ファッションデザイナーやアパレルショップは、人工知能（AI）技術を利用して人気商品を予想したり、製造やサプライチェーンの効率を高めたりしている。AIとファッションは、自然な組み合わせになりつつある。
ユーザーエクスペリエンスの改善のために、「Tableau 2019」はAIツールとNLP（自然言語処理）ツールを追加する。このバージョンは現在パブリックβ版として公開されている。
2019年のエンタープライズAIの展開に大きく影響する要因は何か。Forrester ResearchはAI動向に関する5つの予測を提示している。
「質の悪いデータからでもよい分析結果が得られる」という考え方は、ビッグデータ分析には有効かもしれない。しかしCIO（最高情報責任者）であれば、このアプローチをビジネス変革に用いるのは我慢した方がよい。
さまざまな業界でAI技術の活用が広がっている。AI技術を使うと業務がどのように変わるのだろうか。また、どのような業務がAI技術の活用に適しているのか。各業界に広がるそのユースケースを紹介する。
Dell EMCが2018年12月4日に提供開始した「Dell EMC Ready Solutions for AI」は、構築済み分析環境などの包括的支援により、企業のAI技術活用を推進する。
ストックマークは2018年11月、営業活動における意思決定プロセスを支援するサービス「Asales」を発表した。営業活動にまつわるテキストデータを分析し、AI技術によって情報を推薦する。
機械学習プラットフォームを比較する際は、利用できるデータソース、使いやすさ、自動化の機能など、複数の要素を検討する必要がある。
インディーズのゲーム開発者は、プロシージャル生成を活用してゲームにさまざまな要素を組み込んでいる。その世界にAIが生み出す音楽が加われば、活気に満ちた現実のような世界を作り出せるかもしれない。
企業の機械学習の利用は発展途上だ。O'Reilly Mediaの調査から判明した、企業での人工知能（AI）モデルの利用状況と、AIモデルの性能を評価する際に使われ始めた新しい指標とは。
航空業界はデータ活用によって、大きな変革が起こりつつある。高速インターネット接続が可能で、自己メンテナンス機能を備えた航空機用電子システムの開発も進んでいる。
日本コカ・コーラは、人工知能（AI）技術を用いたGoogleの画像認識サービス「Cloud Vision API」を活用し、消費者の行動を分析するプロジェクトを実施した。実際に利用して分かった、AI技術の得意不得意とは。
不動産業務にAI技術を取り入れる動きが広がりつつある。反復作業によるミスを減らすといった日常業務の効率化だけではなく、顧客が好む物件を提案するなど、人の判断を代替する用途も現実的になってきた。
企業はソーシャルメディアマーケティングにAI技術を利用することで、マーケティングオートメーションを進めている。ソーシャルメディアとAI技術を組み合わせた、意外な分野のユースケースも登場し始めた。
データ連携のプロセスを適切に管理していないと、BIや分析のアプリケーションで整合性に欠けるデータが生じる可能性がある。こうした問題を回避する手順を幾つか紹介しよう。
AI用プロセッサは用途によって実装方法が変わる。AlibabaがFPGAで開発したディープラーニングプロセッサは、畳み込みをサポートしており主に画像関係で威力を発揮するだろう。
機械学習はデータサイエンスのスキルを必要とする複雑なテクノロジーだ。Amazon、グーグルなどのクラウドプロバイダーはAIをもっと使いやすいものにすることを目指しているが、まだ改善の余地もある。
GPUを利用した機械学習インフラの構築には技術的な障壁が残る。ある企業はGPUベースのインフラ構築プロセスの一部を自動化するPaaSを開発中だ。これを使えば、AI技術の構築にかかる労力と時間を削減できるかもしれない。
人工知能（AI）の活用はスポーツの分野でも進んでいる。ファンとのつながりを強めたり、試合中の判定の精度を高めたりするのにAIが役立っている。
マーシュ博士は、「GPUに依存したデータ分析は間違っている」と明言する。このアプローチでは将来のデータ増加に対応できないという。ペタバイト、エクサバイト時代のデータ分析はどうなるのか。
顔認識技術がビジネスにもたらす可能性は幅広い。一方でプライバシーの侵害につながるのではないかという懸念もある。顔認識技術とどう向き合い、どう活用すべきなのか。
機械学習をはじめとする人工知能（AI）技術が勢いを増している。こうした技術はIT投資の次の波になり、競争上の強みをもたらす可能性がある。
米国企業のIndicoが、Ensoというツールをオープンソースで公開した。自然言語による転移学習を簡便化するというこのツールを紹介する。
AIは膨大な情報から問題箇所を検知することができる。これだけでも十分有用だが、今のAIにはこれ以上のことができない。AI導入に際しては、「AIが理解するのはパターンだ」ということを理解する必要がある。
AI技術や機械学習技術を使ったシステムは管理が難しい。堅固で安定した稼働を実現するためにはエンジニアの関与が必要だ。AIシステムの構築と従来のデータサイエンスの取り組みを同じように考えてはいけない。
GoogleとNASAは、機械学習技術の一つであるコンボリューショナルニューラルネットワークを用いて、新惑星を発見した。惑星探索に機械学習技術をどう活用したのか。
