人間から偏見を排除するのは難しい。これを克服するために導入したアルゴリズムにもやはりリスクがある。既に発生しているリスクとは何か。
金融業界の企業がAIツールを使いこなすには、解決すべき課題が複数ある。金融業界各社のリーダーが、現場で感じた課題をまとめた。
アナリティクスにAI技術や自動化技術を生かそうとする動きはこれまでもあった。ただし活用が広がっているとは言えない。それでも今度こそ活用が進むと考えているアナリストがいる。その判断の背景には何があるのか。
金融業界の企業がAIツールの導入を進める際に、対処が必要なのが「説明責任」に関する課題だ。クレジットカード会社を例に、具体的に見ていこう。
Meta Platformsは、機械学習モデルをトレーニング可能なスーパーコンピュータ「AI Research SuperCluster」(RSC)の開発を進めている。専門家が考える、同社にRSCが不可欠な理由とは。
リーバイスの「AIブートキャンプ」は大人気のAIスキル研修だ。狭き門をくぐり抜けた受講者のその後の活躍ぶりについて、同社責任者が語った。
インシデント対処の質向上とコスト削減を図るための選択肢として、機械学習が注目されている。どのような問題に対して、どのような機械学習の手法が有効なのだろうか。
既存のAIは特定のタスクに特化しており、他のタスクに応用できない。IIIMが目指すのは自律的に学習して異なる複数のタスクに対応できる「強いAI」の実現だ。その研究・開発動向を紹介する。
AIを導入しようとする企業の多くが活用に失敗している。それはAIの活用に不可欠な要素が欠落しているからだ。データに対する勘違いもAI活用を阻害している。
ユネスコがAIの倫理的利用に関する勧告を採択した。日本を含む加盟国は、今後強制力のある法整備を進めるとみられる。AIに関わる人や企業がこの勧告を無視することは決してできない。
金融業は増加するマネーロンダリング活動との戦いを余儀なくされている。対抗手段として一層力を入れているのが、AI技術の利用だ。
業績が高い企業ほどコロナ禍でもAIに投資しているが、コロナ禍でAIのパフォーマンスが低下してしまったという。低下した業種と理由には納得するしかなかった。
Appleはさまざまな生体データを分析して人の感情を判別する感情分析AIモデルを開発している。こうしたAI技術を開発する研究者やベンダーには、検討すべきことがあると専門家は指摘する。それは何か。
Appleはカリフォルニア大学ロサンゼルス校と共同で、人の感情を検出する感情分析AIモデルを開発している。この研究を通じて、Appleは何をしようとしているのか。
AI技術の種類や使い方によって、環境に与える影響は変化する。企業が環境に配慮するには、何を念頭に置いてAI技術を活用すればよいのか。
AI技術の高度化が進み、人々が膨大なデータを生み出すにつれ、消費するエネルギーが環境に及ぼす悪影響が問題になる。専門家はどのような問題を懸念しているのか。
AIモデルのトレーニングには大量のデータだけでなくエネルギーを消費する。具体的にどの程度消費するのか。NVIDIAによる検証結果や各種の調査結果から、実態を明らかにする。
人間の危機対処能力はAIをはるかに上回る。AIは異常の説明や解決能力を持たない。AIが臨機応変な対応力を獲得する鍵はメンタル共有モデルにあるという。
AI人材の求人市場は活況を呈し、今後も高い需要が続く見込みだ。さまざまなAI人材の職種がある中、自分に最適な仕事を手に入れるためにはどうすればいいのか。具体的なアドバイスをまとめた。
AGIを活用すれば、完全自律型のプロセス自動化ツールが実現する可能性がある。そうすると現実味を帯びるのが、人とAIの共存だ。
ひと言で「AI人材」といっても、さまざまな職種がある。仕事内容はもちろん、求められるスキルもそれぞれ異なる。BI開発者やAIアーキテクトの違いとは。AI人材を目指すなら、まずは職種の要点を押さえておこう。
機械が人と同じように会話する世界はまだ訪れていない。AGIがそれを実現に導く可能性がある。ビジネス活用の視点でみればそれは、企業の意思決定を支援する“AI参謀”の誕生を意味する。
AI分野でベンダー買収が活発化している。その背景には何があるのか。直近の買収傾向とアナリストの見解から読み解く。
ビジネス利用可能な汎用人工知能(AGI)はまだ実現していない。だが実現すれば、これまではSF作品の中だけの存在だったものを、現実の世界に生み出せるようになる可能性がある。
偏見や差別意識を持たず、中立性を重視して作成したはずのAIが不公平な結果を出力することがある。なぜこのようなことが起こるのか。責任あるAIを実現するためにはどうすればよいのか。
EUが進めているAI規制案は、プライバシーや人間の行動を制約するAIの開発や利用を制限あるいは禁止する。違反には「全世界の売上高の6%」という制裁金が科される可能性もある。日本企業も注視する必要がある。
「チャットbot」は機械学習を使ったプログラムによって人間に近い回答をすることも可能だ。ただし人間に近づくと、ある倫理的な問題を引き起こすようになる。その問題とは何か。チャットbot活用の“正解”とは。
コールセンター向けクラウドサービスを手掛けるSharpen Technologiesは、自社サービスの自動文字起こし機能の精度向上を目指して音声認識システムを刷新した。システム移行の背景は。
少なくとも現時点におけるAIは知能と呼べるものではない。そして推論した理由を十分に説明することができない。このようなAIを信頼できるだろうか。人間はこうしたAIをどう扱えばいいのだろうか。
人工知能(AI)技術は何を実現し、何を実現しないのか。その認識は必ずしも正しい形で広がっているとは言えない。実際のところはどうなのか。特に労働者に対するAI技術の影響を専門家に聞いた。
量子コンピューティングとともに、ニューロモーフィックコンピューティングの実用化が急がれている。両者の使い道の違いは何か。ニューロモーフィックコンピューティングが必要な理由とは何か。
セキュリティ業務でコーディングが役立つ場合は珍しくない。セキュリティ担当者が学ぶべき5つのコンピュータ言語のうち「Python」を紹介する。
人の代替となる“AI従業員”には、人と同様に納税義務を課すべきだという考え方がある。のみならず特許や著作権など、人と同様の恩恵を受けられるようにすべきだと主張する専門家もいる。それぞれの言い分は。
AWSが発表した「Amazon SageMaker Clarify」は、機械学習モデルに内在するバイアスを検出する。昨今議論が激化している、AI技術に内在する差別問題への対処を支援する。
現在「AI」と呼ばれている技術は、概して特定の限られた用途に使われている。これらのAI技術が進化を続ければ、人の知能を再現した真のAI、「汎用人工知能」(AGI)が登場する可能性がある。
人間が書いたような自然な文章を生成することで知られるGPT-3は、プログラムやSQLの生成にも応用されている。だが、既に幾つかの課題や限界も見えてきた。
GPT-3がプログラムコードを生成するのは可能かもしれないが、それは完璧なものだろうか。そうした懐疑論者もソフトウェア開発にAIを応用する可能性は認めている。だが、別の危険性も内包しているという。
顔認識技術を使った既存システムは、特定の人種や性別を差別的に扱う傾向があることが明らかになった。技術による差別と向き合う中で、大手ベンダーの中には一部の技術や用語の利用を避ける動きがある。
OpenAIの「GPT-3」は自然言語処理分野に大きな驚きをもたらした。GPT-3が持つ文章生成能力は、プログラムのコーディングにも応用できるのではないか。そう考えた人々による取り組みも始まっている。
McDonald'sは「Google Cloud Platform」(GCP)を利用して開発したスマートフォンアプリケーションをマーケティングに生かしている。マスマーケティング以外の手段を模索する背景には何があるのか。
人類に分け隔てなくメリットをもたらすはずの技術が、人種差別を助長する可能性がある。顔認識技術といった人物認識技術に、特定の人種を差別的に扱う傾向があることが明らかになってきたのだ。何が起きているのか。
新型コロナウイルス感染症拡大で経済的影響を受けた小売業者を、AI技術とアナリティクス技術はどのように支援したのか。「Ai4 2020」における専門家のパネルディスカッションを紹介する。
コンテンツ制作にAI(人工知能)がもたらす効果は幅広い。音声コンテンツの制作や多言語翻訳まで、AI技術の用途と効果をまとめた。
AI(人工知能)技術を利用してテキストコンテンツ制作を支援する「NLG」(自然言語生成)。その効果とは、どのようなものなのか。
「AIOps」に似た言葉として「MLOps」がある。機械学習モデルの開発における課題を解消することがその目的だ。MLOpsツールが持つ役割を紹介する。
アナリティクスが映画にもたらした果実とは何か。そして映画製作のあらゆる工程の意思決定にデータを活用する上で、どのような問題があるのか。
機械学習の分野は自動化されておらずパイプラインは不安な、旧態依然とした体勢で運用されている。MLOpsを導入することで、機械学習の世界に産業革命をもたらすことができるという。
AI技術によるコンテンツの自動要約や自動分類は、ビジネスに優れた力を発揮することが分かってきた。どのように役立つのか。医療、マーケティング、法務分野を例に、具体的な用途を探る。
AIシステムにもCOVID-19の影響が及ぶだろう。COVID-19によってあらゆるものが変わり、以前に学習したモデルは適用できなくなるかもしれない。この変化に対応できるAIシステムのアーキテクチャとは?
