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）
セキュリティやデータ処理速度の要件を考慮した生成AI活用では、オンプレミスシステムでの開発や運用が候補に挙がる。だがそのためのハードウェアをそろえることは容易ではない。必要十分なサーバ構成を見極めるヒントを紹介する。
PoCの段階から抜け出し、AI活用を本格化させようとする企業にとって課題になるのは「どこにAI環境を構築するか」だ。クラウドは利便性が高いもののセキュリティの懸念がある。一方、オンプレミスでの環境構築には高度なスキルが必要だ。
「AI技術を活用したデータ分析」の仕組みを構築する際、企業はどのようなポイントでつまずきやすいのか。AIモデル開発で定番の課題とその解決法を、AI専門家の大西 可奈子氏と考える。
膨大なハイパーパラメータの探索や巨大なAIモデル学習用のアルゴリズム実装に加え、稼働させるGPUの並列化やスケジューリング、共有環境の整備はAIモデル開発の悩みの種だ。打開策はあるのか。AI専門家の大西 可奈子氏と議論する。
さまざまな企業がAI技術を自社の業務や事業に役立てる方法を考え始めている。AIモデルの構築や、学習に必要なデータとインフラの調達はどのように進めるべきなのか。国内企業のAI活用の具体例と共に解説する。
「生成AI」が台頭し、世界中で活用が進みつつある。企業は生成AIをビジネスにどう役立てることができるのか。活用のためのポイントと、具体的な利用例を説明する。
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。
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。
「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。
日本生命保険は40年以上IBMメインフレームを活用し、今回、新たに災害対策用として新モデルを採用した。同社のIT基盤を支える2社にこれまでの歴史と採用の理由を聞いた。
「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。
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。
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。
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。
ソフトウェア開発において開発時間の短縮が急務になっている。だが、従来手法ではテスト効率化に限界が。今必要なのは「本当にテストが必要な場所」を提示できるツールだ。
AI活用やDX推進を担う人材の確保に悩む多くの企業が、「データ人材育成の方針」を明確にできていない。ただ研修を実施するだけでは効果的な育成につながらないという現実を前に、事業成長に生きる人材育成はどうあるべきか？
トヨタ車体は、現場主導のデジタル化を苦しみながらも一歩一歩進めている。背景には、トヨタ生産方式という強みを生かしながら従来の方法に固執しない新しい考え方を柔軟に取り入れ、現場のボトムアップを創出して伴走するデジタル変革推進部の取り組みがあった。
NVIDIAはAI開発に関連する複数のサービスをCES 2025で発表した。AIエージェント開発に使えるツールなど、同社が新たに打ち出した内容を紹介する。
AI活用の場は、デジタルの世界だけでなく物理空間にまで広がっている。NVIDIAが発表した物理空間を理解する基盤モデル「NVIDIA Cosmos」は、AI市場にどのような影響をもたらすのか。
macOSやiOSに搭載されるAppleのAI機能群「Apple Intelligence」の信頼性について批判が出ている。何が問題なのか。背景にあるLLMの根本的な弱点とは。
企業向けAIモデル群としてIBMが打ち出している「Granite」には複数のメリットがある一方で、課題も存在すると専門家は指摘する。どのような壁にぶつかっているのか。
2024年12月、Luma AIは動画生成AI「Ray 2」を発表した。社会にどのようなインパクトをもたらすのか。同モデルの押さえておくべき特徴と併せて解説する。
MicrosoftはサーバOSの新バージョン「Windows Server 2025」の一般提供を開始した。AI活用に関わる機能としても、GPU関連の機能強化などのアップデートがあった。
AWSの生成AIサービス「Amazon Bedrock」から、AIコーディングツール「poolside Assistant」が新たに利用できるようになる。一体どのような製品なのか。
Google検索に代わる存在としてAI搭載検索エンジン「Perplexity AI」が注目を集めている。本当にGoogle検索以上に役立つものなのか。筆者が実際に使ってみた。
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。
ITmediaはアイティメディア株式会社の登録商標です。
