人工知能（AI）は、人間の知能の機械的な再現だ。AIの構成要素としては、自然言語処理（NLP）や音声認識、マシンビジョンなどが存在する。（続きはページの末尾にあります）
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、顧客リストやAIモデルを法的に保護する上で欠かせない、「営業秘密」として認められるための管理要件について説明します。
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回はAI開発で利用されることの多い「Web API」の特徴とメリットについて理解を深める問題です。
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、エキスパートシステムが主流だった第2次AIブームがなぜ終わりを迎えたのかという、AIの歴史を理解する上で重要な論点を扱います。
日々の会議やチャット、顧客対応から生じる膨大な「業務データ」。その多くは活用されず、価値のない“排ガス”として捨てられている。本記事では、Lenovoの事例を交え、AIを用いてこれらのシグナルを具体的な意思決定につなげる手法を詳説する。
せっかく導入したAIエージェントで成果を挙げるにはどうすればいいのか。Anthropicは、AIエージェントを“ただ作る”のではなく、“スキルを作る”重要性を説く。実は、この開発思想は情シスにも関係がある。
状況が変動する配車市場において、働き方に悩む運転手と、複雑な予約操作に疲れる乗客。これらの課題をまとめて解消するために、Uberは「OpenAI」の技術をどのように活用しているのか。
航空機整備のシフト作成は、担当者の経験に依存しやすい。JALグループのある航空会社は、この作業を「AIエージェント」で自動化して作成時間を1時間から最短5分に短縮した。その方法とは。
生成AIを使って高精度な回答を得るためには、計算コストの増大を覚悟しなければならない。解決策として、推論時のGPU利用を効率化する「分散推論」が注目されている。何がすごいのか居酒屋に例えて解説する。
生成AIの進化が次の段階に入り、企業の関心は目的を理解して自律的に行動する「AIエージェント」や「エージェンティックAI」の実戦投入に移りつつある。こうしたAI時代の新たなインフラ要件とその解決策について、専門家に話を聞いた。
AIコーディングが普及した結果、非エンジニアでも手軽にソフトウェア開発に参入できるようになった。しかし、開発の効率化や高速化といったメリットと引き換えに、開発の現場はさまざまな代償に直面しているという。
企業の生成AI導入が急速に進む一方で、既存ネットワークの限界という深刻な痛みが立ちはだかっている。AIツールを介した機密データの漏えいや処理遅延など、見過ごせないリスクをどう乗り越えるべきか。
AIツールによる障害への対処に期待が高まる一方、検証では原因特定の精度は低いという結果が出た。この課題に対し、IBM Researchが開発したオープンソース評価ツールと、特定精度を95％に改善した手法を解説する。
AI時代と言われる中、「AIに置き換えられる人」にならないためには何をすればいいのか。英国の起業家ダニエル・プリーストリー氏が、「AI時代に自分の価値を高める4つのスキル」を紹介する。
AIで業務を効率化させたいが、社内の反発で身動きが取れない――。そのような反発はなぜ起こり、どのように対処すればいいのか。AWSのエンジニアは、「課題は何ですか？」と聞くことをやめたという。
AIの普及で「仕事がなくなるかも」という不安が広がっている。一方、AIツールベンダーのCEOや起業家は、より構造的な変化を指摘する。本稿では専門家の発言を基に、「AI耐性」を身に付けるための戦略を紹介する。
今回取り上げる用語は「バン」です。記号そのものは見慣れていても、この名前で呼ばれると少し戸惑うかもしれません。バンとは、どのような記号のことでしょう？
AI需要の爆発によりGPUの価格高騰と調達難が続く中、Microsoftが発表した独自AIチップ「Maia 200」。これは単なる新製品の発表ではない。NVIDIA依存からの脱却、そして企業のAI運用コストを劇的に左右する「ゲームチェンジャー」となる可能性がある。
エンジニア向け求人に基づく調査から、企業にニーズのあるプログラミング言語が明らかになった。企業が最も高い年収を提示する言語や、企業のニーズが高いもののエンジニアの数が少ない「穴場言語」は何か。
「他社に乗り遅れるな」という圧力の下でAI投資は拡大したものの、企業は成果が見えない問題に陥っている。AIバブル崩壊の懸念に対し、戦略を見直す契機となるデータを紹介する。
ベンダーが広報や販促活動の中で“AI”と呼んでいるものは概して、単にAI技術の一要素にすぎない。主なAI技術である機械学習を利用するには、機械学習アルゴリズムの作成や、機械学習のための専用のハードウェアとソフトウェアの調達が必要だ。機械学習ベースのAIシステムの開発に利用できる主なプログラミング言語として「Python」「R」「Java」などが挙げられる。
機械学習ベースのAIシステムは、ラベル付けされた大量の教師データを取り込み、データを解析して相関関係やパターンを調べ、見つけ出したパターンを使って将来の状態を予測する。例えば機械学習モデルを備えたチャットbotに複数のチャットのテキストを与えて学習させることで、人とリアルなやりとりができるようになる。同じく機械学習モデルを備えた画像認識ツールに何百万枚もの画像を学習させることで、画像の中の物体を識別して説明できるようになったりする。
「学習」「推論」「自己修正」の3つが、機械学習ベースのAIシステムが備える主要な機能だ。
複数の教師データを基に、入力データを実用的な情報に変換するためのルールを作成する。このルールはアルゴリズムと呼ばれる。
望ましい結果に到達するために、正しいアルゴリズムを選択する。
アルゴリズムを継続的に微調整し、可能な限り正確な結果を提供できるようにする。
AIシステムを利用することで、ユーザー企業は自社の業務について、これまで気付かなかった洞察を得ることができる可能性がある。場合によっては、AIシステムは人間よりも高速かつ正確にタスクを実行できる。例えば大量の法的文書を分析し、それぞれの項目が適切に記入されているかどうかを確認するといった、反復的で細かい作業に適する。
一部の企業はAI技術によって新しいビジネスチャンスを得た。例えば米国でタクシー配車サービスを手掛けるUber TechnologiesはAIシステムを活用し、特定の地域で乗客の需要が高まるタイミングを予測することで、事前にドライバーをその地域に送り込んでいる。Googleは自社サービスの利用状況を基に、AIシステムで洞察を得て改善することで、オンラインサービスの最大手の一つになっている。同社のCEOであるサンダー・ピチャイ氏は2017年、同社が新サービスの開発にAI技術を積極活用する「AIファースト」企業になることを宣言した。
Amazon Web Servies（AWS）やMicrosoft、Googleなどのクラウドベンダーは、AIモデルやAIアプリケーションをクラウドサービスとして利用できるAIaaS（AI as a Service）を提供している。AIaaSは、ユーザー企業がデータで何ができるかを判断するのに役立つ。本格的にAI技術を導入する前に、さまざまなベンダーのAIモデルやサービスをテストすることで、どの技術や機能が自社に適しているのかを判断できる。自社の要件に合わせてスケーリングできるAIaaSが見つかったら、利用規模に合わせてリソースを拡張できる。
AIaaS市場には、さまざまなベンダーが存在する。以下で主なAIaaSベンダーの一部を紹介する。
ITmediaはアイティメディア株式会社の登録商標です。
