こんにちは、AI研究所見習い研究員のマサミです。
今回の記事はそもそもAI（人工知能）とはどんなものなのか？
現在のAIの技術や人工知能の発展など、AIに関連する機械学習とディープラーニングの関係についてにも解説したいと思います。
AI(人工知能)とは？
まずAI(人工知能)とは、「人工的にコンピュータ上などで人間と同様の知能を実現したもの」と定義されています。
また、AIや人工知能は機械学習で学習させ、知能をつけていきます。
しかし、一般的に非常に広い概念をもった言葉で、専門家によっても定義が異なる事が多々あります。
それでは、まずはいくつかのAIの種類をご紹介します。
AI(人工知能)の種類
AIと聞くと、ロボットのようなものを思い浮かべる方もいれば、ソフトウェアのようなものを思い浮かべる方もいらっしゃるでしょう。
AIにはレベルというものがあり、一般に「強いAI」と「弱いAI」に大別されます。
強いAIは、汎用人工知能とも呼ばれ、人間の知能に迫って人間の仕事をこなせるようになり、幅広い知識と何らかの自意識を持つものです。
「人工知能によって人類が滅ぼされる、ターミネーターのようなもの」としてイメージされるのはこちらです。
弱いAIは、特化型人工知能と呼ばれ、全認知能力を必要としない程度の問題解決や推論を行うソフトウェアを指しています。
例えば、囲碁のプロ棋士に勝利したAlphaGoや、はやりのディープラーニングは、この弱いAIに区別されます。
実は強いAIは2017年現在実現されておらず、今存在しているのは弱いAIのみです。AlphaGoは囲碁に強くても、あくまで囲碁に特化しており、人間のように自らサッカーをやり始めることはありません。
また、「AIはどんどん賢くなる」「自ら学ぶ」という言葉で惑わされがちですが、自意識のようなものはありません。
あくまで自動的に学ぶ仕組みが入ったプログラムですので、「囲碁おもしろい！もっとやりたい！！」と思って学習しているわけではありません。
AI(人工知能)の活用事例
それではAIの活用事例にはどのようなものがあるのかご紹介していきます。
現在どのようにAIが使われているのか参考にしてください。
AI事例①ボードゲーム
チェス、将棋、囲碁という代表的なボードゲームで、AIが人間に勝ち越す結果を残しています。
ここからAIを相手に戦わせるゲームが増えてきています。
AI事例②コールセンター業務効率化
音声認識などを活用し、コールセンターのオペレーターを補助するAIの活用が始まっています。
日本のコールセンター人員はかなり多く、人員の量や労働時間を減らす為にもコールセンターのAIの導入が進んでいます。
AI事例③株取引
株取引でもAIが使用されており、東証の取引全体の6～7割が人工知能（AI）が組み込まれたコンピューターが使用されています。
AIが加わることで膨大な数の取引をこなすことができ、人件費の削減や働き方の改善を試みています。
AI事例④Google翻訳
Google翻訳はルールベースの翻訳に加え、AI(人工知能)による翻訳が加わり、近年さらに精度が向上しています。
AI事例⑤AI医療
CTで撮影した画像を元に、AIがガンを予測する研究が進んでいます。
その仕組みにはAIによる画像認識などがありますが、詳しくはこちらで解説しています。
AI事例⑥きゅうりの仕分け機
きゅうり農家の小池さんは、独学でAI画像認識によるきゅうりの仕分け機を作られました。
このように工場などでAIの画像認識を利用し分別する企業も増加しています。
AI事例⑦AIを利用したチャットボット
AI関連のシステムサービスで言うと、最近では「チャットボット」と呼ばれるテキスト(音声)を通じて会話を自動的に行うプログラムが出てきています。
顧客サポートやコールセンターの効率化が期待されており、働き方改革につながることから今注目を集めている技術です。
AIの代表チャットボットに関しては上記記事でも詳しくご紹介しています。
実はチャットボットは、IBMのWatosonや、GoogleのDialogFlowなどのサービスを使用すると意外と簡単に作成できます。
チャットボットを一から作れるチャットボット入門セミナーも人気のセミナーです！
「チャットボットの仕組みがわかったので、外部の業者さんと話がスムーズになった」「自分でも作れることがわかってハードルが下がった」という声を頂いています。
