に役立つインサイトを取得する データをインサイトに変えてアクションを実行できるよう、すぐに使える AI を活用したインテリジェンスに基づいて、データ主導の意思決定を行うことができます。
例えば Dynamics 365 Sales Insights 顧客データを利用して、AI を活用したインサイトにより、売り上げを拡大し、優れた意思決定を促進します。また、 Dynamics 365 Customer Insights では、顧客に関する包括的な情報を獲得し、パーソナライズされた顧客エクスペリエンスを推進するインサイトを発見できます。 さらに、 Dynamics 365 Customer Service Insights AI を活用したインサイトを利用して優れた意思決定を下し、自信を持って積極的に顧客満足度を向上させることができます。
この機会に、人工知能や機械学習などについてより深く理解してみてはいかがでしょうか？
