こんにちは、AI研究所三谷です。
「人工知能（AI）」と言われても、仕事などで関わっていなければ、あまりピンとこない人も多いでしょう。ですが、最近は様々なサービスや機械に人工知能が使われており、その名を耳にする人も多くなったと思います。
また、人工知能が身近になってきたことでAIエンジニアになりたいと思う学生さんもぐんと増えています。
そこで今回の記事では、そもそも人工知能とはどんなものなのかをあまり詳しくない人向けに簡単に説明していきます。
現在の人口知能の技術発展や、人工知能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ていくので、ぜひ参考にしてください。
まず、人工知能（AI）とは？
まず人工知能とは、「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。
人間の心はない機械なのに、そこに人間と同じような判断ができるようにプログラムさせることですね。
人工知能を作り上げるためには機械学習と言うプログラミング方法が必要となります。ですので人工知能を作りたい、将来そういった職業に就きたいといった方は機械学習を学ぶ事になります。
しかし、人工知能は一般的に非常に広い概念をもった言葉で、人工知能の専門家によっても定義が異なる事が多々あります。
ここからは、まずはいくつかの人工知能の種類をご紹介します。
人工知能の4種類
人工知能（AI）にはレベルがあり、一般に下記の4種類があります。
- 特化型AI
- 汎用型AI
- 強いAI
- 弱いAI
これらの4種類にはそれぞれに大きな特徴があるので、順に解説していきます。
特化型AI
特化型のAIは、1つのことに特化して自動的に学習や処理を行う人工知能になります。
- 画像認識
- 音声認識
- 自然言語処理
現在だと、上記のような技術には特化型AIが利用されていることが多いようです。
これからAIを企業や仕事で導入したいと考えている人は、「特化型AI」を選ぶことになるでしょう。
汎用型AI
汎用型AI（AGI）は特化型AIと全く異なり、様々な分野を自動的に学習することができる人工知能です。
人工知能と聞くと、大半の人が汎用型AIをイメージするでしょう。
人間の脳と同じような感じで構築される人工知能は、「汎用型AI」になります。
しかし現在の技術では、汎用型AIを完成させるのは非常に困難なので、まずは特化型AIが主流になってくると思っておきましょう。
言い換えると、ドラマや映画で出てくる人間と同じ知性も持ったロボットAIは現れないということです。
強いAI
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、AIが幅広い知識と何らかの自意識を持つものです。
「ターミネーターやロボットなどの人工知能によって人類が滅ぼされる」としてイメージされるのはこちらです。
弱いAI
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AI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や流行りのディープラーニングはこの弱いAIに区別されます。
初心者でも学べるAI学習方法
驚異的なスピードで進化するAI。今後の社会におけるさらなる需要に備え、AIを学ぶ人も加速度的に増加しています。ここではAI初心者でも学べる学習方法と、おすすめのセミナーをご紹介します。
1.学習本による独学
AIを理解するためには、「Python」「数学」「コンピューターの基礎知識」「統計学」の4つを学ぶ必要があります。これらは独学でも学ぶことが可能で、段階的にまとめられた学習本も数多くあります。
初心者向けにはイラストなどを多用した本が多いためイメージしやすく、専門用語などについても分かりやすく解説されているため、基礎を学ぶのに最適です。
入門編から始めることで、徐々に知識を深めていくことができます。
2.セミナーに参加する
学習本は自分のペースで学習できるのがメリットですが、疑問点を解消できないことがネックです。セミナーは基礎から応用まで学べるうえに、質疑応答時間も設けられているので疑問点を解消できることが魅力です。
AI初心者におすすめのセミナーは次の2つです。
AIエンジニア育成講座
本講座は、実務で使えるプログラミング技術を3日間で学ぶセミナーです。実務に即した課題を基にしているため、受講後すぐに活用できることが魅力です。
対面学習・ライブウェビナー・eラーニングから希望する受講形式を選ぶことができます。
ビジネス向けAI完全攻略セミナー
本セミナーは、ビジネスに使えるAI作成方法を1日で学ぶセミナーです。AIの基礎から作成に必要なデータや設定項目までを効率的に学び、実装課題で成果を確認できます。
このセミナーも対面学習・ライブウェビナー・eラーニングから受講形式を選べます。
人工知能の活用事例
では現在、人工知能はどのように使われているのでしょうか。
ここからは人工知能の活用事例にはどのようなものがあるのかをご紹介していきます。
人工知能活用事例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、人工知能と対戦できるゲームが開発されています。
こうしたゲームでコンピュータが人間に勝つという結果を残しているのは印象的ですね。
人工知能活用事例②コールセンター業務効率化
人工知能の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という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。
人工知能活用事例③株取引
株取引でも人工知能が活用されています。
東証の取引全体の6～7割が人工知能が組み込まれたコンピューターが使用されているのです。
人工知能が加わることで膨大な数の取引を自動でこなすことができるため、人件費の削減や働き方の改善につながります。
人工知能活用事例④Google翻訳
Google翻訳はルールベースの翻訳に加え、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。
今までは本当に機械的な判断しか出来なかったものが、少しずつ文章のTPOや感情から上手く翻訳を判断する機能が増えていっています。
今後ますます人工知能のおかげでスムーズなネット翻訳ができるようになるので期待されている分野でもあります。
人工知能活用事例⑤AI医療
CTで撮影した画像を元に、人工知能がガンを予測する研究が進んでいます。
その仕組みには人工知能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。
参考記事：AIを利用した医療の現状や実例、メリットデメリットを徹底解説
人工知能活用事例⑥きゅうりの仕分け機
きゅうり農家の小池さんは、独学で人工知能の画像認識によるきゅうりの仕分け機を作られました。
