重要なお知らせ:新型コロナウイルス、インフルエンザ等の感染予防・拡散防止の対策についてこちらをご確認ください。

AI研究所 - AI(人工知能)に脅かされないために、AI(人工知能)を作る側の人間になる(AI人材育成・セミナー) -

  • お問い合わせ

HOME  >  初心者でも分かるAI(人工知能)の作り方【2021年最新簡単3ステップ】

公開日:2020.09.14 [最終更新日]2021.03.05

初心者でも分かるAI(人工知能)の作り方【2021年最新簡単3ステップ】

AI(人工知能)の作り方

こんにちは、AI研究所の見習い研究員マサミです。
今回は初めての方でもわかりやすいように、AI(人工知能)の作り方の手順を紹介したいと思います。
AI(人工知能)を作成する手順は大きく分けて3つのステップがあります。

AIの作り方

この、「データを集める」「学習済みモデルを作る」「サービスに組み込む」というAIの作り方の3つのステップについて詳しく解説していきます。

AIの学習に必要なデータを集める

AIを賢くさせる学習は、「機械学習」と呼ばれています。機械学習を行うためには膨大なデータが必要になります。
最近ビッグデータが重要視され、様々な企業が資金を投資しビッグデータを集めている理由の一つが機械学習に利用するためです。
特に最近では、IoT(もののインターネット)を利用してこのビッグデータを収集する動きが盛んに起こっています。

では、機械学習に必要なデータはどれくらい必要で、どのように集めればいいのでしょうか?

機械学習に必要なデータの数と集め方

まず、必要となるデータの数ですが、これは人工知能の用途によって変わってくるため一概にこれだけのデータがあればOKというふうに断定することができず、現状は人間が推測するしかありません。

例えば、銀行の融資の審査ができる人工知能サービスを作りたいとした時に「5,000人くらいの過去の融資審査のデータがあれば精度の高い人工知能が作れそうだな」とか、「20〜30人だと少なすぎるだろう」みたいな感じです。

しかし、「データが多くなければAIは作れない」というのは大きな間違いです。
AIの特徴は、運用していくときに溜まったデータも使ってどんどん賢くなることですので、データが少なくても始めることはできるのです。

その他にも、人の顔を識別するような人工知能を作りたい場合は100,000人くらいの写真があればいいかなとか、自分の顔だけ認識できればいいのであれば、100〜200通りの写真でいいかなといった感じで大体は予測がつくかと思います。

AIの作成に必要なデータの集め方の事例

データの集め方についての方法は4つあります。

  1. 既に社内にあるデータを使用する方法
  2. 動画から画像データを集める方法
  3. IoT媒体を使う方法
  4. Webサービスを利用する方法

それぞれの方法について解説していきます。

既に社内にあるデータを使用する方法

まず一つ目は、既に社内にあるデータを使用する方法です。
顧客データや売上データ、機械のセンサーデータや文書データなど、会社の資産として溜まっているデータがあるかと思います。

クレジットカード審査

ここで例に出すのは「クレジットカード審査」のデータです。弊社で開催しているAIセミナー用にカスタマイズしたものですが、過去の1,500人分のデータと、審査結果の正解ラベルを用意することで学習データとすることができます。

クレジットカード審査のデータ

動画から画像データを集める方法

二つ目は、動画から画像データを集める方法です。
動画は画像データをパラパラマンガの要領で動かしアニメーションにした物なので、例えば、30分の動画でフレームレートが30fpsだと、54,000枚の画像データを集めることができます。

このように、動画から画像データを集めディープラーニングを用いて機械学習を行ったAIの作り方の事例として「Googleのネコ」というシステムがあります。

Googleのネコ

Googleのネコ

Googleは1週間にわたってコンピューターにYouTubeを見せ、コンピューターに猫の写真を識別することを学習させることに成功しました。
この研究成果のすごいところは、事前に「猫」のラベル付けをした画像をコンピューターに与えることなく、コンピューター自身が、YouTubeの画像から猫がどういうものかを知ったことです。
AI自身が自ら猫をグループ分けして認知することができたわけですから、当時はセンセーショナルな話題になりました。
動画から、というと難しいと感じる方でも、数百枚の画像を集めれば学習もできます。
社内にある画像データを掘り返してみるのもいいかもしれませんね。

