クラウドで身近になる機械学習
GoogleやAWSが提供する機械学習サービス、ビジネスにどう活用する？
コンピューティングの新境地ともいえる機械学習が、パブリッククラウドのおかげでかつてなく手頃で使いやすくなった。ただし慌てて飛びつく必要はない。
機械学習はかつての人工知能のコンセプトに基づく。1959年、継続的に更新しなくても学習できる能力を持ったシステムと定義されたのが始まりだった。機械学習はパターン認識やコンピュータ学習から生まれ、最近になって大手パブリッククラウド事業者が独自の機械学習サービスの提供に乗り出したことから脚光を浴びている。
機械学習の応用例
Amazon Machine Learning では、入力データセットの可視化と調査に役立つインタラクティブな図が提供されている（出典：Amazon Web Service）《クリックで拡大》
現代では機械学習といえば、一般的にはデータのパターンを把握して学習する能力を持ったアルゴリズムの研究を指す。静的プログラミングよりも優れたアプローチとする見方も多い。機械学習は人間が経験を通じて学習するやり方をまね、手作業で新しいコードや設定情報を追加しなくても、時間の経過とともに進歩する。
クラウドのおかげで機械学習はより使いやすく、手頃で役に立つものになった。今や、コンピューティングやストレージは購入せずに、レンタルで利用できる。ユーザーは、オンプレミスハードウェアに比べてごくわずかなコストで、ペタバイト級のデータを、機械学習アプリケーション用に利用できる。機械学習があらためて注目を集めているのは、機械学習の昔ながらの機能そのものというよりも、この技術の新たな機能やコストに由来するものだ。
一般的な機械学習の使用事例には、不正検出、在庫管理、モノのインターネット内部のマシンの制御などが挙げられるが、データのパターン把握の恩恵を受けられる用途であれば、ほぼ何にでも応用できる。
他にも機械学習のより高度な応用もある。例えば、MIT Sloan Management Reviewに掲載された「Sales Gets a Machine-Learning Makeover」という記事の中で、Accenture Institute for High Performanceは、年商5億ドル以上の企業を対象にした調査結果を紹介している。調査対象の企業の76％は、機械学習を使って売り上げの増大を図る計画があると回答した。そのために機械学習を使って予測の精度を高め、それに従って営業リソースを割り当てるとしている。
パブリッククラウドにおける機械学習
Google Cloud Platformの「Google Cloud Machine Learning」と、Amazon Web Services（AWS）の「Amazon Machine Learning」は、パブリッククラウド機械学習サービスの筆頭事例に挙げられる。いずれもそれぞれの環境内で機械学習技術を提供し、自社のクラウドプラットフォーム上でのアプリケーション開発に対する関心を高めている。両社とも機械学習サービスと、データ源となるビッグデータ管理システムを、低コストで提供している。
プロバイダーの選定に当たっては、機械学習に対するニーズの全局面と、パブリッククラウド事業者がそのニーズを満たせるかどうかを検討する必要がある。機械学習サービスそのものだけでなく、そのクラウドプラットフォーム上でデータ、ミドルウェア、分析機能がいかに連係してビジネス問題を解決できるかも考慮しなければならない。
パブリッククラウド事業者の機械学習システムでは、開発者が機械学習機能をアプリケーションに取り入れるためのソフトウェア開発キットとアプリケーションプログラミングインタフェースも提供する。これは、機械学習能力とその技術の実際の利用の橋渡し役となる。例えば、組織はローンアプリケーションの不正について、そのローンアプリケーション内部の過去と現在のデータのパターンに基づき判断できる。
パブリッククラウドの機械学習サービスには難点もある。まず、そのパブリッククラウド事業者のネイティブのサービスを使わなければならない。つまり、データを、他のクラウドやオンプレミスに移植しなければならない場合は問題が生じるかもしれない。
第2に、多くの企業は、機械学習を過剰に使って、実際にはこの機能を必要としないアプリケーションにまで実装する傾向がある。機械学習は、手順性の強い単純なビジネスプロセスにとっては行き過ぎだ。単純な構造化された連続的処理を行うアプリケーションは一般的に、機械学習には向かない。例えば売り上げの記録や出荷の追跡など定義が確立されたプロセスの処理においては、機械学習の真の恩恵は受けられない。
もちろん、そうした評価をする前に、全てのアプリケーションの条件について検討しなければならない。飛びつく前にまず、AWSやGoogleといったプロバイダーの機械学習サービスの違いを入念に調べ、全てアプリケーションがこの技術に適しているわけではないと認識する必要がある。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
技術文書・技術解説
[Jamf Japan 合同会社] MDMだけでモバイルセキュリティは十分？ 不足する対策を16項目でチェック -
事例
[Wrike Japan 株式会社] 世界的な家電メーカーが実践する「クリエイティブプロセス効率化」の方法とは？ -
事例
[Wrike Japan 株式会社] 世界的テクノロジー企業に学ぶ、プロセス標準化とプロジェクト納品自動化の秘訣 -
事例
[Wrike Japan 株式会社] ソニー・ピクチャーズ テレビジョンに学ぶ、次世代サービスデリバリーのヒント -
事例
[Wrike Japan 株式会社] ソミック石川に学ぶ、ICT浸透後に直面した「工数管理」の課題と解決策
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
脱VMwareの前提が崩れる BroadcomのVDDK公開停止で確認すべき点
-
2
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
3
エンジニアが選考を辞退する本当の理由 7割が隠す“面接の違和感”とは
-
4
AI全部入り「Microsoft 365 E7」に企業が二の足を踏む訳 移行意向はわずか4％
-
5
「VMware離れ」は本当か 3000社がVCF 9にかじを切った現実的な理由
-
6
膨らむAIコストに歯止め GitHubのマルチモデルルーターは何が違うのか
-
7
100億円の「Linux更新」を回避 みずほ銀行が選んだ“おきて破り”のRHEL延命策
-
8
Anthropicが明かす AIは入力データを「どこまで覚えているのか」
-
9
「Microsoft一択」で本当にいいのか 知らぬ間にライセンス費用が膨らむ真相
-
10
なぜOpenAIやAnthropicのAIは「脱走」したのか 情シスが迫られるエージェント統制
ホワイトペーパーランキング PR
-
1
マンガで解説：「ゼロトラスト」「SASE」の必要性とメリット
-
2
5回聞くだけじゃ足りない？ トヨタ式「なぜなぜ分析」の正しい実践方法
-
3
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
4
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
5
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは？
-
6
国税庁の次世代基幹システム「KSK2」稼働開始に向けて、対応すべき変更点とは？
-
7
5分で分かる「セキュア大容量ファイル転送サービス」の機能とメリット
-
8
ドラマで分かる、標的型攻撃メールの被害を受ける企業と回避できる企業の分岐点
-
9
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
-
10
少額減価償却資産が40万円未満へ拡大、令和8年度税制改正で押さえるべき変更点
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー