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）
1930年代から始まった人工知能（AI）技術の歴史はどのように変遷したのか。2015年から2018年に焦点を当てて、その変化を紹介する。
AIエージェントに関する新しい潮流が、IT業界を席巻している。次々と最新ツールを打ち出すNVIDIAやOpenAIなど大手企業の狙いとは何か。最新動向を解説する。
AIエージェントの活用が進む中で、企業はその「実力」と「限界」を正しく見極めることが需要だ。導入前に押さえておきたいAIエージェントの動向を、4つの視点で読み解く。
2025年は、AIエージェントの開発や導入がいよいよ本格化すると見込まれる。具体的にどの領域で活用が進むのか。RPAとの違いにも触れながら、AIエージェントがこれからどのように使われていくのかを探る。
AMDはGPU管理ソフトウェアベンダーと提携し、同社のGPU「AMD Instinct」でAIモデルを実行する際のワークロード管理と性能向上を図る。データセンターにはどのようなメリットがあるのか。
少ないデータでAIモデルを訓練する「フューショット学習」が、AI開発の課題を克服する手法として注目を集めている。その利点と課題をおさらいしよう。
AI開発における重要なプロセスが「学習」と「推論」だ。開発者はそれぞれどの程度のリソースを割けばよいか見極める必要がある。どちらを重視すべきなのか、複数の視点から考察する。
AIモデル開発で中心となるプロセスが「学習」と「推論」だ。この2つに適切にリソースを配分する上で考慮すべきポイントを解説する。
AIモデルの開発にはデータが欠かせないが、常に十分なデータを収集できるとは限らない。そこで注目されているのが「フューショット学習」という手法だ。
AI処理のためのプロセッサとして、GPU以外にも「FPGA」がある。どれを採用するかは、それぞれの長所や短所、プロジェクトの要件を慎重に評価した上で判断すべきだ。
AIモデルの高性能化に欠かせないプロセスが「推論」と「学習」だ。この2つのフェーズを適切に設計・運用するためには、それぞれの役割の違いを理解する必要がある。
AIプロジェクトは、単にAIモデルを構築して展開するだけで完結するわけではない。AIモデルの精度や運用効率の低下といった問題を防ぐために、企業が取るべき対策とは。
人工知能（AI）の活用がさまざまな場面で広がりを見せている。生成AIの基本的な使い方から応用までを学べる学習プラットフォームを紹介する。
AIを搭載した検索エンジンの登場により、Webサイトを検索結果の上位に表示させるための「SEO」戦略にも影響が生じている。ユーザーが注意すべき変化とは。
AIや量子コンピュータといった技術は、生活や産業を大きく変える可能性を秘めている。しかし、それに伴うリスクも無視できない。何に注意すべきなのか。
CPUやGPU、DPUに加えて、AI技術に特化した「TPU」（テンソル処理ユニット）というプロセッサがある。GPUやCPUなど他プロセッサとの比較を通じて、TPUとは何かを解説する。
AI技術の発展に欠かせない存在である機械学習だが、現代に至るまでどのような軌跡をたどってきたのか。1950年代から1970年代の歴史を解説する。
半世紀以上にわたる機械学習の歴史は、どのように始まったのか。黎明期の1940年代から1950年代に焦点を当てて、機械学習の進化を解説する。
人間の知能と人工知能（AI）の定義について、専門家の間でも激しい論争が繰り広げられている。AI技術が進化することで浮き彫りになる、両者の明確な違いとは。
医療現場におけるAI技術の活用はどのように広がっているのか。医療従事者が直面するAI活用の問題点とその解決策と共に、活用例を紹介する。
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。