AIの公平性や信頼性向上の鍵を握り導入のハードルを下げるためには、監査可能性や説明可能性が不可欠と目されている。Microsoftはこの分野を前進させるツールを提供している。
エネルギー業界におけるAI技術導入が加速している。老舗の大手企業が導入に本腰を入れ始めただけではなく、新しい技術を武器に異業種の企業が急速に存在感を高めている。
新型コロナウイルス感染症(COVID-19)拡大の影響でマーケティング業界も打撃を受けている。予算が削られ、人員削減も始まっている。こうした中、窮地に陥ったマーケターに救いの手を差し伸べる動きが出てきた。
新型コロナウイルス感染症(COVID-19)の拡大で経済活動が制限される一方で負荷の増大を余儀なくされている業務もある。課題解決の切り札として期待されるのが「AI」と「RPA」だ。
これまでAI技術にあまりなじみのなかった鉱山業界で、AI技術の活用が進み始めた。AI技術が鉱山業界に果たす重要性とは。金鉱会社Newmontやデータサイエンス専門企業Kespry、Descartes Labsに話を聞いた。
新型コロナウイルス感染症の世界的流行に直面し、市場は混乱している。サプライチェーンの管理を安定させ、少しでも正確な予測を立てるためには人工知能(AI)技術が役に立つ可能性がある。それはなぜか。
新型コロナウイルスが労働者を混乱の渦に巻き込んでいる。そんな中、機械学習を使用して有害なコンテンツを自動的に検出、削除する動きがソーシャルメディア企業の間で広がっている。実例を見ていこう。
「チャットbot開発ツール」は、エンドユーザーが簡単にチャットbotを開発できるように進化しつつある。GoogleとMicrosoft、AWSといった主要ベンダーのチャットbot開発ツールの特徴を説明する。
「チャットbot」は長い間、事前に準備した回答を出力するだけのプログラムだった。AI技術を組み込むことにより、用途が急速に多様化している。
独自の画像認識テクノロジーを持つ広告関連企業のGumGumは、クラウドソーシングでデータにタグ付け(アノテーション)をするFigure Eightのサービスを利用して、教師データを整備している。そのメリットと課題とは。
エッジコンピューティングは既に現実的なソリューションだ。StarbucksとMicrosoftが構築したエッジコンピューティングシステムがその一例だ。
AIの普及に伴い、AIの説明可能性のニーズも高まっている。企業はどうすれば、技術的課題と倫理的課題を解決できるのか。
データの複製に敵対的生成ネットワーク(GAN)を用いることは、人工知能(AI)技術に潜む最大のリスクの1つとされている。だが、企業は有益なコンテンツの作成にディープフェイクを使うことも可能だ。
Amazon Pollyは、ディープラーニングを利用してブランドイメージに合わせた音声を生成できる。オーストラリアの銀行は、コンタクトセンターに「オーストラリア英語」で応答するAIを導入しようとしている。
金融業界では、将来的に人員をAIに置き換える動きが始まると予想されている。一方でAIを行員のトレーニングに利用して人材の強化に取り組んでいる銀行もある。AIが職を奪うとは限らない。
企業は一人一人の消費者に合ったデジタルマーケティング戦略を生み出す必要に迫られている。そこで役立つのが機械学習だ。なぜなのか。
AIの導入事例は珍しくなくなったが、特定製品の実際についての情報はまだ少ない。ここでは「Salesforce Einstein」と「SAP Leonardo」の事例を紹介する。
ユーザーはなぜその行動を取ったのか。ユーザーの行動の原因と結果を理解することはビジネスの成功に直結する。機械学習によって因果関係を分析する因果推論が次のトレンドになるだろう。
『GraphQL for Modern Commerce』の著者による、GraphQLのメリットとデメリット。これを読むと、REST APIだけでの開発がいかに絶望的であるかが分かる。
「AutoML」(自動機械学習)をうまく活用すれば、データサイエンティストの業務負荷を軽減できる可能性がある。ただし他の技術と同様、AutoMLは万能ではない。
人工知能(AI)技術の進化や多様化は、自然言語処理のさらなる高度化をもたらし、企業のクラウド利用に影響を与える可能性がある。それはどういうことなのか。専門家の声を基に2020年のAI関連市場の動向を予想する。
2020年に、クラウド市場にはどのような変化が起こるのか。特にコンテナと人工知能(AI)技術に関する動向を予測する。
人材採用にAI技術を活用すれば、人が持つ意識的なバイアス(偏り)や無意識的なバイアスを排除できると考える人は少なくない。だがAI技術で全てが解決できるわけではない。
多くのサプライヤーが機械学習アプリケーションを製品化し、誇大宣伝を繰り返している。だがユーザー企業はサプライヤーの思惑通りに踊る気はまだないようだ。
多忙なデータサイエンティストの業務負荷をいかに軽減するか。その有力な手段となり得るのが、機械学習モデルの設計や構築を自動化する「AutoML」(自動機械学習)だ。どのような業務を効率化できるのか。
シンガポール発のプロジェクトがApache Software Foundationのトップレベルプロジェクトに昇格。ディープラーニングモデルを効率的に分散トレーニングさせることができ、既に実用化されているという。
業種/用途特化型検索サービスはそれぞれユニークな特徴と機能を備え、特殊な使い方を提案している。こうしたサービスとGoogleなどの汎用検索エンジンの決定的な違いとは何か。
AWSとNFLの新たな提携は、機械学習などのAI(人工知能)技術を利用して、選手のけがのリスクを軽減することを目指している。この提携は、両者が「Next Gen Stats」プログラムで進めてきた協業に基づいている。
AI技術には性別や人種のバイアスに基づいた判断をしてしまうリスクがある。バイアスを軽減し、公平かつ正確な判断をするAIシステムを構築する方法を考える。
Googleの検索エンジンがいかに優れていても、汎用的であるが故に限界がある。一方で特殊な用途や特定の業界に特化することによってしか実現しない検索サービスが存在する。
感情分析では言葉で表現されない顧客のフィードバックが入手できる。Netflixは加入者を引き付け、つなぎとめる目的で、この手段を利用した。
Netflixは、データ統合システム用のクエリ言語として「GraphQL」を採用している。同社のコンテンツエンジニアリングチームのエンジニアが、そのメリットや懸念点を語る。
Googleは、ユーザーがもっと説明可能なAIモデルを開発してデプロイできるようにする新たな製品群「Explainable AI」を発表した。その中身とは
Netflixがクエリ言語として「GraphQL」を採用した。どのように利用しているのか。得られた効果は。同社に聞いた。
女子テニス協会(WTA)がSAPと開発した分析ソフトウェアの新機能が、2020年の「全豪オープン」に合わせて利用可能になる見込みだ。こうした分析ソフトウェアは選手やコーチにどのようなメリットをもたらすのか。
アルゴリズムによる仕事の割り当ては、従業員にとっても雇用主にとっても恩恵があるかもしれない。だが人材を尊重しながら公正に仕事を割り振ることはできるのか。
AI技術の透明性は重要な課題だ。対策は企業の自主規制に任せるべきだという意見もあるが、政府が介入すべきだという声も根強くある。
機械学習にはさまざまなアルゴリズムがあることを知っているだろうか。代表的な機械学習アルゴリズム「SVM」「k平均法」「アプリオリ法」について紹介する。
説明可能なAIシステムを求める声が高まるにつれ、IBMやDarwinAIをはじめとするベンダーは、ビジネスユーザーがAIシステムの仕組みを理解するのに役立つ新機能を導入している。
アルゴリズムに対する信頼性がなければ、AI技術の導入は進まないだろう。そこで今、企業はAI技術を採用した自社システムの透明性を高め、説明可能にする取り組みを進めている。
機械学習にはさまざまなアルゴリズムがある。前後編の前編に当たるこの記事では、数あるアルゴリズムの中でも、代表的な機械学習アルゴリズムの「線形回帰」「決定木」について紹介する。
Microsoftが新たに発表したクラウドサービス「Azure Synapse Analytics」は、BIと機械学習のメリットをより容易に得られるようにする。現在はプレビュー段階にある同サービスの特徴を解説する。
ビジネスプロセスの意思決定にAI技術を活用することについて、働き手は警戒している。どうすれば信頼を得ることができるか。専門家が解説する。
Googleの新しい「TensorFlow Enterprise」(β版)は、「Google Cloud Platform」に最適化された「TensorFlow」ディストリビューションを長期サポートと共に企業に提供する。
脳とコンピュータをつなぐブレインマシンインタフェースが成果を上げ始め、夢の技術ではなくなりつつある。今何ができるようになったのか。そして今、何をなさねばならないのか。
カリフォルニア大学サンタバーバラ校(UCSB)の海洋生物学者は、ドローンと「Salesforce Einstein Vision」を使って、ホホジロザメを監視するプロジェクト「SharkEye」に取り組んでいる。
Microsoft Indiaはインド政府と提携し、同政府職員向けにAI技術やデータガバナンス、クラウドに関する新たなトレーニングプログラムを始動する。その中身とは。
さまざまなタスクを実行でき、継続的な学習を必要としない「汎用人工知能」(AGI)に、MicrosoftやSamsung Electronicsなど複数の企業が投資している。実現する見通しはあるのか。
AI技術の本格的な導入がそれほど進んでいないことが、このほど実施された実態調査で分かった。その原因は1つではなく、そして根深い。