IoT媒体を使う方法

三つ目のデータを集める方法は、IoT媒体を使う方法です。
例えば、監視カメラやもしかしたら皆さんが普段利用されているSNSや検索エンジンなどもビッグデータを集めているかもしれません。
こういった媒体を使ったデータ収集にはIoTやセンシングの技術が重要になってきます。

これはIoTのデバイスを作る必要がありますが、主にセンサーデバイスの温度、加速度、圧力等のデータと合わせて、ユーザーの使用頻度や使用方法を取得することができます。
IoTの真価はビッグデータを集める部分にあると言われています。

Pepper

ビッグデータを集める媒体として最近よく目にするものが「Pepper」です。
Pepperを作った林さんは、「Pepperはたくさん展開することでビッグデータを収集し知性を獲得するためのプラットフォームであり、未来を築く上での礎」だと語っています。
Googleとも手を組んで、機械学習やビッグデータの解析なども始まっています。

Pepper

Webサービスを利用する方法

四つ目はWebサービスを利用する方法です。
例えば画像データであればGoogleの画像検索で大量に取得することができます。
もちろん一枚一枚保存していては日が暮れてしまいますが、アプリやウェブスクレイピングの技術を使うことで、一括でダウンロードすることもできます。

WebAPI

その他にもTwitterのAPIで今までのツイートを取得することができたりと、Webにはたくさんのビッグデータが眠っています。
インターネット上のデータをうまく利用するのが一番お金のかからない方法かもしれませんね。

機械学習をさせてAIの「学習済みモデル」を作る

機械学習をさせるためのツールは既にいくつも開発されています。
以前の記事で紹介したAzure ML(プログラミング不要!? AI(人工知能)の作り方【Azure ML – 機械学習】)やDialogflow(【プログラミング不要】Siriのように会話ができるAI(人工知能)の作り方)などがその一つです。

機械学習ツール一覧
・Azure ML(Machine Learning)
・Amazon Machine Learning
・Google Prediction API
・Dialogflow
・Orange
・TensorFlow
・Chainer
・Caffe
・DeepDream
・scik it-learn
・Jubatus
・mahout
・Spark MLlib
・Matlab

機械学習を用いたAIの作り方におすすめのツールはAzure ML

上記の中で初心者におすすめなのが、Azure MLです。
Azure MLはプログラミングを書く必要がないためプログラミングの知識がない方にもおすすめです。
また、クラウド上で学習を進めてくれるため、自身のPCのスペックに依存しないシステムのも魅力的です。

Azure MLの使い方については、私たちが開催しているAIセミナーでも学ぶことができます。ご興味のある方は是非ご参加ください!

また、最近ではもっと気軽に使えるものとして、Google、Microsoft、IBM、AmazonなどがAPIを公開しています。
APIと言うと難しそうですが、簡単に言うと、例えばGoogleが作成した汎用的なAIにアクセスして、使えるようにした仕組みです。
GoogleのCloud Visionを使うと、画像認識のAPIを体験することもできますよ!
APIを使ったAIの作り方もAI研究所のセミナーでは詳しく解説しています。


AIのモデルをプログラミングを使ってサービスに組み込む

機械学習が完了したAIを利用するためには、サービスに組み込むためのプログラムが必要となってきます。 例として、画像を認識できるような人工知能のサービスを作る場合に必要なプログラムを図式化してみました。

AIのモデルをプログラミングを使ってサービスに組み込む

青色の矢印をプログラミングします。

また、作成したAIの「学習済みモデル」をWebにアップロードし、APIを用いて利用する方法もあります。その場合は、API keyなどを利用してAPIを呼び出すプログラミングが必要です。

プログラミングの知識がない方はここが挫折ポイントとなることが多いですが、そんな方々のために私たちAI研究所はプログラミングのセミナーを開催しています。

無料ツールを使ったAIの学習方法や作り方

初心者の方にとってAIを個人で学習したり、開発するというのはハードルが高いように感じるかもしれません。
ですがツールを使うことによって学習や開発の壁を下げることができます。
このセクションでは、無料で使うことのできるおススメのAIツールを紹介します。

