「AI/機械学習/ディープラーニング」の仕組みやメリット、課題とは?

ユーザー企業のIT担当者を対象に、IT製品/サービスの導入・購買に役立つ情報を提供する無料の会員制メディア「TechTargetジャパン」。このコンテンツでは、技術解説に関する技術解説の記事を紹介します。製品/サービス選定の参考にご覧ください(リンク先のページはPR記事を含みます)。

人工知能(AI)とは何か 基礎知識を解説

 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/機械学習/ディープラーニング関連の技術解説

“AIガバナンス”とは? 世界が無視できなくなっている理由

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。

(2024/6/5)

NISTの「AI RMF」は“AIリスク管理の基本”となるか?

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。

(2024/5/27)

AI需要で一変、「従来型データセンターではデータも電力も収容し切れない」

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。

(2024/5/15)

「AGI」は「AI」と何が違う? AGIが人間を超える日は来るか

AGI(汎用人工知能)は人間の思考や知能をシステムで再現するための技術だ。従来のAI技術とは何が違うのか。

(2024/3/28)

「CNN」「GAN」は何に使える? ディープラーニングの基本用語

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。

(2024/3/4)

画像認識や生成技術の基礎「CNN」「GAN」とは? 押さえたい特徴と違い

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。

(2024/2/19)

AIに本気なら考えたい「責任あるAI」の4つの指針

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。

(2023/10/12)

生成AIによるコンテンツ利用の議論を「お金の話」で終わらせてはいけない理由

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。

(2023/9/29)

生成AIと人間の作家が共存するために必要な法整備

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。

(2023/9/28)

受け入れられなければ訴訟、OpenAIらに作家たちが突き付けた代替案は?

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。

(2023/9/27)

AIツールで企業の煩雑な「ITSM」「ITOM」はどう変わる?

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。

(2023/9/26)

作家たちが“LLMの破壊”よりもOpenAIやGoogleに期待するものとは?

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。

(2023/9/26)

ユーザーへの「危ない権限付与」をどう防ぐ? AIで考える新しいID管理

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。

(2023/9/21)

「AIがエンジニアの職を奪う」は本当か? あえてChatGPTに聞いてみた

「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。

(2023/9/2)

「生成AIは単なるAIツール」だと理解するための2つの視点

ベンダーの宣伝するAI機能が誇張されていることに現場は気付いている。AIウォッシングに惑わされず、ビジネスにおける「生成AIの本当の価値」を理解するために何が必要か。

(2023/8/30)

AIブームでも冷静なCIOと宣伝文句に踊るCEO なぜ認識が“全然違う”のか?

CIOの間ではAIブームに対する疑念と不満が高まっている。CEOが抱く生成AIへのイメージとCIOのそれが大きく異なることは、何を意味するのか。

(2023/8/23)

「生成AI」にがっかりする人、賢く使う人の違い

ジェネレーティブAI(生成AI)の機能面における限界や懸念から、AI技術に対する世間の熱は冷め始めている。賢い企業はこの状況をどのように捉え、どう動いているのか。

(2023/8/16)

「AIが教えてくれる」は大間違い? 人間はどうあるべきか

人工知能(AI)を活用することで、人類はさまざまなメリットを享受できる。しかし、AI技術の使い手は“あること”を忘れてはならない。まず答えを出さなければならない問題とは何か。

(2023/8/4)

「AI」に“本当に必要な規制”とは何なのか? IBMや大学教授の見解は

生成AIの利用が急速に広がる中で、AI技術の規制に関する議論が活発化している。どのような規制案が生まれているのか。これらの規制案に対する専門家の見解とは。

(2023/8/1)

「人の細胞」で訓練したAIとは あの「AlphaGo」を凌ぐ可能性も?

生体細胞を使った「AI」モデルの開発プロジェクトが動き出している。開発からトレーニングまでのプロセスと、将来の可能性を開発担当者が語った。

(2023/8/1)

UberやGoogleも活用 AIは何に役立つのか

 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。

学習

 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。

推論

 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。

自己修正

 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。

ビジネスにおけるAIの重要性

 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。