さまざまなタスクを処理し、状況判断できる「汎用人工知能」(AGI)の実現を目指し、企業や研究者が開発を進めている。その実現を後押しする技術を、「AlphaGo」で一躍有名になったDeepMindが開発しているという。
高い精度でコンテンツを認識し、再現できる「GAN」(Generative Adversarial Network:敵対的生成ネットワーク)。その用途はどこまで広がるのか。
iOS版やAndroid版の「Microsoft Excel」に、カメラで撮影した表を自動認識してデータ化する機能が加わった。IT担当者は、有効性のテストとユーザートレーニングができるように、この機能の仕組みを把握すべきだ。
高い精度でコンテンツを認識し、再現できる独特の能力を持つGAN(Generative Adversarial Network:敵対的生成ネットワーク)。これを応用することで何が可能になるのか。
機械学習をはじめとしたAI(人工知能)技術を取り入れる動きが広がっている。AI技術を活用しようとするならば、まずは最適なハードウェアを見つける必要がある。
電話をかける作業を自動化する「オートダイヤラー」には幾つかの種類がある。電話応対業務にどのように生きるのか。主要な5種の機能を解説する。
パーソナライゼーションエンジンは機械学習を利用してコンテンツを個々の顧客向けに最適化する。企業がパーソナライゼーションを強化するコツを紹介する。
小売業でのAIテクノロジーの導入は比較的遅かったが、着実に進みつつある。小売業者がAIテクノロジーのメリットに向き合い、競争相手のEコマースの現実を理解するようになったことが背景にある。
多種多様な分析、機械学習、自然言語処理といったAIテクノロジーが警察で使われている。顔認識ツールや自動文字起こしツールがその例だ。どのように使っているのか。
「エッジコンピューティング」は企業にどのようなメリットをもたらすのだろうか。変圧器メーカーのダイヘンが工場にエッジコンピューティングを導入した事例から探る。
「Bad Rabbit」をわずか14分で悪意のあるマルウェアであると立証するなど、Microsoftの機械学習利用は成果を上げている。だがサイバーセキュリティ分野のCTOのケリー氏は機械学習に懸念を抱いている。
運用管理市場では、AI技術を活用した「AIOps」が盛り上がりを見せている。ただし中には、採用している技術が本当にAI技術かどうか疑わしい製品もある。真のAIOps製品かどうかを見極める、5つの特徴を紹介する。
法律事務所へのAI技術の導入によって、価値が低く時間のかかるパラリーガル業務の削減に効果があった。実働時間に応じた請求書の発行から特許情報データのマイニングまで、適用業務は幅広い。
リソースの割り当てやキャパシティー管理の最適化だけが「AIOps」の用途ではない。解析や検出作業の自動化にAIOpsを活用すれば、IT監視ツールの多過ぎるアラートへの対処を効率化できる。
企業は人工知能(AI)技術に期待を寄せているものの、どう利用すればいいかについてはいまだに模索中だ。AI技術をビジネスに生かしたいと考える企業が知っておくべき、AI技術の特性をまとめた。
機械学習モデルの訓練には大量の電力が必要だ。企業がこの問題に取り組むための解決手法を、人工知能(AI)技術の専門家の意見と共に紹介する。
コンシューマーだけでなく、企業での導入も進んでいる音声技術。主要技術とその主な用途に関するミニ用語集をお届けする。
機械学習モデルの訓練には大量の電力を要することを、最近の研究が証明している。機械学習をはじめとする人工知能(AI)技術の運用にかかる消費電力を減らすために、考えるべきことは何か。
機械学習ベースのAIシステムが有益な判断を下せるようにするには、学習に利用するデータの質が重要だ。FacebookとIBMのAIシステム担当者の話から、データの質を高める方法を探る。
MicrosoftのIoTサービス群「Azure IoT」には、IoTデバイスが生み出すデータを取得したり、アプリケーション開発に生かしたりするための、さまざまなサービスがある。その中から5つのサービスを紹介する。
最新のテクノロジーがゲーム業界を支えている。AIが自動でBGMを生成する「AI作曲家」の登場、IoTが下支えした「Fortnite」の世界的ヒットなど、業界の新たな潮流を紹介する。
アナリストのキナスト氏は、AIの規制について考え始めるタイミングであると説く。AIが人間を規制するSFチックな可能性だけでなく、同氏はより現実的であり得る問題を想定している。
AI活用が失敗する理由とは何か。データ量が限られる中で、AIをどう活用すべきなのか――。GoogleとBaiduで人工知能(AI)開発を手掛けた第一人者が、企業のAI活用のポイントを解説する。
企業がAI(人工知能)技術をビジネスに取り入れる際のポイントを前後編にわたり説明する。後編ではAI活用を企業が推し進めるために必要な考え方や組織体制について、具体例を交えながら紹介する。
人工知能(AI)の第一人者でオンライン教育の先駆者でもあるアンドリュー・ウン氏が、企業向けにAIプレイブックを考案している。本稿ではそのエッセンスを紹介する。
あらゆる組織がデータサイエンティストを求めているようだ。だが適切なスキルを持った適切な人材を確保するのは難しい。データ分析能力があるだけでは役に立たないのだ。
IoTでモノが生み出す大量のデータを収集・分析するには、デバイスへの接続やデータ格納など、必要な機能一式を取りそろえた「IoTプラットフォーム」が必要になる。その基本機能や導入形態を紹介する。
開発コードネームで「Ice Lake」と呼ばれるIntelの第10世代「Core」と、7ナノ製造プロセスを採用したAMDの第3世代「Ryzen」。この2種類の新たなCPUは、何が違うのか。
データサイエンティストは数が少なく高給であることから、企業での雇用が難しくなっている。だが、エッジデバイスのインテリジェンスが大きく向上すれば、データサイエンティストを必要としなくなるかもしれない。
AI技術を活用するチャットbotを使って、企業のIT管理者の仕事を効率化することができる。どのように役立てることができるのだろうか。
食品や生活用品を扱う消費財業界でも、AI技術の導入が進みつつある。Coca-ColaやPepsiCo、P&Gなどの事例から、AIシステムを利用したサービスの提供について考える。
音声アシスタントをはじめとするチャットbotをうまく使えば、企業の従業員のユーザーエクスペリエンス(UX)を向上させることができる。
オープンソースソフトウェアも活用し、AIプラットフォームの強化を続けるMicrosoft。バイスプレジデントのガスリー氏は、競合他社とは異なる戦略があると語る。
ビジネスインテリジェンス(BI)ツールに自然言語技術が搭載されていれば、従業員にとっての「使いやすさ」のハードルが大幅に下がる可能性がある。飲料大手Hijos de Riveraの事例から、その実力を探る。
小売業が「Amazonプライム」に対抗するためのサービスを提供するShopRunnerは機械学習をどう活用しているのか。同社データサイエンス部門トップが語った。
AIへの投資は今後も増えるだろう。そのAIを支える機械学習にはGPUやTPUといったカスタムハードウェアによるアクセラレーションが必須だ。
企業でのAI(人工知能)利用について、前後編にわたり8つのポイントを説明する。前編ではAI人材の確保やビジネスへの活用、データの収集・整形方法について、具体例を交えながら紹介する。
Intelがオープンソースのディープラーニングツール「Nauta」を公開した。Nautaでどのようなことができるのだろうか。
製造業で拡張現実(AR)の活用が始まっている。実際の活用例を見ると、ARは生産性向上をはじめ、さまざまなメリットをもたらすことが分かる。
プログラミング言語学習のためのWebサイト「Educative」開発者に、同サイトが生まれたきっかけや、他の対話型学習ツールに対する意見を聞いた。
AIaaS(サービスとしてのAI)の出現により、最先端のIT企業だけでなく、より多くの企業が人工知能(AI)をアプリケーションに組み込み、利用できるようになりつつある。
人間は、AIが下した決定の理由を答えられなければならない。それを実現するのがXAI(Explainable AI:説明可能なAI)だ。AIの決定に基づいて行われた結果の責任をAIに転嫁することはできない。
2019年3月に発表されたTableauとAI音声分析ベンダーのVoiceBaseの提携により、コンタクトセンター内外のユーザーが、音声分析データから簡単に洞察を引き出せるようになった。
リソースを大量に利用するAI(人工知能)のワークロード需要が高まっている。そのため、HCI(ハイパーコンバージドインフラ)もそうした需要に対応するために進化している。
GoogleでAIの研究開発を担うGoogle AIは、大規模な高精度ディープニューラルネットワーク構築用ライブラリ「GPipe」をオープンソースとして公開した。その意味するものとは。
音声テクノロジーをビジネスにつなげるには、現状のユースケースを理解しておく必要がある。音声テクノロジーを職場で活用するときのユースケースを紹介する。
データと警告に過負荷を感じることなく、効率的にハイブリッドクラウドインフラを監視するには、既存のプロセスを幾つか見直す必要がある。本稿では監視のために最初に実施すべき「5つのベストプラクティス」を取り上げる。
「『拡張分析』『自然言語』『グラフ分析』が、データおよびアナリティクス市場を変えつつある」とGartnerは指摘する。これに伴い、ユーザーはより簡単にデータを理解、共有できるようになってきている。
