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技術で音声を生成したロボコール(自動音声電話)は違法だと、米連邦通信委員会(FCC)が声明を発表。予備選挙に先立ち、ジョー・バイデン大領領を装う電話を防ぐ狙いがあるが、企業にも余波が広がっている。
AI技術を軍事利用することで、被害軽減などの成果につながるとの見方がある。一方で、このようにAI技術を正義として捉えることの危険性を警告する専門家もいる。
コンピュータによる計算は正確だと言えるが、AIモデルが計算によって導き出す答えを人間が信じるかどうかは別の話だ。ただし人間はAIモデルが出力する結果を信じる傾向にある。
人間はAIをどこまで信じるべきなのか。兵器にAI技術を組み込んだ「自律型兵器システム」が戦場に投入される可能性がある中で、これは重大な問題だ。掘り下げて考えてみよう。
人材不足の課題を抱える企業にとっての解決策は、新しい人材の採用だけではない。ITコンサルティング企業の経験を基に、ITツールで人材不足を解消するポイントを紹介する。
新型コロナウイルス感染症(COVID-19)のパンデミック(世界的大流行)を経て、ファッション業界ではコロナ前と後で業務の取り組み方に変化は生まれたのだろうか。英国の企業の取り組みを紹介する。
サイバー攻撃者は、AI技術を駆使して攻撃を拡大させている。その動きに対抗するには、AI技術を取り入れたツールの活用が不可欠だ。セキュリティテストにAI技術を用いる「AIテストツール」のメリットとは。
AI技術はビジネスにさまざまなメリットをもたらす半面、リスクを内包する。例えば、「ChatGPT」への言及が理由で株価が急落した企業がある。何が問題だったのか。
多岐にわたるソフトウェア開発の専門分野の中から、自分が向いている分野を選ぶことは簡単ではない。初心者のソフトウェアエンジニアが、適切な専門分野を選ぶためのヒントを紹介する。
テキストや画像などを自動生成する「ジェネレーティブAI」を利用する際、特有の“厄介な問題”に気を付ける必要がある。それは何なのか。どう対処すればよいのか。Forrester Researchの見解から探る。
AI技術を「ESG」(環境、社会、ガバナンス)の取り組みに生かすことは、単に“善いこと”をするというだけではなく、企業にビジネス上のメリットをもたらすという。それはどういうことなのか。
機械学習で人工知能(AI)エンジンの精度を上げるには、質の良い学習データが不可欠だ。質の悪い学習データでは、AIエンジンの不適切な判断を招くリスクがある。事例を基に、学習データの作成方法を考える。
Meta Platformsが公開したAIチャットbot「BlenderBot 3」は、未成熟な状態だったことから物議を醸した。AIチャットbotに不適切な言動をさせないために、開発元の企業がすべきこととは何なのか。専門家に聞いた。
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。
リーバイスのAIスキル研修「AIブートキャンプ」に参加するのは簡単ではない。参加定員100人に対し、これまでに約450人の従業員が応募した。そもそもAIブートキャンプとは何なのか。同社責任者に聞いた。
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。
IT分野でのキャリアパスを広げるには、機械学習認定資格の取得が役立つ。実は機械学習の初心者でも挑戦できる資格がある。「Azure Data Scientist Associate」がそれだ。どのような知識があれば合格できるのか。
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。
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。
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技術の一要素に過ぎない。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、人とリアルなやり取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、これまで気づ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。