AI(人工知能)の手法①機械学習
これらのAI活用事例の中で近年注目されている手法が、「機械学習」です。
機械学習とは人間の学習能力を模倣し、それをコンピュータで実現しようとする技術のことです。
その名前の通り、機械が自ら学ぶことで賢くなっていきます。
今までのソフトウェアは、ルールベースと呼ばれるものでした。
例えば、メールスパムを判定するソフトウェアでは、「もし○○という言葉が入っていたらスパムの可能性が高くなり、△△という言葉が入っていたらスパムではない可能性が高い」といったルールを、人間がすべて設定していました。
一方機械学習ではそのようなルールは決めず、メール本文と、そのメールがスパムかそうでないかという正解が対になったデータ(教師データと呼びます)を大量に読み込ませてあげることで、機械が勝手に学習します。
人間でも、あるメールがスパムかそうでないかを見極めるためには、無数のメール本文を読んで、それらがスパムかどうかをある程度知っているため、新しいメールが来たときにスパムかそうでないかを判断できるようになります。
それと同じことを機械がやっているのです。
ルールベースだと、あらかじめ決めたルールから外れるものがきた場合対処できませんが、機械学習ではルールを設定しておらず、人間のように過去の傾向から予測をすることができるのです。
機械学習の詳細
このように書くと、人工知能が勝手に学び始めて何が起こるかわからない、と言われることが多いのですが、実はそうではありません。
実際には、どのようなデータを学習させるのか、どのような学習方法で学ばせるか、どのようなアルゴリズムを使用するのか・・・ということは人間が設計をする必要があります。
実はこの調整は非常に手間がかかり、いろいろなパラメーターの調整を何度も繰り返して行うことで最適な学習方法を見つける必要があります。
その点で機械学習は万能ではありませんし、機械が意思を持って学んでいるわけではありません。繰り返し計算の数値計算を行って最適な値を求めるという、デジタルな作業をしているのです。
私はよく、機械学習は「短時間でベテランが育成できる装置」という言い方をします。
過去の大量の経験(このメールはスパムだな、このメールはスパムではないな)を元に、未知のものを予測する(このメールは過去の経験上スパムだ)という、経験則を元にしたベテランが、データを元に瞬時に育成されるのです。
機械学習のアルゴリズム
機械学習には、昔からいろいろな手法が考案されてきました。サポートベクターマシン(SVM)、決定木、ランダムフォレスト、ベイジアン・ネットワーク、K-means、Q学習、ニューラルネットワーク・・・まだまだたくさんあります。
これらの機械学習の手法はそれぞれ得意不得意があるため、どんな人工知能を作りたいかによって適切な機械学習アルゴリズムを選択する必要があります。
後述するディープラーニングが今最も注目を集めているアルゴリズムですが、万能ではありません。
データ数の多い/少ないや、解決したい問題に対して適切なアルゴリズムを選択する必要があり、その選択は人間がする必要があります。
AIの全体感と機械学習について学びたい方は、AI技術マスターコースがおすすめです。
プログラミングなしに、これらの機械学習アルゴリズムの全体をしっかりと理解し、自社のデータを入れてAIを試作することができるようになります！
機械学習でできることとは
それでは具体的に機械学習ではどのようなことができるでしょうか。
機械学習では、以下のようなことが可能です。
画像・動画認識
画像や動画を認識して、何が写っているかを予測する事ができます。
言語解析
言語を解析し、しゃべったことに対しての回答を答えてくれたりします。
関連記事：
形態素解析をして日本語の文章を単語区切りにする方法
人工知能が書いたAI入門ブログ（マルコフ連鎖）
[作り方を徹底解説] 人工知能が書いたAI入門ブログ
クラス分類
与えられたデータが、どの分類(カテゴリー)に当てはまるのかを予測します。
関連記事：プログラミング不要！？ AI（人工知能）の作り方【Azure ML – 機械学習】
回帰
様々な関連性のある過去の数値から未知の数値を予測します。
クラスタリング
未知の集合を、いくつかの集まりに分類させる学習方法です。
異常検知
外れ値検出や変化検知、異常状態検出などができます。異常データのバリエーションは多岐にわたることが多いため、正常な行為がどのようなものかを学習し、それと大きく異なるものを識別することができます。