AI技術の導入で続々と新たなサービスが登場するフィットネス業界。パーソナライズしたサービスを提供し、ユーザーの健康管理やトレーニングの効果を高めている。Fitbitから仮想アシスタントに至るまで、その状況を紹介する。
広く普及しつつある音声技術に人工知能(AI)を組み込むことで、より高度な使い方が可能になってきている。AIを使った音声技術は企業でどのように活用できるのか。
ただ最先端のテクノロジーだという理由だけで機械学習を導入しても、ビジネスの改善効果はない。事業における意思決定プロセスに機械学習ツールを組み込む方法について、3つのポイントを紹介する。
MicrosoftとIDCの調査によれば、AI技術をビジネスの中核で活用する日本企業は1割未満にとどまる。企業はAI技術による生産性向上を期待している一方、ツールや人材の不足が活用の妨げになっている。
自然言語処理(NLP)によって意図解釈を行い、bot技術の効用を高めるチャットbotが登場している。会話技術を進化させたbotはデジタルワーカーとして戦力になる。
人工知能(AI)技術は万能薬ではない。ビジネスにAI技術を利用するのであれば、その限界を知っておく必要がある。AIを有効活用するためのシステム構築のポイントについて説明する。
職場へのAI技術の導入に失敗しないためには、現在のAIが可能なことと不可能なことを把握しなければならない。本稿ではAI技術の得意分野と、AI技術を利用した最新ソフトウェアについてまとめる。
機械学習モデルの導入時には、その開発時とは全く異なるスキルセットが必要だ。データサイエンティストとエンジニアリングチームはこのギャップを埋める準備をしなければならない。
データサイエンスを学ぶ場所と機会は大学の外側にも広がっている。大規模公開オンライン講座(MOOC)やオンラインで公開しているドキュメントなどがあり、データサイエンティストとしてのスキルセット獲得に役立つ。
デジタルカスタマーエクスペリエンスの強化に向け、いかに小売り業務を転換すべきか。Forresterの「Digital Store Playbook」から抜粋して紹介する。
企業の取得データが急増している近年では、情報を全て把握するためにもデータサイエンスツールが欠かせない。本稿では「Python」「R」「Jupyter Notebook」「Tableau」「Keras」について、データサイエンティストが愛用する理由を聞いた。
AI技術の活用を一任されたCIOは、まずはAI分野で起きている最新の情報を知るよう努めるべきだ。そして、IT部門のスタッフにも情報収集に関して同様の習慣を身に付けさせる必要がある。
AI技術のセキュリティ分野における活用が進む一方で、求められる機能を実現するためには課題も残る。具体的な活用例や、課題解決に向けた取り組みの動向を紹介する。
BIとアナリティクスの主要なトレンドとして、機械学習、マルチクラウド、グラフデータベースの台頭が挙げられる。これらは企業にどのような影響を与えるのか。
テクニカルアーキテクトのジェイソン・ウィン氏は、Microsoftが推進する人工知能(AI)開発により、データセンターの自律化は実現に向かって進み始めているという。
Intelは新プロセッサ「Intel Nervana Neural Network Processor for Inference」を発表した。AI用のこのチップはFacebookとの共同開発で、画像認識や画像分類の分野で重要な機能を果たすという。
TensorFlowやPyTorchなどのフレームワークばかりが注目されるが、ディープラーニングを支援する周辺ツールにも注目したい。今後さらに多くのツールが誕生することだろう。
2018年は人工知能(AI)の世界では大きな1年だった。本稿では、AI利用における5つの主要トレンドに目を向け、2019年のさらなる進化に向けた下地がどのように整えられたかを確認する。
仮想インフラはますます複雑になり、管理が難しくなってきている。「AIOps」を利用すれば、管理者はデータを手動で加工することなく有益な情報に変換できるようになる。
ビジネスインテリジェンス(BI)とアナリティクスのソフトウェアは2019年にますます進化してさらに簡単に使えるようになり、人工知能(AI)技術を活用した拡張分析が進歩しそうだ。
データのクリーニングに問題はないだろうか。本稿では現在データを取り巻く状況を明らかにする。ビジネスプロセス改善の専門家とそのチームによる、データクレンジングにRPA型botを使う実験も紹介する。
2019年は人工知能(AI)技術にとって大きな年になりそうだ。仮想アシスタントの普及や、活発なベンチャーキャピタル投資といったトレンドが続き、新たな流れも生まれるからだ。
2019年の企業向けAI(人工知能)のトレンドとして、医療やFinTech分野での活用拡大と、小規模AIベンダーの統合が進むことが予想される。
Gartnerのエリック・ブレゼノー氏によると、ユースケースに関して話をするのは物語を語ることに似ており、企業にとってAIがいかに大切なものであるかを証明する上で鍵になり得るという。
ユーザーエクスペリエンスの改善のために、「Tableau 2019」はAIツールとNLP(自然言語処理)ツールを追加する。このバージョンは現在パブリックβ版として公開されている。
SIEM製品を適切に選定するには、評価基準を設定し、自社のビジネスへの適合度合いを考慮することが大切だ。この記事では、評価項目の設定に必要な観点を紹介する。
2019年のエンタープライズAIの展開に大きく影響する要因は何か。Forrester ResearchはAI動向に関する5つの予測を提示している。
「質の悪いデータからでもよい分析結果が得られる」という考え方は、ビッグデータ分析には有効かもしれない。しかしCIO(最高情報責任者)であれば、このアプローチをビジネス変革に用いるのは我慢した方がよい。
企業の従業員はますます充実したモバイルユーザーエクスペリエンス(UX)を職場に期待している。そうした要望に応えるためにはさまざまな新しいテクノロジーが役に立つ。
Dell EMCが2018年12月4日に提供開始した「Dell EMC Ready Solutions for AI」は、構築済み分析環境などの包括的支援により、企業のAI技術活用を推進する。
企業の機械学習の利用は発展途上だ。O'Reilly Mediaの調査から判明した、企業での人工知能(AI)モデルの利用状況と、AIモデルの性能を評価する際に使われ始めた新しい指標とは。
日本コカ・コーラは、人工知能(AI)技術を用いたGoogleの画像認識サービス「Cloud Vision API」を活用し、消費者の行動を分析するプロジェクトを実施した。実際に利用して分かった、AI技術の得意不得意とは。
Amazonの企業向け音声アシスタント「Alexa for Business」が、Amazon Echo以外のデバイスで利用できるようになる。Webサービスとの連携など、ビジネス向け機能も追加される。
データ連携のプロセスを適切に管理していないと、BIや分析のアプリケーションで整合性に欠けるデータが生じる可能性がある。こうした問題を回避する手順を幾つか紹介しよう。
AI用プロセッサは用途によって実装方法が変わる。AlibabaがFPGAで開発したディープラーニングプロセッサは、畳み込みをサポートしており主に画像関係で威力を発揮するだろう。
機械学習はデータサイエンスのスキルを必要とする複雑なテクノロジーだ。Amazon、グーグルなどのクラウドプロバイダーはAIをもっと使いやすいものにすることを目指しているが、まだ改善の余地もある。
GPUを利用した機械学習インフラの構築には技術的な障壁が残る。ある企業はGPUベースのインフラ構築プロセスの一部を自動化するPaaSを開発中だ。これを使えば、AI技術の構築にかかる労力と時間を削減できるかもしれない。
双生児研究で知られる東京大学教育学部附属中等教育学校が、マークシート形式のテストを自動採点できるシステムを導入した。同校教諭の對比地 覚氏に、その選定理由や導入効果を聞いた。
マーシュ博士は、「GPUに依存したデータ分析は間違っている」と明言する。このアプローチでは将来のデータ増加に対応できないという。ペタバイト、エクサバイト時代のデータ分析はどうなるのか。
顔認識技術がビジネスにもたらす可能性は幅広い。一方でプライバシーの侵害につながるのではないかという懸念もある。顔認識技術とどう向き合い、どう活用すべきなのか。
機械学習をはじめとする人工知能(AI)技術が勢いを増している。こうした技術はIT投資の次の波になり、競争上の強みをもたらす可能性がある。
米国企業のIndicoが、Ensoというツールをオープンソースで公開した。自然言語による転移学習を簡便化するというこのツールを紹介する。
AIは膨大な情報から問題箇所を検知することができる。これだけでも十分有用だが、今のAIにはこれ以上のことができない。AI導入に際しては、「AIが理解するのはパターンだ」ということを理解する必要がある。
AI技術や機械学習技術を使ったシステムは管理が難しい。堅固で安定した稼働を実現するためにはエンジニアの関与が必要だ。AIシステムの構築と従来のデータサイエンスの取り組みを同じように考えてはいけない。
Amazon、IBM、Microsoftなどの企業が競い合う人工知能技術。Googleの「Edge TPU」が次世代アプリケーション開発者の注目を集めている。
機械学習、深層学習は与えられたデータセットからパターンを学習し、パターンマッチングを行う。実務分野に応用されて成果を出す一方で、機械学習がうまく適用できない分野も見えてきた。
機械学習のパラメーターやモデルの管理、APIの提供などができるPythonライブラリがオープンソースで公開された。Databricksの「MLflow」が解決する機械学習の問題とは?