Google Colaboratory

Google Colaboratory

Google Colaboratory(グーグル・コラボレイトリー)とは環境構築不要でwebブラウザとインターネットさえあれば、すぐに機械学習を始められる画期的なサービスです。
AIに限らず環境構築というのは初心者に立ちはだかる最初の大きな壁。
クラウド上で動作するのでパソコンのスペックなどにも左右されないのが大きな強みです。
難しい作業が必要なしに、サイトにアクセスしてすぐにPythonのコードを書いて機械学習を始めることができますよ。
タブレットやスマホからでも利用OK。
NumpyやTensorFlowなどのライブラリもすでにインストールされていて、追加で別のライブラリもインストールすることができます。
さらに詳しくGoogle Colaboratoryについて知りたい方はこちらの記事も参考にしてください。
ちなみにAIセミナーでも使い方を詳しく解説しています。

IBM Watson

IBM Watson

IBM Watsonは様々なAPIの集合体ともいえる人工知能です。
ライト・アカウントという無料のアカウントを使うことによって、様々な機能を試すことができます。
例えば、音声をテキストへ変換してくれるAPIである「Speech to Text」。
ディープラーニングを使って書き起こしをしたり、顧客からの問い合わせの声を文章化したりなど様々な活用ができます。
AIでどんなことができるかということを実感できるツールです。
Watsonを使えば、質問に自動で回答してくれるチャットボットなども作れます。
「Speech to Text」を使ったアプリの作り方も、公式サイトでデモ動画を通じて学べます。
Watsonについてはこちらの記事にも詳しいです。

Sony Neural Network Console

Sony Neural Network Console

Sonyが開発した「Neural Network Console」はドラックアンドドロップでディープラーニングができると話題の統合開発環境です。
原則としてTensorflowやChainerなどのライブラリを使う際には、プログラミングコードを書く必要がありました。
ですが、Neural Network ConsoleではGUIを使うことで直感的な操作で学習モデルの構築などをすることができます。
国産のツールなのでドキュメントも日本語。
動画のチュートリアルもYoutubeにあげられていて、AIの作り方が解説されています。
公式サイトにも詳細なサンプルプロジェクトが公開されています。
挫折しにくいシステムになっていますよ。
こちらの記事にもNeural Network Consoleの概要を解説しています。

AIエンジニアになるならこのセミナーがおすすめ

AIプログラミングを習得できる!3日間集中AIエンジニアセミナー

  • AIのエンジニアスキル

    PythonとKeras(Tensorflow)を使ったAIのエンジニアスキルを学べる!

  • データの処理方法

    AIとプログラミングの仕組みを理解したデータの処理方法を学べる!

  • アプリの作成方法

    AIを製品に組み込む方法とAIアプリの作成方法を学べる!

受講者数1万人を突破したAI研究所が開催している「AIエンジニアセミナー」は、「即戦力のあるAIエンジニア」に求められるスキルを3日間でマスターできる人気のセミナーです。AIプログラミングスキルやエンジニア知識は必要ありませんので、どなたでも受講いただけます。

AIエンジニアセミナーの特徴

AIエンジニアセミナーはこんな人におすすめ!

  • AIプログラミングのスキルを高めたいエンジニア
  • 機械学習の仕組みやアルゴリズムの習熟度に不安のあるエンジニア
  • AIを使って業務の効率化を図りたい企業
  • AI技術者を育成したい企業

人気の理由がわかる6つのメリット

  1. セミナーイメージ

    01

    即戦力のあるAIエンジニアに求められるスキルを習得!

    AIの仕組みとAIプログラミングの両側面を重要視した内容になっています。

  2. セミナーイメージ

    02

    実務ですぐに役立つ知識と技術を学習できる!

    3日間でAIの実装に必要なアルゴリズムや知識、それらをPythonで実装できるようになるカリキュラムです。

  3. 03

    無理なく実装力を習得できる!

    ハンズオン形式の「課題解決」と「AI作成」により、解決すべき課題テーマをもとにAIを作りながら実装方法を習得できます。

    セミナーイメージ
  4. 04

    AIの実務実績のある講師陣!

    AI技術の専門的な知識だけでなく「わかりやすく教える能力」に優れた実績のある講師を揃えています。

    セミナーイメージ
  5. セミナーイメージ

    05

    セミナー特典付き!

