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）
Amazon.comは2025年10月、1万4000人の従業員を削減すると発表した。ある専門家はこの動きを、AI技術の普及に端を発した動きではなく、企業の将来的な在り方を見据えた取り組みであると指摘する。
AIベンダーによる技術のオープンソース化が広がっている。2025年6月、Baiduは同社AI基盤モデル「ERNIE 4.5」のオープンソース提供を始めた。大手AIベンダーが次々に自社技術を無料で公開しているのはなぜなのか。
Perplexity AIがWebブラウザ「Chrome」を買収する提案を示したことで、生成AIを搭載する検索エンジン市場に激震が走った。Perplexity AIの狙いはどこにあるのか。
Hewlett Packard Enterprise（HPE）は、人工知能（AI）技術のインフラを管理するソフトウェアとして「HPE OpsRamp Software」を投入している。“AIで予兆を捉える”というHPE OpsRamp Softwareは何ができるのか。
競合他社の大手IT企業が派手なAI関連の発表を続ける中、沈黙が目立つApple。だがそれは「周回遅れ」ではなく、次の一手への布石だと指摘する専門家がいる。同社の戦略は今後のAI市場をひっくり返せるのか。
大手IT企業がAI技術を活用した製品やサービスを次々に投入する中、AppleはAI分野で精彩を欠き、信頼を損なう結果となっている。「Siri」の強化をはじめ、同社が思い描くAI機能を実現するための戦略とは何か。
人工知能（AI）の世界は、オープンソースによって形作られつつあり、オープンソースがAI分野の進歩と革新を推進していると専門家は主張している。その根拠とコミュニティーの取り組みとは。
米国一強が続くAI市場。しかし、日米間のITに対する価値観や運用文化の違いが、導入後のトラブルや不満の原因になることもある。今こそ日本企業が再考したい技術選定の視点を解説する。
企業がAI技術の導入を進める中、現場ではどのような成果が生まれているのか。導入現場が直面する課題や乗り越えた壁に注目し、AI技術活用のリアルを探る。
InformaticaがエージェンティックAIへの本格的な取り組みを発表した直後に、Salesforceによる買収が発表された。買収直前に開催されたInformatica World 2025の内容から、その戦略的意図を読み解く。
人工知能（AI）技術の普及を背景に、世界各国でAI技術用データセンターを誘致する競争が激しくなっている。サウジアラビアも例外ではない。同国の「大胆な戦略」とは何か。
人工知能（AI）技術の利用が広がる中、どうビジネス価値を生み出すかが課題になっている。先行して取り組んでいる米国の組織はAI技術をどう利用しているのか。具体例を紹介する。
米トランプ政権は人工知能向けの半導体などの輸出を規制する法規制を撤廃する意向を示した。これによって、同政権は2つの課題に対処する必要性が出てきた。
米国政府による対中輸出規制の制限対象に、NVIDIAの中国向けGPU「H20」が加えられた。規制強化がもたらした影響と、NVIDIAおよび競合ベンダーの動きを解説する。
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。
人間の知識をただまねるだけのAIから、自ら学習し進化するAIへ。1970年代から2000年代にかけて起きた技術の大躍進を分かりやすく解説する。
キーボード入力で生成AIに問い掛け、音声入力でAIチャットbotを操作する――AI技術はさまざまな技術と英知の結晶だ。AIはどのような技術や理論で構成されているのか。歴史からひもとく。
GPU不足が深刻化する中、企業では組織やプロジェクト間のリソース争奪戦が起きている。この問題の解決に役立つのがNVIDIAの「KAI Scheduler」だ。GPUリソースの効率的な管理をどのように実現するのか。
2024年は、生成AIの本格的な普及が進んだ一年となった。一方で、その基盤となるAIインフラの構築や運用においては、さまざまな課題が浮き彫りになっている。本稿は、AIインフラ市場の動向を整理する。
米国のトランプ政権が発表したAI投資計画「Stargate」は、AI分野のイノベーションを加速させる一方で、幾つかの懸念も浮き彫りにしている。プロジェクトの利点と懸念点を整理しよう。
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。