AI(人工知能)の手法②強化学習
囲碁や将棋などのボードゲームや、自動運転にも使用される学習で、機械が試行錯誤することで、取るべき最善の行動を決定する問題を扱う事ができます。
このように、一言で機械学習と言っても、様々な問題を解決することもできますし、様々な業種、業界で活用が進んでいるため、全体感がわからなくなってしまっていることがあります。
全体感をまずは理解されたい方は、AI基礎セミナーを受講してみてください。
また、AI研究所では強化学習のプログラミングセミナーも行っております。
AI(人工知能)の手法③ニューラルネットワーク
この中でも、近年特に注目されているのが「ニューラルネットワーク」です。ニュースなどでもこのキーワードが出ることも多くなってきていますが、人間のニューロンを模した手法となっています。実はニューラルネットワークも古くからある手法ですが、コンピュータの性能が追いつかなかったため、近年まで結果をなかなか出せていませんでした。しかし、近年のコンピュータの計算速度の進化により、再び注目を集めるようになりました。
AI用語のディープラーニングとは？
ニューラルネットワークは人間のニューロンを模しているということで、脳の中にある無数のニューロンが、隣のニューロンに電気信号を伝達していく様子がモデル化されています。詳細は割愛しますが、無数のニューロンの伝達を表現するため、以下の図のような層を重ねたモデルとなっています。この層が深くなったものを層が深いという意味で「ディープニューラルネットワーク」と言い、このモデルを利用して機械学習をすることを「ディープラーニング」と呼びます。
ディープラーニングでは、特徴量を自分で見つけ出すことがすごい、とよく言われますが、それは画像認識の世界で2012年に起こったブレークスルーからの話になります。今、自然言語解析や音声認識等、様々な分野への適用が進められていてとても注目されている技術です。しかし注意が必要なのは、まだまだ発展途上の技術だということです。「AI(ディープラーニング)でなんでもできる！」と言ってしまうのは時期尚早だと言えるでしょう。
機械学習アルゴリズムには、上述したようにニューラルネットワーク以外のアルゴリズムも多数あります。ニュースでも「ディープラーニング」という言葉が連呼されるため勘違いされることもありますが、すべてがディープラーニングで解決するというとそうではない場合もあります。何がどこまでできるのかと、ある成果が研究段階のものなのか、一般の企業でも実用できるものなのかをきちんと理解しておくことが重要です。
更に詳しく知りたい方は「 [簡単に分かる] プログラミング言語「Python」を使ったニューラルネットワークの作り方」を参考にしてください。
ディープラーニングをする方法
それでは、このディープラーニングを行うには、どのような準備が必要なのでしょうか。
とてもハイスペックなコンピュータが必要なイメージを持っている方もいらっしゃるかもしれませんが、実はそうでもありません。
GPU搭載のコンピュータを使用することで劇的に計算速度を早めることができますが、待つ時間さえ惜しまなければ誰でもディープラーニングをすることができます。
それでは、ディープラーニングをする方法を幾つかご紹介します。
プログラミング
ディープラーニングを行う際には、プログラミング言語が使用されます。プログラミング言語の中でも、機械学習に関するライブラリが充実している言語としてPythonが一番多く使用されているため、Pythonを使用してディープラーニングが行われることが多いです。
Python自体はアメリカを中心に人気の言語でしたが、昨今の機械学習ブームにより、今最も学び始める方が多い言語だと言われています。
Pythonを使用して機械学習を行う方法や機械学習ライブラリについては、AI研究所ブログに過去の記事がありますので是非ご覧ください。
機械学習とは！？機械学習の概要や種類について徹底解説！
機械学習ライブラリ・フレームワークの一覧をまとめてみました！
プログラミングを全くやったことのない方や、他の言語を使っている方にはハードルが高いと感じるかもしれませんが、初心者から学べるAIエンジニア向けプログラミング技術者育成コースをご用意していますので、興味のある方は覗いてみてくださね。