インテルの新しい開発キットは、CPUや他の種類のチップで深層学習するハードルを下げようとしている。動画データから多くの情報を容易に抽出できるようにすることが狙いだ。
AIを使ったチャットbotはカスタマーサービス業務の一部を自動化し、従業員が本当に大切な仕事に専念できるようにすることによって企業の変革を支援する。
高度なセンシング技術を必要とする自動運転。ここで鍵となるのがAI技術だ。デンソーが取り組む自動運転技術の開発やAI技術の活用について、具体的な研究事例とともに解説する。
ペプシコが導入したAI「Robot Vera」は、求職者の履歴書をスキャンして適格者に電話をかけ、面接まで行う。ペプシコの導入事例を詳しく紹介する。
九州でクリーニング店を営む田原大介氏は、独学で「TensorFlow」を学び、ディープラーニング技術を駆使して衣類を自動認識できる無人店舗作りに挑戦している。
IBMが目指すのはAIシステムの会話をより人間らしくすることだ。本稿では会話型UX設計という新しい分野と、そこに注ぎ込まれる専門技術について、2人の研究者が考察する。
モバイルIT管理者は、人工知能(AI)技術の活用に備えなければならない。だがそれにまつわるリスクや課題も認識する必要がある。
IT分野におけるAIの活用はコンプライアンスとセキュリティに役立っている。その他、物流、マーケティング、ファイナンスなど各分野におけるAI活用の最前線を紹介しよう。
チャットbotを利用して履歴書を短時間で選別し、感情を分析して社内の空気をしらけさせる人物を除外する。そうなれば、雇用の決定を人間に頼る理由はあるだろうか。
Microsoftは同社の「Cortana」をコラボレーションプラットフォーム「Microsoft Teams」に統合する予定だ。音声アシスタントが企業に普及する小さな一歩になるだろうか。結論が出るのはまだ先のことだ。
「Windows 3.0」に搭載されていた「ファイルマネージャー」のソースコードが「GitHub」で公開された。
Appleは、メッセージングサービス「Business Chat」のβ版プログラムで大企業と提携し、ビジネス市場でFacebookやGoogleに対抗する。
3次元(3D)カメラや人工知能(AI)技術が、顔認識や顔認証の可能性を大きく広げつつある。具体的な動きを追う。
Googleの新しい音声合成サービス「Cloud Text-to-Speech」は、32種類の声と12種類の言語で自然な音声を合成する。開発者はビジネス向けアプリや機器にこのソフトウェアを組み込むことができる。
GPUを使ったディープラーニング(深層学習)が一般的になっている。これに伴いデータ管理者は、大量の計算が可能なインフラを構築する必要がある。
AlexaとGoogleアシスタントとでは、どちらが優れているのか。実際に使ってみると、両者の違いは明らかだ。いずれにせよ、対応アプリ開発にはあるものが欠けているという。
かつて「AOL Instant Messenger」などで人気を集めたチャットbotだが、今度は企業の業務用モバイルアプリで活躍の場を広げそうだ。
人工知能(AI)が製造システムに導入されるようになっている。その代表例がプリント回路メーカーのJabilだ。同社ではAIを利用して社内の製造工程と製品品質を改善している。
Apple、Facebook、Googleが、企業とコンシューマーをつなぐメッセージサービスの投入を進めている。Googleを中心に、各社の動きを追う。
データサイエンスと機械学習の市場は急速に拡大している。調査会社Gartnerの最新レポートによると、急増する市場の需要に素早く対応できる小規模ベンダーが大手を抑えてリードしているという。
企業は近年、事業の質の向上とコスト効率化を両立できる新たな技術を常に探している。Javaベースのソフトウェアやアプリケーションは、企業がこうした価値を実現する上で役に立つ。
最新鋭のコラボレーションツールを導入しても、従業員に使ってもらえなかったらもったいない。「会議室管理ツール」を併用して従業員の利便性を高めることの重要性に企業は気付きつつある。
ビッグデータ分析ソフトウェアはさまざま機能を搭載し、用途も多様だ。本稿では主要なユースケースを基に、その実力を探る。
「人工知能」(AI)テクノロジーは、モバイルデバイスの利便性や安全性を大いに向上させる力を秘めている。その可能性を評価し、どのように活用できるかを判断することが重要だ。
皆さんは「チャットbot」と「対話型エージェント」と「仮想アシスタント」を同じものとお考えだろうか。それならば、考えを改めた方がいい。
数ある人工知能(AI)の中でも、機械学習は特に進化の可能性が大きい。われわれは、どこまで機械を信頼できるか、試されることになる。
顧客満足度を高めるために人工知能(AI)を活用する企業は少なくない。主要なAIはAPIを用意しており、「Siri」「Alexa」「Google Assistant」などのパーソナルアシスタントなどと連携して活躍の場を広げている。
臨時職員に短期間で一人前のスキルを習得させるのは容易ではないが、仮想現実(AR)があれば話は別だ。初心者からベテランまであらゆる従業員が、ARを使うと業務効率化につながる3つの理由を解説する。
深層学習(ディープラーニング)システムでは、人間の目で判別できない顔の不随意反応を分析できる。人事部の担当者はその結果を利用し、あなたが社風に合うかどうかを見極めることが可能になる。
機械学習やAIによる「自動意思決定」に期待がかかるが、そこには人間による偏り(バイアス)が入り込む余地があることに注意する必要がある。あるニューラルネットは、学習の結果驚くべき結論を導き出してしまった。
新薬開発の分野においても、スマートフォンやウェアラブルデバイスは重要なツールだ。これらを活用して治験参加者の負担を減らし、治験に参加しやすい環境を提供する取り組みが進んでいる。
2018年は、チームコラボレーションツールが主要なユーザーインタフェースとなることに注目だ。また、あるUCベンダーがオンプレミス環境でのサービス提供を終了する可能性がある。
ビジネスで扱うデータは増加し続けており、機械学習などデータ分析の機会も増えた。分析担当者には高いスキルが求められるが、本当に必要なスキル、素質とは何なのだろうか。Intel担当者に聞いた。
2017年、データ分析関連の記事で最も読まれたのはどんなテーマだったのか。TechTargetジャパンの関連記事ランキングから探ります。
Amazonの企業向け仮想アシスタントサービスでは、音声コマンドで「Amazon Echo」デバイスを使って、会議準備やアプリケーション操作の面倒な手間が省ける。
AI(人工知能)の活用に対する懸念は根強いが、コンピュータによる意思決定は人々の生活に関与している。既に活用されている分野においてなされた決定は、本当に正しかったのだろうか。
多機能なIoTデバイスやクラウドサービスがそろっているはずなのに、1つ作業を行うには複数のデバイスやサービスをユーザー自身が組み合わせる必要がある――ユーザーが感じるIoT疲れを解消するには?
今、単なる画像認識や機械学習までもがAIとして過大に宣伝され、企業導入が進まないという事態を招いている。誇大宣伝や誤ったイメージから逃れ、AIに正しくアプローチする方法とは?
