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）
20世紀末から21世紀初頭にかけて、機械学習をはじめとするAI技術は急速な進化を遂げ、世間の関心を集めることとなった。現代の「AIブーム」の基盤がどのように築かれたのか、主要なブレイクスルーを解説する。
バッテリー容量の制限や処理能力の限界が、IoTデバイスの性能向上を妨げている。東京理科大学が新たに開発した技術は、そうした限界を克服できるAIモデルの実現可能性を示すものだ。どのような仕組みなのか。
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。
「AIプロジェクトが進まない」どころか、「IT管理者が退職を検討する」といった事態を引き起こす原因とは何か。調査を基に、AI導入の現場で浮上している問題を解説する。
AI技術が進化すると同時に、AI技術やシステムを利用する際の倫理的な問題やリスクが増大している。AIガバナンスは、こうした問題に対処するために生まれた概念だ。AIガバナンスとは何か、本稿で詳しく説明する。
米国立標準技術研究所（NIST）が発表した「AIリスクマネジメントフレームワーク」（AI RMF）は、企業のAIガバナンスにどのように役立つのか。カンファレンスの内容を基に解説する。
AI技術の利用が広がることを受けて、データセンターの設計や立地に変化が生じている。データセンターのインフラや設備は、AI技術の利用拡大からどのような影響を受けているのか。
もはや身近な画像識別AIや生成AIだが、その基礎となる深層学習モデルについて知らない人は多いのではないだろうか。主要モデル「CNN」「GAN」の特徴と、モデル選びで重要なポイントを解説する。
主要な深層学習モデルとして「畳み込みニューラルネットワーク」（CNN）と「敵対的生成ネットワーク」（GAN）がある。両者には似通う点があるが、仕組みや使い方は異なる。その成り立ちから解説する。
企業がAI技術をビジネスに取り入れ、長期的に利益を生み出していこうとするならば、今後考慮すべきはリスクだ。その際に重要となる4つの指針を紹介しよう。
生成AIによる著作物利用の対価を求めるのは、それで生計を立てる作家にとって当然の権利と言える。きちんとした仕組み作りはAIベンダーにとっても重要だ。
作家たちが生成AIベンダーに期待するのは既存のシステムの破壊ではなく、学習に使用した自分たちの著作物への正当な対価の支払いだ。一方で米連邦議会に対しても、時代に合った法整備を求めている。
生成AIによる著作物の利用に関して作家たちが動き出した。全米作家協会はどのような手段に打って出ようとしているのだろうか。
企業は人工知能（AI）技術を活用することで、脆弱性管理を強化できる可能性がある。AI技術がITサービス管理（ITSM）とIT運用管理（ITOM）にもたらすメリットを紹介する。
全米作家協会は書簡を公開し、生成AIのベンダーにあることを求めた。焦点になっているのは著作物の利用についてだ。何が起きているのか。
企業の認証やアクセス制御のプロセスには幾つかのリスクが潜んでいる。AI技術を活用することで、セキュリティチームはこのリスクをどう防げるのか。
「ChatGPT」などの生成AIツールは、ソフトウェア開発における一部の業務を担える。これはエンジニアの助けになる一方で、「AIが人の仕事を奪う」という不安を生む。その見方が正しいかどうかをChatGPTに聞いた。
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。