クラウドサービス
プログラミングができなくてもディープラーニングをする方法があります。それがクラウドサービスを使用する方法です。
クラウドサービスによる機械学習は、Microsoft社が提供するAzure ML、Amazon社が提供するAmazon MLが有名です。それぞれ、プログラミングの知識をほとんど必要とせず、マウスのドラッグ操作などの簡単な操作でディープラーニングを行うこともできます。また、学習にはクラウド側のコンピューティングリソースを使用させてもらえるので、低スペックのパソコンでも素早くディープラーニングを行えます。
また、クラウドサービスではないですがより詳細な設定ができるプラットフォームも出てきています。
この中でもAzure MLはセミナーでも人気です。
「こんなに簡単に、エンジニアでなくても使える世界になっているとは思わなかった」、「早速帰社してから社内のデータを入れてみたら70%くらいの精度が出てしまった、活用できそうです」といったお言葉を頂くことも多くあります。
AI学習済みモデルを使用するには
学習済みモデルは、webサイトやアプリ、サービスに組み込んで使用されることがほとんどです。学習済みモデルを体験できるサイトがいくつかあります。英語サイトがほとんどですが、簡単に体験できますので試してみてください。
- A.I. Experiments
- Amper Music
- Clarifai
- Google Cloud Platform(Cloud Vision)
AIの学習フェーズと使用フェーズ
これからAIを作成していく際に、AIの仕組みを理解しておくことが重要となります。AIは自ら学んで賢くなっていくということを聞いたことがある方も多いかと思います。「自ら学ぶ」というと、勝手に学習をはじめて勝手に理解を深めていくように思ってしまいますが、実際にはそうではありません。
学習には大量のデータが必要で、それらのデータをどのように学習させるかというパラメーターは人が設定する必要があります。通常、その学習を行ない、「学習済みモデル」を作成します。これが、AIを学習させるフェーズです。
そして、「学習済みモデル」を使用して、未知の事象を予測するのが、AIを使用するフェーズです。
通常、みなさんが触れているAIはこの「学習済みモデル」の方で、AIを使用することがほとんどでしょう。
しかし、これから自社用のAIを作成したり、サービスを作ろうとされている方は、まずは学習のフェーズがあり、その学習フェーズにて学習させる作業が必要になることを覚えておいてください。
AIの学習済みモデルを別の領域に活かす転移学習
ディープラーニングをさらに進化させた技術として転移学習があげられます。
これは人工知能分野においてはとても欠かせない技術です。
転移学習とは、「ある領域」で学んだこと（学習済みモデル）を別の領域に適用させることで少ないデータでも効率的に学習できる処理のこと。
学習済みモデルの最終出力層に自分のデータを載せ替えて新しいモデルを作成するシステムです。
ある領域のことを「ドメイン」と呼び、転移学習においては重要な概念になります。
画像認識の分野では転移学習はよく使われていて、大規模データセットであるImagenetを使ったものが有名。
中でもVGG16はimagenetで学習された16層からなるCNNで、画像分析によく使われます。
VGG16は様々な研究で利用されている、有名な学習済みモデルです。
このモデルを使うことにより、短時間かつ少ない画像で自分の画像を分類することができます。
人間に例えると、和食を作ることのできる料理人はフレンチも作れるし、米を作れる農家は野菜も作れるというイメージでしょうか。
Pythonのライブラリであるkerasにすでにインポートされているので、Python言語を学んでいると使いやすいですよ。
AIプログラミングはやはりPythonが強いです。
機械学習の中でも、転移学習は最も人間の能力に近づくことのできるやり方だと言われているのです。
AI(人工知能)とはまとめ
今回はAI(人工知能)について詳しく解説しましたがいかがだったでしょうか？
一言でAI（人工知能）といっても、様々な種類や機械学習の手法があることがお分かりいただけたかと思います。
今回の記事でAIの全体像をつかんでいただき、今後人工知能を活用する際の参考になればと思います！