AI時代において企業に先発者優位性を与えるのは、アルゴリズムではなくデータだ。深層学習の第一人者であるアンドリュー・ウン氏がその理由を説明し、AIを活用する企業に共通する4つの“習慣”を紹介する。
MIT Technology Reviewが毎年発表する「35歳未満のイノベーター」の中から、注目の2人を紹介する。
Boxは人工知能(AI)と機械学習の技術を導入した新たな機能を提供する。ユーザーは、スマート検索オプションや、カスタマイズしたコンテンツを表示するフィードを利用できるようになる。
人工知能(AI)ソフトウェアのビジネスへの導入が進むにつれて、企業は自然言語生成ツールにも力を入れ始めている。
Amazon Echoが示すのは、もはや情報のやりとりにキーボードは必要ではないという新しい常識だ。その際、ユーザーが評価するのはシステム全体の使い心地になるだろう。
AIアプリケーションは、モノリシック(単一)なツールではなく、高度な機能を提供するために、さまざまなツールや技術の集合体として構築されている。ひと目で分かる図版で説明する。
コネクテッドカーもIoTデバイスの一種である以上、セキュリティの脅威と無縁ではいられない。自動車メーカー各社はどのようにして自社のネットワークを安全に運用できるのか、慎重な判断が必要だ。
ユニファイドコミュニケーションツールの先進的なベンダーは利用の広がる「Slack」などのビジネスチャットツールや、音声認識技術との統合に乗り出している。
「Amazon Alexa」「Google Home」「Siri」などの仮想アシスタントは、消費者の間では人気が高いが、企業導入は進んでいない。しかしITプロフェッショナルたちは、これらを企業向けに利用できないかと考えている。
AmazonとMicrosoftが提供する深層学習のライブラリ「Gluon」は、クラウド環境で機械学習をより簡単に利用できるようにするものだ。大手2社の提携は、機械学習や深層学習に取り組むことの重要性を象徴している。
音声で買い物や家電の制御などを可能にする「スマートスピーカー」が充実し始めた。可能性に期待が高まる一方で、そのセキュリティ面を懸念する声もある。スマートスピーカーがもたらす脅威とは。
現在のデータ分析ニーズに、リレーショナルデータベースと従来のクエリでは対応できない。現在進みつつある、人工知能やディープラーニング、コグニティブアナリティクスなどについて整理しよう。
Microsoftは、量子コンピュータの可能性に大きな期待を寄せており、夢のコンピュータの実用化に向けて取り組みを進めている。Microsoftの量子コンピューティング計画に関する発表を受け、専門家に話を聞いた。
Microsoftは同社イベントで、仮想現実(VR)コラボレーション技術と、Fordで使われている複合現実(MR)アプリを披露した。Ciscoも「Cisco Spark in VR」を発表し、顧客に試してほしいと呼び掛けている。
Amazon の音声アシスタント「Alexa」を調理場で活用する米バーベキューレストランチェーン Dickey’s Barbecue Pitの事例を見ていこう。
人工知能(AI)は既に遠い未来の技術ではなく、徐々に日常生活に浸透して来ている。仕事を奪われるといった否定的な意見も多いようだが、まずAIは何が得意か何を任せられるのかを理解しよう。
「ARKit」「ニューラルエンジン」「Face ID」など、Appleが「iPhone X」に詰め込んだ要素は数多い。企業のCIOにとっては、それが実現する具体的な未来こそが重要だ。
モノのインターネット(IoT)普及に伴い、関連ソリューションを提供する大手IT企業が、次々とIoT関連教育プログラムを充実させている。Cisco、GE、Microsoftそれぞれの取り組みを通して、その意図を探った。
データ分析に関するカンファレンスで、専門家達は人工知能(AI)の業務利用におけるデータ管理の重要性、エッジ分析の可能性、EUの一般データ保護規則(GDPR)施行で起こり得る業界動向などについて予測した。
自動運転車がカーレースの世界にも進出しつつある。AI搭載の「ロボカー」が、時には過酷にもなり得る環境での高速運転に耐え、緻密な状況判断でレースを制する日は来るのだろうか。
企業のチャットbotへの投資は十分な効果をもたらすが、それでも顧客サービス部門は複雑な問題に対処し、顧客の言葉に共感し魅力的な意見を提供するために担当者を置き続ける必要がある。
iOSは毎年9月には新しいバージョンがリリースされる。2017年、iOS 11には開発者向けに優れた拡張現実と機械学習機能が追加される。その詳細を想像してみよう。
人工知能(AI)技術に関する誇大広告が世にあふれている。AI技術の真の可能性を生かしたいのなら、できること、できないことを正しく理解することが大切だ。
仮想現実(VR)は今、医療現場に導入されてさまざまな治療に成果を挙げている。VRの可能性、そして課題とは何だろうか。
AI技術を活用したセキュリティ製品は、頻発するマルウェア被害や不正行為から企業を守る期待を集めている。こうしたAI活用型セキュリティ製品のメリットと今後の動向について、専門家に話を聞いた。
チャットbotは、マーケティングや会話型コマースを手始めにターゲット業界を拡大中だ。ただ、金融や医療など、重要な個人情報を扱う業界ではセキュリティ面で高いハードルに直面している。
「企業のIT系社員は、AIに仕事を奪われる未来を恐れている」というのは間違いだ。多くの専門家は、AIが彼らの仕事を補佐すると指摘する。データ管理など、AIは人ができない仕事をこなしてくれるからだ。
Googleの発表した「Tensor Processing Unit(TPU)」は、機械学習モデルのトレーニングと実行向けに設計された。CPUやGPUと比較したTPUの長所と短所について解説する。
ディープラーニング(深層学習)モデルを本番環境に導入して、ビジネスに良いインパクトを与えようとするなら、モデルの設計やテストのような基本事項に目を向けることが重要となる。
VolvoはGoogleと共にAndroidベースのシステムを開発している。ナビゲーションやオーディオ機能のみならず、Androidがエアコンやパワーウィンドウなども制御するという。
現在のAIツールはまだ、真の人工知能とは呼べない。このことは近い将来、企業がこのテクノロジーをどのように使用するかに影響するかもしれない。
車を運転中に使えるアプリの開発者に朗報だ。自動運転車の時代に、アプリの需要は高まるだろう。専門家がGoogleの「Android Auto」やAppleの「CarPlay」など、開発向けソフトウェアを紹介する。
Microsoftの「Skype」最新版では、コンシューマー向けにメッセージング機能を強化している。だがアナリストは、2017年に「Skype for Business」が同様の機能強化を実装する可能性は低いと予想する。
「Amazon Echo」や「Siri」のような音声インタフェースのビジネス利用については、製造業での活用に期待が集まっている。しかし多くの企業では、音声操作技術の普及は進んでいない。その理由は。
機械学習やデータ分析は増加の一途をたどっている。その結果、コンピュータに仕事を奪われることを恐れている従業員もいる。だが、その心配はない。
イーロン・マスク氏の躍進はとどまるところを知らない。非営利の人工知能(AI)研究機関OpenAIは、革新的なAIシステムを発表した。物理的な作業のデモを1度見せるだけでシステムは同じ動きを再現する。
人工知能(AI)と機械学習を、「実用的なエンタープライズアプリケーションを伴わないバズワード」として切り捨てるのは簡単だ。しかし、技術は着実に進化している。
Microsoftは「Cortana」搭載端末の計画を発表した。Microsoftの参入で仮想アシスタントを職場で利用できる日が近づいた……のだろうか。
コンサルティング企業のDeloitteが新しく公開したレポートによると、非構造化データとその他のいわゆる「ダークデータ」を分析することで、大きなビジネス価値を得られる可能性があるという。
人工知能(AI)アプリケーションは多数のビジネスプロセスに貴重な洞察とサポートをもたらす。だが、今日の使用例は氷山の一角にすぎない。
「Amazon Echo」で利用されている音声アシスタント「Alexa」。この可能性をより広い用途に広げるのが「Amazon Lex」だ。その仕組みを見ていこう。
「Slack」や「Microsoft Teams」など市場には多くの“コラボレーションツール”があり、競争が激化している。競争の次の焦点はAI活用だ。ユーザー企業にはどのような影響があるのだろうか。
企業で使うツールは増える一方だ。それぞれのツールを1つに統合できれば、業務は効率的になる。それを実現する技術として注目されているのが「チャットボット」技術だ。
かつてゲームでしか役に立たない技術と評価されていたGPUが企業向けデータセンターに進出し、機械学習や人工知能といった成長著しいプロジェクトに貢献しようとしている。
数年前、テクノロジー業界を席巻したのはソフトウェアだった。そのソフトウェアの中で主役の座に躍り出ようとしているのが機械学習アルゴリズムだ。こうした傾向には相応の理由がある。
GPU技術はかつて主にゲーマーが関心を持つ分野だったが、今では新型GPUがシステムに搭載され、ディープラーニングやAIアプリケーションの実行に使用されるようになっている。
インターネットに接続するデバイスから得たデータと、拡張現実(AR)を使った可視化技術の組み合わせによって、工場などで働く現場作業員の働き方が変わる可能性がある。
第102回北米放射線学会(RSNA 2016)では、画像診断における人工知能(AI)と機械学習の導入や、放射線医学分野におけるクラウドや遠隔医療の応用といった技術テーマが注目を集めていた。
オンラインオークションサイト「eBay」は、自身が選択している言語で出品された商品リストしか表示されないという問題があった。その問題を機械学習を使って克服したというが、どのように対処したのだろうか。
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。