この例は小規模な人工知能の利用ですが、工場などで人工知能の画像認識を利用し分別する企業も増加しています。
人工知能活用事例⑦AIを利用したチャットボット
人工知能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や音声を通じて、会話を自動的に行うAI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AI技術です。
参考記事：【2023年】チャットボットとは？チャットボットの実用性や活用事例を解説
人工知能の代表技術である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AIチャットボットは、IBMのWatosonや、GoogleのDialogFlowなどのAI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AIセミナーです！
「 AI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」「AIを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。
人工知能活用事例⑧AIを利用した住宅
AI技術を使った住宅というサービスもあります。
人工知能の学習機能により、そこに住む人の暮らし方などを分析し、家をその人にとって最適な状態にするのです。
エアコンの自動温度調節、防犯カメラを使った自動通報機能など、さまざまな面で快適で安心な住環境を提供します。
スマートハウスやスマートホームという言葉も昨今聞かれるようになりましたが、これらのサービスは人工知能を使ったものではなく、AI住宅とは別物です。
簡単に言えば、スマートハウスは省エネ住宅、スマートホームはインターネット回線を使って家の中のさまざまな機能を操作する技術で、AI技術は使われていません。
人工知能の手法①機械学習
これらの人工知能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。
機械学習とは人工知能が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AI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くタイプの人工知能です。
例えばスパムメールの判別では、機械学習(AIの一種)を使えば人間がルールを決めスパムメールの判別を設定する必要はありません。
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れば、機械が勝手に学習してくれます。
実は人間が設定したルールベースだと、あらかじめ決めたルールから外れるものがきた場合に対処ができません。
一方機械学習は事前にルールは決まっておらず、過去の傾向から予測をしスパムメールを判別することができるのです。
機械学習にも人間の手が必要
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、と言われることも多いのですが、実はそうではありません。
実際には、人工知能である機械学習プログラムに、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などは人間が設計をする必要があります。
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、人工知能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。
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AI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とは
AI技術の一つである機械学習には、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。
人工知能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。
データ量や、解決したい問題に対して、人工知能に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。
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
それでは具体的に人工知能の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
人工知能が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・自然言語処理
人工知能が言語を解析し、話したことに対しての回答をしてくれたり、言語を理解してくれる機能です。
言語を綺麗に解析してくれることを自然言語処理とも言うのですが、こちらについては下記記事で詳しく解説しています。
参考記事：自然言語処理とは？概要から自然言語処理のやり方まで徹底解説
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人工知能が予測します。
画像を仕分けしたり、監視カメラの膨大なデータから不審者が映ってる可能性が高い映像だけを残すなどの活用事例があります。
クラス分類に強いAzure MLに関して下記記事で紹介しているので、クラス分類が気になる方は下記記事を参考にしてください。
参考記事：Azure MLの特徴と機能、評判まとめ
回帰
様々な関連性のある過去の数値から、人工知能が未知の数値を予測します。
クラスタリング
人工知能に未知の集合を、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る人工知能です。
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。
人工知能の手法②強化学習
次に紹介する人工知能の手法は強化学習です。
強化学習は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人工知能の学習で、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。
人工知能の手法③ニューラルネットワーク
次に、人工知能の中でも近年特に注目されている「ニューラルネットワーク」を紹介します。
ニュースなどでもこのAIの手法について取り上げられることが多くなってきていますが、これは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人工知能の技術ですが、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人工知能とともに再び注目を集めるようになりました。
人工知能用語のディープラーニングとは？