    復習に役立つテキスト(120ページ以上のスライド抜粋)進呈のほか、個別相談チケット(60分)をプレゼント。

  6. セミナーイメージ

    06

    選べる3つの受講スタイル!

    参加人数や環境に応じて「会場受講」「ライブウェビナー」「Eラーニング」よりお選びいただけます。

3日間でこれだけの内容を学習できる!

1日目 10:00~17:30
AIの基礎と仕組み、AIの実装に必要不可欠なプログラミング言語Pythonと機械学習モデルの構築方法を修得する

  • AIとニューラルネットワークの仕組みについて
  • AIの活用事例とAIプロジェクトの進め方
  • AIエンジニアに必要なスキル
  • AIエンジニアの基礎
  • AIを開発するためのツール
  • Pythonの特徴と使い方
  • Pythonのインストール方法
  • 開発環境の構築方法
  • Google Colaboratoryの使い方
  • Pythonを使ったニューラルネットワーク(パーセプトロン)の構築
  • 文字列・データ型の操作について
  • 四則演算、変数の使い方について
  • リスト、多重リスト、行列について
  • 条件分岐(if文)やループ処理(for文)について
  • 関数の定義と利用方法について
  • クラスとインスタンスについて
  • ライブラリ(Numpy,Scikit-learnなど)について
  • クレジットカード審査のできるAI(クラス分類)の作成
  • データの読み込み方について
  • 学習用データの前処理と正規化について
  • Scikit-learnを使ったSVMやロジスティック回帰の実装方法について
  • 精度の評価、可視化、精度を上げるためのパラメータの調整について
2日目 10:00~17:30
ディープラーニング用ライブラリ「Keras(Tensorflow)」を使った数値処理AIや画像処理AIの実装方法を学習する

  • ディープラーニング用ライブラリ「Keras(Tensorflow)」の使い方について
  • センサーデータを利用した行動解析(クラス分類)
  • 活性化関数の種類と記述方法について
  • バッチ処理の仕組みと使い方について
  • 損失関数の設定方法について
  • 勾配降下法とバックプロバケーションによる機械学習
  • 入力層のノード数の増やし方について
  • 隠れ層の増やし方(「Keras(Tnesorflow)」を使ったディープラーニングの方法)
  • 自然言語処理を使った社内文書の活用手法について
  • 言語処理におけるデータの前処理について(形態素解析、Bag of Words、Word2Vec、Doc2Vec等)
  • クラスタリングモデル(k-means)について
  • 「OpenCV」を用いた画像の前処理手法
  • CNN(畳み込みニューラルネットワーク)を利用した画像・音声認識
  • 畳み込み層とプーリング層について
  • 「Keras(Tnesorflow)」を使ったCNNの構築方法
  • 「Keras(Tnesorflow)」の初期設定値と様々な最適化パラメータの設定方法
  • 重みの初期値や重みの更新手法について
  • ハイパーパラメーターの最適化方法(Optuna)について
3日目 10:00~17:30
最新の画像認識ができるAIや、時系列データを処理できるRNNモデルAIを実装するスキルを習得する

  • 画像認識の学習済みアーキテクチャの種類と特徴
  • 画像認識と物体検出など、画像処理AIの手法全般について
  • 転移学習を使った精度の高い画像認識モデルの作成手法について
  • 精度の高い画像認識モデルの作成手法について
  • ファインチューニングの手法について
  • データオーグメンテーション(学習データの水増し)について
  • 時系列データの活用方法について
  • 時系列データの処理方法について
  • RNNモデルとLSTMの仕組み
  • 「Keras(Tnesorflow)」を使ったLSTMモデルの構築方法
  • 各種データ(数値、画像、音響データ)の取り扱いについて
  • 数値データの前処理手法(外れ値除去、欠損値除去など)
  • 画像データの前処理手法(ノイズ除去、ノイズ追加、回転、移動など)
  • 音響データの前処理手法(短時間フーリエ変換(STFT)、メル周波数ケプストラム係数(MFCC)、「Numpy」「LibROSA」等を用いたデータオーグメンテーションなど)

AIエンジニアセミナーワンクリックお申し込みはこちら

受講方法は環境にあわせて3つの形式から選ぶことができます。「会場受講」は、現在、東京にて開催中。開催地から遠方の方は自宅や会社からオンラインで受講できる「ライブウェビナー」、自由に好きな時間で学習したい方は120日間何度でも視聴できる「Eラーニング」もおすすめです。

  • 会場受講

    会場受講

    料金138,000円(税別)

    3日間(10:00~17:30)

  • ライブウェビナー

    ライブウェビナー

    料金138,000円(税別)

    3日間(10:00~17:30)

  • Eラーニング

    Eラーニング

    料金128,000円(税別)

    視聴期間120日間

開催日程・受講受付

会場受講 [東京] 2020/11/17(火)~19(木) 10:00~17:30
ライブウェビナー 2020/11/17(火)~19(木) 10:00~17:30
Eラーニング 視聴可能期間 120日間

※ご入力頂いたメールアドレス宛にお申し込みに関するご案内をお送りいたします。

AIエンジニアセミナーの詳細はこちら

セミナー受講者の声

AIエンジニアセミナーを受講された方の声を一部ご紹介します。受講者は日本全国各地から参加されています。セミナーの受講をご検討される方はぜひ参考にしてください。

  • 岩手県 T.K様 男性

    素人の私でも理解できた。プログラミングやAIエンジニアについて、非常に丁寧に1から教えていただいたので、全くの素人の私でも理解することができました。プログラミングの仕組みから楽しさ、難しさ、AIエンジニアに関して今後知っておくべき知識など、多くのことを学ぶことができました。テキストも丁寧に解説が書いてあるので、後から復習する際にも助かります。

  • 千葉県 R.T様 男性

    Pythonやプログラミングをよく理解できた。Pythonはほとんど扱ったことがないため、他の言語には無い特徴、ニューラルネットワーク処理の書き方、アプリの作成など、プログラミングを通してAIエンジニアの様々なことを学習できてよかったです。

  • 東京都 Y.N様 男性

    PyCharmは非常に使いやすかった。従来は、anacondaを使用していましたが、PyCharmを今回は紹介していただき非常に使いやすいと思いました。ありがとうございます。また、AIエンジニアセミナーのお話の中で、実際にプログラマーが気を付けていることなどの小話があり、ノンプログラマーの私には非常に興味深いものでした。

  • 神奈川県 K.O様 女性

    コードを書きながら勉強できたので有意義だった。実際にコードを書きながら勉強できたのはとても有意義でした。ありがとうございました。他のAIセミナーもそうでしたが、細かく説明して頂いたので、理解しやすかったです。

  • 大阪府 K.S様 男性

    要点が明確で理解しやすかったAIエンジニアセミナーは1つ1つの項目を丁寧に進めていただけるのでとても理解が深まりました。「この部分はコピペでほとんど使い回せます」「この部分が手法によって変わります」など、実装する上で特に理解しなければいけない箇所が明確だったので要点を理解しやすかったです。いろいろと予習はしていきましたが学習済みモデル保存とロードしての使い回しがなかなかイメージできず、セミナーを受けて「ここで学習した情報は次からこうして使い回せます」というところまで教えていただけたのは非常に良かったです。

  • 京都府 H.H様 男性

    ディープラーニングのハードルが下がった。AIエンジニア講師の先生の熱意がすごく、非常に有意義なセミナーとなった。質問しやすく対応も非常に良かったため、Deep learningを活用するハードルが少し低くなったと思う。

セミナーの詳細をもっと詳しく知りたい方はこちら

AIの作り方まとめ

AIを作成するためには、AIの学習に必要なデータと機械学習、そして学習済みモデルを組み込むためのプログラミングが必要になります。
現在は、AIを作成するためのツールやプログラミングに必要な機械学習ライブラリも多く出ていて誰でも簡単にAIを作成できるようになっています。
AI研究所のセミナーに参加すれば、AI理論やPythonプログラミングの基礎から、ライブラリを使用したディープラーニングの実装など、実務に繋がる分野まで学ぶことができます。
独学で学ぶよりも遥かに効率的なのでご検討ください。
この機会に是非AI作成にチャレンジしてみてください!


参考になったら「いいね!」と「シェア」をお願いします!!

このエントリーをはてなブックマークに追加
AI(人工知能)セミナー開催中