新しいトレンドの影響力とは
第3次“AI”ブームは本物か、新しく台頭する4つのデータ分析トレンドとは（1/2 ページ）
第3次人工知能（AI）ブームが到来し、再びAIが注目を浴びている。そして、AIとビッグデータにより、新しいトレンドが生まれつつある。
ディープラーニング専用のアプライアンス「DGX-1」の公式Webページ《クリックで拡大》
ビッグデータと人工知能（AI）は世界に驚くような形で影響を及ぼす。既に影響は出始めており、その中には当然ながら、自分たちのデータセンターも含まれる。
AIという用語が復活している。私はAIを、機械学習を含む大きく包括的な存在として、そして同時に思考もほのめかす存在として解釈している。
AIという用語を使うとIT要素だけでなく突如として感情的要素が大きく変わり、例えば「ターミネーター」が登場する。一方機械学習は、ある意味で安心して話ができる。こちらは単なる応用数学で、例えば確立された可能性、線形代数、微分方程式を網羅する。だが幅が広がった現在のAIは、強化され自動化された視覚や音声、推論能力などを持つ人間性の提供へと向かいつつある。
本稿は、ビッグデータとAIで台頭しつつある注目すべきトレンドについて以下に解説する。こうしたトレンドは予想よりも早く自分たちのデータセンターに影響を及ぼすかもしれない。
Apache Sparkの存在
ビッグデータ分析基盤「Apache Spark」は、レイテンシに敏感なビッグデータ作業用のベーシックなプログラミングモデル「MapReduce」を、インメモリのリアルタイムクエリおよび高速機械学習へと大幅に入れ替えつつある。なじみがあり、分析に優しいデータ構造と言語によって、Apache Sparkは多くのハッカーの手に届く範囲にもたらしてくれる。
Apache Sparkはまだ完全に出来上がってはいない。だがApache Sparkのバージョン2は2016年半ばにリリースされたばかりで、急速に確実性を強めつつある。そうした中にあっても動きの速いエコシステムや、分散ストリーム処理プラットフォーム「Apache Flink」のような「次の大きな波」が既に頭角を現している。
自分にもできるデータ分析
数年前までビッグデータやAIのためには博士課程級のデータサイエンティストが必要だった。そこで創造性にあふれる複数の新興企業は、スプレッドシートを中心に使っているビジネスインテリジェンスアナリストがビッグデータに直接アクセスできるようにしようと試みた。
現在は、Apache Sparkと同様、ビッグデータ分析が平均的なエンジニアやプログラマーなどの技術者にも手の届くものになったと実感している。平均的なIT担当者は、それでもある程度真剣に学習する必要はあるかもしれないが、多大な組織的価値の創出という偉大な成功を成し遂げ得る。言い換えれば、優秀な非データサイエンティストは大規模なリアルタイムのデータフローにおいて、機会学習で非常に生産的になれる大きな分野が存在し、拡大している。一方Apache Sparkのようなプラットフォームでは「Python」や「R」のような高度なプログラミング言語を通じてビッグデータにアクセスしやすくなっている。
さらに簡単なアプローチも浮上しつつあり、ポイント＆クリック方式やドラッグ＆ドロップ方式のビッグデータ分析製品がDataikuやCaskといった企業から提供されている。ビッグデータとAIの目標を達成するためには依然としてETL（Extract／Transform／Load、抽出、加工、書き出し）の概念や、機械学習とは何で何ができるのかを理解しなければならない。だがMapReduceで低レベルの線形代数をプログラミングする必要はもうなくなった。
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
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
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
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
2
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
3
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
4
「IBM iはDXのボトルネック」は誤解 意外と知らない今風モダナイズの効果
-
5
「朝8時にバッチが終わらない」データ爆発の危機をJPX総研はどう乗り越えたか
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
7
AI導入後に発覚する「社内文書を読めない」問題 情シスは何を直せばいい？
-
8
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
9
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
10
「Wi-Fi」は“ネット接続が不十分”な地域の救世主になるのか？
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
5
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
6
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
10
“あのファイル転送”で暗躍するノーウェアランサム
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