人工知能の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ます。
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、以下の図のような層を重ねたAI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人工知能で機械学習をすることを「ディープラーニング」と呼びます。
人工知能の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。
画像認識や自然言語解析・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AI技術ですが、注意が必要なのは、AIがまだまだ発展途上の技術だということです。
「人工知能・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なのです。
人工知能の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、すべてが人工知能のディープラーニングで解決するわけではありません。
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、一般の企業でも人工知能は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。
人工知能でディープラーニングをする方法
それでは、AIで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AIの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、AIのディープラーニングの方法を幾つかご紹介します。
プログラミング
人工知能で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、人工知能や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、昨今の人工知能・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を使用して人工知能の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。
参考記事：Pythonを使って強化学習をする方法を徹底解説
クラウドサービス
プログラミングができなくても人工知能のディープラーニングをする方法があります。
それが人工知能の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AI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人工知能のディープラーニングを行うことができます。
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人工知能の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AI系プラットフォームも出てきています。
この中でもAzure MLは、ビジネス向けAI完全攻略セミナーでも人気です。
人工知能学習済みモデルを使用するには
AI学習済みモデルは、webサイトやアプリ、サービスに人工知能を組み込んで使用されることがほとんどです。
下記のサイトでは簡単に人工知能を体験できますので試してみてください。（英語サイトがほとんどです）
- A.I. Experiments
- Amper Music
- Clarifai
- Google Cloud Platform(Cloud Vision)
人工知能の学習フェーズと使用フェーズ
これから人工知能を作成していく際に、人工知能の仕組みを理解しておくことが重要です。
人工知能の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間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、人工知能を学習させるフェーズです。
そして、人工知能の「学習済みモデル」を使用して、未知の事象を予測するのが、人工知能を使用するフェーズです。
通常、みなさんが触れている人工知能はこの「学習済みモデル」の方です。しかし、これから自社用の人工知能を作成したり、AIサービスを作ろうとされている方は、まずは学習フェーズにて人工知能に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。
人工知能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AI技術として転移学習があげられます。
これはAI分野においてはとても欠かせない技術で、機械学習の中でも、最も人間の能力に近づくことのできるAI技術だと言われています。
人工知能における転移学習とは、「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。
AI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です。
中でもVGG16はimagenetで学習された16層からなるCNNで、AIの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るのです。
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。
どうしても人工知能について理解するのが難しい！
この記事を読んでも、どうしても難しくて人工知能について理解できない！と言う方は動画で学ばれるのもおすすめです。
AI研究所がおすすめしているのはお笑い芸人の中田敦彦さんが解説しているこちらの動画です。
動画だったり、人が話してるのを聞くととても分かりやすく理解しやすいと思うので、是非こちらも参考にしてみてください。
人工知能とは まとめ
今回は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。
今回の記事で人工知能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！
また、記事内でご紹介したAIエンジニア育成講座は、初心者でもAIのプログラミング方法をイチから学ぶことができるので、AIのプログラミングを学びたいと思っている方は是非チェックしてみてください。
また、最短でビジネスに使えるAI作成方法を習得できるビジネス向けAI完全攻略セミナーや、E資格の受験資格を短期間で確実に取得することができるE資格対策ディープラーニング短期集中講座も、合わせて是非チェックしてみてください。
最後まで読んで頂き、ありがとうございました。