専門性の高い情報を扱い、医薬品の適正使用を促すサイクルを構築するMR(医薬情報担当者)の業務には、データ分析やデジタルマーケティング技術の活用が大きな効果をもたらす可能性がある。
医療分野では人工知能(AI)技術による診断支援や新薬開発といった用途に期待が寄せられている。しかし医療AIの普及には、医療保険制度を筆頭にクリアすべき課題がまだある。日本の医療AI開発の現状とは。
3Dプリンタが本格的なビジネスに進化している。「あらゆる物事に革命を起こそうとしている」といっても大げさに聞こえるかもしれない。だがそれは「積層造形」という分野で起きている最新の進歩を把握していないからだ。
小売業や製造業、医療業界において「3Dプリント」が注目されている。それぞれの業界でどのように活用されているのか紹介する。
10年後、自動車産業の業界勢力図はがらっと変わり、Google、Apple、Uber、Teslaの4社いずれかの自動車を運転するようになっているかもしれない。業界を破壊する“四騎士”それぞれの戦略の違いを探る。
ソーシャルネットワーキングからオフショア金融詐欺防止まで、グラフデータベースの成長がデータベース市場の新たな方向性を指し示す可能性を探る。
Appleの「Siri」やMicrosoftの「Cortana」は、複雑な文脈を理解するまでには至ってない。一方でGoogleやIBMの会話プラットフォームは、単なる音声応答システム以上の水準まできている。
今後5年以内には、自然言語処理や深層ニューラルネットワーク、会話機能を備えた「人工知能」(AI)が、あらゆる業務アプリケーションに普及するだろう。
建物はそこで過ごす人間の作業効率に影響するだけでなく、地球環境に対しても大きな負荷を掛けている。建物の進化は人間にも地球環境にも好ましい結果をもたらす。そのために必要な技術がIoTだという。
IBMとGoogleが提供する新しい機械学習ツールにより、テキストや音声ベースのアプリケーションを素早く開発できるようになる。市場における競争はさらに活発になるだろう。
IBMの「Watson IoT」を導入すると何ができるのか。設備管理会社の計画から、その一端が見えてくる。無数のセンサー情報を集約・分析することで実現するインテリジェントなサービスとは?
機械学習モデルには脆弱性と障害がつきものだ。本稿では障害の発生原因と、障害発生時にもユーザーの作業を中断させないためのフェイルオーバー計画について説明する。
過去に何度か「人工知能」(AI)ブームが到来しているが、今回のブームではビジネス活用が本格的に進む可能性がある。その理由と、AIが業務システムに与える影響を考える。
営業支援コンサルタントやロボット弁護士、規制調査アプリケーションなど、人工知能「Watson」の導入実績も増えてきた。しかし、Watsonを導入するためには高い高いハードルを乗り越える必用がある。
人工知能(AI)ソフトウェアが普及すると人間の職が奪われるのではないかと懸念する声がある。だが、ある専門家はそうした影響は少なく、むしろ労働者にとって有益だという。
オープンソースコミュニティーとの協力関係を模索するAppleとMicrosoftの戦略は、好意的に受け止められている。企業利益のためであることを隠さない両社が受け入れられ、開発者が集まる理由とは?
オープンソースは必要に応じて積極的に活用する価値がある。だが、不用意な利用は法的なリスクを伴う。弁護士の立場から見た、オープンソースとのつきあい方を紹介する。
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。
多くの企業では、これまでに収集してきたあらゆる非構造化データを活用する方法を探している。深層学習アプリケーションがこのような企業の要求を満たす一助となるかもしれない。
ディープラーニング(深層学習)がAIコミュニティーを席巻している。Microsoftのエリック・ホービッツ氏とFacebookのヤン・ルカン氏が、この種の機械学習がなぜ極めてエキサイティングなのかを解説。
人間の脳のアナログ処理能力は想像以上に高く、人工知能関連技術がそれに太刀打ちするにはさまざまなハードルがある。一方、現状を打破すべく、デバイスのアナログ特性を生かした技術開発が進みつつある。
米IBMの「Watson」をはじめ人工知能(AI)技術が発達し、今後次々と生まれる新たな可能性は非常に巨大だ。今までのAI時代の歴史を振り返る。
機械学習はより洗礼された意思決定において、有益なデータを抽出する最適なツールになり得る。機械学習がどのように情報を予測しているのか、基本的なアルゴリズムや仕組みについて紹介する。
知能や学習能力を持ったスマートマシンや自動運転車などを実現するため、人工知能(AI)の研究が日夜進められている。その一方で、起業家のイーロン・マスク氏はそのリスクについて警鐘を鳴らしている。
流行っているからといってデータ分析に飛びつくと痛い目に遭う――ポイントになるのはデータに基づく判断を社内に定着させるためのスモールスタートだ。将来の「機械学習」をにらんだ取り組みを説明する。
ビッグデータ活用の専門家である「データサイエンティスト」が脚光を浴び、その人材不足が指摘されている。また、ある専門家はビッグデータ解析チームに弁護士を雇う企業が今後増えると予測している。その理由とは?
AIや機械学習/ディープラーニングがDXに果たす役割は大きいが、一方でそれらをどうビジネスに生かすべきか悩む企業はいまだ多い。そこでAIの定義からディープラーニングの仕組み、インフラ選定のポイントまで、網羅的に解説する。
ビジネスのデジタル化が加速するにつれ、データを処理するコンピューティング性能への要求も高まっている。そこで注目を浴びているのが、CPU、GPUと並ぶプロセッサだ。どのような役割を持ち、どのような効果をもたらすのか。
AIを使ったビジネス変革を目指す企業が挫折してしまう理由は「思ったような成果が出ない」ことだという。では、「成果を出せるAI」はどうすれば手に入るのだろうか。
企業にとってデータとはビジネスを拡大させ、組織に競争優位性を与える、いわば成長の源だ。企業のデータ活用にこそデジタルトランスフォーメーションの焦点を当てるべきだという。
製造業のDXが加速する中、企業競争力を高める存在として重要性を増しているのがCAEによるシミュレーションの活用だ。その実践のヒント、AIやIoTとの融合などについて関西CAE懇話会 幹事も務めるオムロンの岡田 浩氏に聞いた。
コミュニケーションアプリ「LINE」で知られるLINE社が、AI(人工知能)技術を活用した法人向け事業に注力していることをご存じだろうか。同社がビジネスユースのAI技術を推進する理由や、その機能に迫る。
AIの業務活用が広がる中、その判断の理由を説明できる「説明性」と、結論そのものの「公平性」が大きな課題として浮上している。AIのビジネスでの本番運用で押さえるべきポイントと、それらを実現するソリューションについて解説する。
総務省の情報通信白書によれば、日本企業のAI・ビッグデータ活用が停滞する要因は、データ収集・整理が不十分な点にあるという。そこで専門家による討論の様子を基に、それら課題を解決するためにデータ基盤へ求めるべき最新要件を探る。
AIのビジネス活用が進む一方で、自社の課題・目的に対してAIをどう活用すればよいか分からないという企業も少なくない。その参考となる事例が、北海道のエネルギー供給を担う、いちたかガスワンの取り組みだ。
マーケティングの常識は様変わりした。企業の顔であるWebサイトで「コンテンツ」をどう生かすかが、ライバルとの勝敗を左右する。変化にいち早く気付いたグローバル企業は何を使い、どう対策しているのか。
AI活用には、ストレージ、ネットワーク、コンピューティングの3要素が欠かせない。それぞれどのような要件を満たす必要があるのか。素早く実装する方法や、最適な組み合わせは? 業界の最前線で活躍するキーパーソンたちが解説した。
人工知能(AI)技術をビジネスに取り入れるためには、データ分析やAI技術の専門家が必要となる。そうした人材を確保することが難しい企業でAI技術を活用するための方法を紹介する。
自動運転に用いられるAIには、環境変化に即座に対応するため、リアルタイムかつ“先読み”的な意志決定が求められる。こうした要件は、従来のAI技術では困難だった。そこで注目されるのがAI国際会議のイベントで優勝したチームの新技術だ。
AIを自社業務に適用するには“学習”が不可欠だが、どんなデータをどれだけ学習させればよいか分からないという声も多い。画像認識や音声認識、照会応答といったユースケースを基に、企業側で行うべき学習の種類や必要なデータを解説する。
拡大し続ける個々の業務と、不足している人的リソースというミスマッチは、多くの企業にとって解消すべき喫緊の課題だ。RPA、AI、OCRなどさまざまな技術を融合した最新の自動化ソリューションは、その解決策となり得るのか。
「Skype for Business」を使ったビデオ会議では、操作に手間取り、時間を無駄にすることも少なくない。そこで、このような無駄をなくしたい企業に最適なSkype for Business専用デバイスを紹介する。
システムインテグレーターのDTSは、オープンソースソフトウェア(OSS)を活用してBIツールなどの製品を開発している。避けては通れないOSSライセンス違反のチェックや脆弱(ぜいじゃく)性検査を同社が効率化できた要因は何だろうか。
便利そうに見えて実は別サービスへの誘導だったり、他の製品と組み合わせにくかったりと「マーケティング支援ツールは複数あるが、何の思惑もなく利用企業の価値向上を支援するものは意外と少ない」という。では何を選択すべきか。
「ディープラーニング(深層学習)」の活用に踏み出そうとする動きが広がっているが、自社で実装するにはハードルも高い。どうすればディープラーニングの恩恵をスムーズに享受できるのか、その最適解を探ってみたい。
第3次AIブームが起こっているがAIをビジネス活用できている企業は少ない。その理由はAI活用を始めようとする企業がつまずく「3つの不足」にあるという。
SNSに投稿された事件・事故・災害の動画や画像を収集/解析し、ニュース素材として配信するサービスを提供するSpectee。膨大なデータを瞬時に解析し、カテゴライズするその技術を支える、同社のディープラーニング運用基盤とは?
製造業のプロジェクト管理のなかでも、デザインレビューの運営はとりわけ緻密さが要求される。だが、いまだ表計算ツールによる「力技」の管理をしている企業も少なくない。データを一元管理し、ヒューマンエラーを防ぐ方法はないのか。
「第3次AIブーム」といわれる今日だが、AIの価値を引き出すには分析基盤の効率化が欠かせない。そこで、オープンソース関連の技術書で多数の著作を持つエヴァンジェリストに、効率化の秘訣を聞いた。
ビジネスでAI(人工知能)を活用するには、大量の学習用データをいかにうまく蓄積できるかが問われる。そのために必要とされる「AI時代のストレージ」に求められる要件とは。
かつては「未来の技術」として遠い存在だったAI関連技術。現在では身近なところにまで活用が進んでいる。本稿では人気セミナーの講演内容を紹介し、AI関連技術の今とこれからについて考える。
働き方改革の推進力として注目を集めている「RPA」。そもそも、どのようなメリットをもたらしてくれるものなのか。そして、導入効果を最大限に引き出すためのコツとは?
スマートフォンの普及で企業と消費者のコミュニケーション手段は大きく変化した。そこで現在注目を集めるのがチャットだが、新たな運用課題も生じている。
働き方改革にモバイルデバイスを生かし切れていない企業は、何が足りないのか。状況の改善には、何をすればよいのか。その答えを探る。
働き方改革を支援するビジネスSNSを展開するSansanは、社内改革にも積極的だ。その同社が、営業スタッフの生産性向上と効率化に役立ったと語るのが2-in-1ノートPC。柔軟な働き方を支えているという新デバイスの活用法を聞いた。
人手不足や残業抑制には抜本的な業務見直しが必須。できるところから暫時的に導入できるAI基盤が登場したことで、ようやくAIを活用した働き方改革の実践方法が見えてきた。
「現場に急行できる最寄りのスタッフは誰だ」「あの商品を扱っている店舗はどのエリアか」……。こうした課題は、地図サービスを活用すればもっと素早く解決できるだろう。
機械学習/深層学習に取り組む上で、サーバの役割はより重要になっている。サーバは高性能なだけでなく、運用管理でも近代化が期待され、セキュリティ強化も求められる。
SDSやGPU、FPGAといった技術の浸透によって、データセンターにおけるサーバの役割がより重要になってきている。企業はどのような視点でサーバを選定すべきなのか。
AI活用が広がる一方、ディープラーニングのための教師データの作成やコンピュータの計算速度などユーザーがぶつかる課題は多い。先端のAI開発現場から解決の糸口を知る。
競合企業がAI活用に乗り出す前に先手を打ちたい――。しかしAIのノウハウがない企業は多い。重要なのは導入前の活用イメージと導入後の運用、加えてパートナーの選び方だ。
人工知能(AI)技術が急速に普及し始めている。特に注目されるのがディープラーニングの適用。どのような課題を解決し、ビジネスに役立っているのか。最新情報をお伝えする。
「ユーザーの本当のニーズ」を理解し、サービス開発につなげる「デザインシンキング」とは? 都内で開催されたワークショップから新ビジネスを生み出す手法を紹介しよう。
ネットワークの辺縁にあるセンサーや端末に処理能力を持たせた「インテリジェントエッジ」が注目されている。ドバイ市は都市サービスにこの新技術を導入したプラットフォームを構築し、スマートシティーを実現したという。
映像を活用した業務改善や事業活性化にクラウドを利用するには、通信帯域や運用上の課題も多い。これらの問題を独自技術とサービスの組み合わせで解決する方法を紹介する。
今やPepperは1000社以上に導入されているが、効果的な活用方法に悩む企業も多いという。Pepperに本領を発揮させ、自社のビジネスに有効活用するためにはどのような検討が必要だろうか。
オンプレミスでもクラウドでも、プラットフォームに縛られず、データを自由に移動し活用したい――そんなニーズをかなえる新しいデータ管理手法を紹介する。
ITエンドユーザーを取り巻く働く環境は、変わり続けている。社員1人当たりのオフィススペースは減り続け、オフィスの外で働くことも増えた。在宅で仕事をする人も多い。このような働き方に対応した、IT活用のポイントを解説する。
ITは作業を効率化する段階から、新しいビジネス価値を生み出す段階へと進んできた。限られた店舗面積の中で、顧客が作業を楽しめるスペースを確保することで、新しいビジネスを生み出したプリントサービス店舗の事例について、詳しく見ていこう。
デスクでの作業がPCだけで済むケースは少ない。特にコールセンターでは問い合わせ対応のため、オペレーターの作業スペースには製品マニュアルや実物の商品が置かれることさえあり、既存のデスクトップPCでは手狭であった。
ITを使ったビジネスの進展により、企業が活用するアプリケーションの数は急増している。パブリッククラウド並みの迅速性を持ちながらもエンタープライズ用途としての信頼性があるIT基盤が必要だ。その解決策とは。
3D CADを活用する現場でも、柔軟な働き方ができる環境整備が求められている。その実現方法として「3D CAD-VDI」があるが、高価になりがちでなかなか導入が進まなかった。その状況が変わりつつあるようだ。
設計/開発部門で利用される3D CAD/CAEソフトには高機能なワークステーションが必須であり、新しいIT技術を活用しにくい状況にあった。これを打破するのが「CAD on VDI」である。現場業務はどう変わるのか。
設計、試作の3D化や映像制作の高クオリティ化によって現場で求められる作業用コンピュータの要件も変化している。必要なのは高性能と高信頼を誇るワークステーションだ。
PCでは実現できない高い生産性を提供するワークステーションは、CGやCAD、さらにシミュレーション作業や映像制作などのプロフェッショナル業務を支えている。ハイレベルなパフォーマンスと信頼性が求められるワークステーションの選定ポイントとは?
ITを取り巻く環境が大きく変化する中で、激化する競争に勝ち抜くためには、ITインフラの進化が欠かせない。これから5年、その進化に必要な技術革新とは何だろうか。
デジタルクリエイター育成機関のデジタルハリウッドが、最新テクノロジーを駆使した学習・制作環境実現のため、教室に導入したワークステーションとは? 機能と導入効果に迫る。
正確で素早い意思決定は、企業の競争力の源泉。ビジネスルールに対する判断を自動化し、ルール変更にも柔軟に対応してくれるBRMSは、属人的な判断を回避し、的確な決定を下すための強力な武器になるだろう。
企業がITで競合他社との差別化や競争力を強化するためには、データ処理の優劣が勝負の分かれ目になる。“データ処理の高度化”を実現する技術を採用したサーバ製品が今注目を集めている。
企業向けサーバで常に求められるデータ処理性能の向上。現時点でその理想像に最も近いともいえる最新技術を搭載したアーキテクチャが注目を集めている。その気になる仕組みを解説する。
企業ビジネスに変革をもたらすと期待される「ビッグデータ」。活用の機運が高まりつつある中、IT基盤の課題が積極的な活用を阻んでいるという。ビッグデータ活用で外せないシステム要件をあらためて整理してみる。
「Hadoopは難しい」「自社でデータ分析は大変!」そう思っている人に朗報だ。Hadoopを使ったビッグデータ活用のためのシステム基盤を、コストと手間を抑えつつ立ち上げられるソリューションが登場する。