Googleは「TensorFlow」のパフォーマンスを向上させるため、Cloud TPUというマイクロプロセッサを提供している。クラウド機械学習市場で有力な立場を築いているかのように見えるGoogle Cloud Platformだが、TPUには課題も見られる。
機械学習、深層学習は与えられたデータセットからパターンを学習し、パターンマッチングを行う。実務分野に応用されて成果を出す一方で、機械学習がうまく適用できない分野も見えてきた。
機械学習のパラメーターやモデルの管理、APIの提供などができるPythonライブラリがオープンソースで公開された。Databricksの「MLflow」が解決する機械学習の問題とは？
インテルの新しい開発キットは、CPUや他の種類のチップで深層学習するハードルを下げようとしている。動画データから多くの情報を容易に抽出できるようにすることが狙いだ。
モバイルデバイスのローカルリソースを使った機械学習が、現実的な手段となりつつある。クラウドの機械学習サービスが充実する今、あえてモバイルデバイスでの機械学習を選ぶ意味とは。
企業が膨大なデータや先進技術を活用するには、予測がつかない将来に対応するという難題が立ちはだかる。MITメディアラボ准教授のイヤッド・ラーワン氏はそう指摘する。
人工知能（AI）インフラを構築するには、ストレージ、ネットワーク、AIデータのニーズを真剣に検討し、その結果を熟慮した戦略的な計画と組み合わせる必要がある。
AIチャットbotを、例えば個人の資産運用にどう活用することができるか。日興アセットマネジメントの神山直樹氏とLINEの砂金 信一郎氏が語り合った。
人工知能（AI）インフラ市場はまだ歴史が浅く、各社さまざまなツールを市場投入している。クラウドサービスも、パワフルで高価なハードウェアもある。後編ではNVIDIA、Oracle、Quboleなど、主要な7社を紹介する。
人工知能（AI）インフラ市場はまだ歴史が浅く、各社さまざまなツールを市場投入している。クラウドサービスも、パワフルで高価なハードウェアもある。Amazon、Baidu、Clouderaなど、主要な18社を紹介する。
ペプシコが導入したAI「Robot Vera」は、求職者の履歴書をスキャンして適格者に電話をかけ、面接まで行う。ペプシコの導入事例を詳しく紹介する。
Gartnerのバーン・エリオット氏がAIへのアプローチとしてCIOに推奨するやり方は、AIプロジェクトを投資ポートフォリオのように扱い、ハイリスクとローリスクの複数のプロジェクトを同時に進めるというものだ。
IT分野におけるAIの活用はコンプライアンスとセキュリティに役立っている。その他、物流、マーケティング、ファイナンスなど各分野におけるAI活用の最前線を紹介しよう。
IBMとAppleは、AppleのiOS向けAIサービスやアプリ開発を促進するため、エンタープライズモビリティーパートナーシップを拡張した。
GPUを使ったディープラーニング（深層学習）が一般的になっている。これに伴いデータ管理者は、大量の計算が可能なインフラを構築する必要がある。
AlexaとGoogleアシスタントとでは、どちらが優れているのか。実際に使ってみると、両者の違いは明らかだ。いずれにせよ、対応アプリ開発にはあるものが欠けているという。
人工知能（AI）が製造システムに導入されるようになっている。その代表例がプリント回路メーカーのJabilだ。同社ではAIを利用して社内の製造工程と製品品質を改善している。
データサイエンスと機械学習の市場は急速に拡大している。調査会社Gartnerの最新レポートによると、急増する市場の需要に素早く対応できる小規模ベンダーが大手を抑えてリードしているという。
機械学習ツールを活用できる分野はデジタルマーケティングだけではない。自動車保険会社のHiRoad Assuranceは、保険加入者の安全運転に機械学習ツールを役立てている。
機械学習市場にはここ数年で多くのベンダーが参入してきた。数あるベンダーの中から最適なベンダーを選ぶのは難しいが、専門家はどう見るのか。選定のポイントを聞いた。
数ある人工知能（AI）の中でも、機械学習は特に進化の可能性が大きい。われわれは、どこまで機械を信頼できるか、試されることになる。
顧客満足度を高めるために人工知能（AI）を活用する企業は少なくない。主要なAIはAPIを用意しており、「Siri」「Alexa」「Google Assistant」などのパーソナルアシスタントなどと連携して活躍の場を広げている。
臨時職員に短期間で一人前のスキルを習得させるのは容易ではないが、仮想現実（AR）があれば話は別だ。初心者からベテランまであらゆる従業員が、ARを使うと業務効率化につながる3つの理由を解説する。
データ量が多いからといって、必ずしも予測分析の精度が上げるわけではない。データを予測モデルに適用する前に、データを吟味して理解することが肝要だ。
機械学習やAIによる「自動意思決定」に期待がかかるが、そこには人間による偏り（バイアス）が入り込む余地があることに注意する必要がある。あるニューラルネットは、学習の結果驚くべき結論を導き出してしまった。
いまさら聞けない「仮想デスクトップ」と「VDI」の違いとは
遠隔のクライアント端末から、サーバにあるデスクトップ環境を利用できる仕組みである仮想デスクトップ（仮想PC画面）は便利だが、仕組みが複雑だ。仮想デスクトップの仕組みを基礎から確認しよう。
ITmediaはアイティメディア株式会社の登録商標です。
