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
-
製品資料
“攻撃者優位”なサイバーセキュリティ、全ての「穴」をふさぐ方法とは？ -
製品資料
実際に悪用される脆弱性は4％前後 優先的に対処すべき脆弱性を把握するには？ -
製品資料
HubSpotの機能を拡張する法人データ活用法 -
製品資料
面倒で非生産的な「名寄せ」作業 高精度＆高効率に実施するには？ -
製品資料
名刺管理には「その先」がある 成果のでない営業活動から脱却する秘訣
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
Netflixのバックエンドは「ほぼJava」 3000超のアプリを支える開発基盤の裏側
-
2
ISMSの“コンサル丸投げ”が招く数千万円の無駄 NTTドコモビジネスの脱出劇
-
3
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
4
「WSUS」終了の時限爆弾 “本命”移行先ツールとMicrosoft提唱の新管理手法
-
5
「結局使わなくなる」Microsoft 365 Copilotを半年で定着 キリンの3施策
-
6
アラート47％削減 オープンハウスが捨てた「全部メール通知」の監視体制
-
7
IT製品の導入に関するアンケート「サーバ＆ストレージ」編
-
8
継続利用は4割どまり M365 Copilotが「効く業務」と期待外れの境界
-
9
「企業におけるAIの運用」に関するアンケート
-
10
「OSの選定・導入」に関するアンケート
ホワイトペーパーランキング PR
-
1
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
-
2
財務・会計はAI活用でどう変わる？ 調査で見えた変革の道筋
-
3
AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
-
4
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？
-
5
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
-
6
「結局、一部の人しか使わない」 AI活用が業務に定着しない根本的な理由
-
7
コスト分析で見る「デバイス復旧」の代償 損失額から導きだされた投資戦略とは
-
8
Macの安全神話は崩壊？ 最新の脅威動向から見えた攻撃のトレンドと有効な対策
-
9
ゼロトラストにおける「IDaaSの課題」と補完すべき重要機能とは？
-
10
「NAS」「SAN」「DAS」は何が違う？ いまさら聞けないストレージの基礎
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