AI技術の透明性は重要な課題だ。対策は企業の自主規制に任せるべきだという意見もあるが、政府が介入すべきだという声も根強くある。
機械学習にはさまざまなアルゴリズムがあることを知っているだろうか。代表的な機械学習アルゴリズム「SVM」「k平均法」「アプリオリ法」について紹介する。
説明可能なAIシステムを求める声が高まるにつれ、IBMやDarwinAIをはじめとするベンダーは、ビジネスユーザーがAIシステムの仕組みを理解するのに役立つ新機能を導入している。
アルゴリズムに対する信頼性がなければ、AI技術の導入は進まないだろう。そこで今、企業はAI技術を採用した自社システムの透明性を高め、説明可能にする取り組みを進めている。
AIの活用が叫ばれ、多数の成功事例が登場している。にもかかわらず自社のAI導入が進展しないのはなぜか。あなたの会社は3つの壁に行き当たっているのかもしれない。
機械学習にはさまざまなアルゴリズムがある。前後編の前編に当たるこの記事では、数あるアルゴリズムの中でも、代表的な機械学習アルゴリズムの「線形回帰」「決定木」について紹介する。
Microsoftが新たに発表したクラウドサービス「Azure Synapse Analytics」は、BIと機械学習のメリットをより容易に得られるようにする。現在はプレビュー段階にある同サービスの特徴を解説する。
小売大手のWalmartが、ビジネスプロセスの意思決定にAI（人工知能）技術を利用しようとしている。同社の取り組みを見てみよう。
Googleの新しい「TensorFlow Enterprise」（β版）は、「Google Cloud Platform」に最適化された「TensorFlow」ディストリビューションを長期サポートと共に企業に提供する。
金融業界では不正検知を中心に人工知能（AI）技術が使われ始め、AI技術を活用した新たな金融・決済サービスも登場しつつある。ただしAIシステムで顧客情報を扱う際のプロセスには課題が残る。
脳とコンピュータをつなぐブレインマシンインタフェースが成果を上げ始め、夢の技術ではなくなりつつある。今何ができるようになったのか。そして今、何をなさねばならないのか。
Microsoft Indiaはインド政府と提携し、同政府職員向けにAI技術やデータガバナンス、クラウドに関する新たなトレーニングプログラムを始動する。その中身とは。
さまざまなタスクを実行でき、継続的な学習を必要としない「汎用人工知能」（AGI）に、MicrosoftやSamsung Electronicsなど複数の企業が投資している。実現する見通しはあるのか。
AI技術の本格的な導入がそれほど進んでいないことが、このほど実施された実態調査で分かった。その原因は1つではなく、そして根深い。
さまざまなタスクを処理し、状況判断できる「汎用人工知能」（AGI）の実現を目指し、企業や研究者が開発を進めている。その実現を後押しする技術を、「AlphaGo」で一躍有名になったDeepMindが開発しているという。
高い精度でコンテンツを認識し、再現できる「GAN」（Generative Adversarial Network：敵対的生成ネットワーク）。その用途はどこまで広がるのか。
高い精度でコンテンツを認識し、再現できる独特の能力を持つGAN（Generative Adversarial Network：敵対的生成ネットワーク）。これを応用することで何が可能になるのか。
「Google Cloud Vision API」「Google Natural Language API」などの「Google Cloud」サービスを使用することで、Unileverはソーシャルメディアで個人向けにカスタマイズした革新的なマーケティングキャンペーンを展開している。
AIテクノロジーの活用を進めているのは一般企業だけではない。政府機関も利用を進めており、既に具体的なメリットを得ている。米国での事例を紹介する。
パーソナライゼーションエンジンは機械学習を利用してコンテンツを個々の顧客向けに最適化する。企業がパーソナライゼーションを強化するコツを紹介する。
小売業でのAIテクノロジーの導入は比較的遅かったが、着実に進みつつある。小売業者がAIテクノロジーのメリットに向き合い、競争相手のEコマースの現実を理解するようになったことが背景にある。
多種多様な分析、機械学習、自然言語処理といったAIテクノロジーが警察で使われている。顔認識ツールや自動文字起こしツールがその例だ。どのように使っているのか。
膨大なデータの活用を課題に掲げる企業がある一方で、少ないデータからどう知見を得るか悩む企業もある。いずれにしても解決の鍵はAI技術にあるようだ。メキシコのローン会社の事例からAI技術の可能性を探る。
「Bad Rabbit」をわずか14分で悪意のあるマルウェアであると立証するなど、Microsoftの機械学習利用は成果を上げている。だがサイバーセキュリティ分野のCTOのケリー氏は機械学習に懸念を抱いている。
金融系企業がAI技術を使うと、これまで従業員や顧客に手入力を求めていたプロセスを自動化・効率化し、業務の速度を上げることができる。実例を基に、AI技術が金融業務にもたらす効果を示す。
法律事務所へのAI技術の導入によって、価値が低く時間のかかるパラリーガル業務の削減に効果があった。実働時間に応じた請求書の発行から特許情報データのマイニングまで、適用業務は幅広い。
農業機器大手のAGCOは「Amazon Redshift」「Amazon SageMaker」などのAWSサービスを利用して、AIベースの新しいマーケティングツールと顧客向けポータルの開発を進めている。競合がひしめく市場で勝ち残るためだ。
ゲームにおける人工知能（AI）技術の活用は、キャラクターやゲーム世界の自動開発以外にも広がっている。ゲーム会社は既存プレイヤーと新規プレイヤーを対象とするマーケティングにもAI技術を活用している。
顧客の囲い込みにAI技術を生かす、組織・人事コンサルティング大手のMercer。同社の最高デジタル責任者によると、AI技術に即効性を期待するべきではないという。それはどういうことなのか。
複数国でサービスを展開するインターネットプロバイダーとSAPは、AIの導入によって成果を出しつつある。だが彼らには共通する悩みがあり、まだ解決の糸口は見えていないようだ。
「コンピュータビジョン」は、小売業者がレジ会計や買い物の動線の改善に活用できる。無人コンビニ「Amazon Go」も活用しているコンピュータビジョンの可能性に迫る。
企業は人工知能（AI）技術に期待を寄せているものの、どう利用すればいいかについてはいまだに模索中だ。AI技術をビジネスに生かしたいと考える企業が知っておくべき、AI技術の特性をまとめた。
機械学習モデルの訓練には大量の電力が必要だ。企業がこの問題に取り組むための解決手法を、人工知能（AI）技術の専門家の意見と共に紹介する。
機械学習モデルの訓練には大量の電力を要することを、最近の研究が証明している。機械学習をはじめとする人工知能（AI）技術の運用にかかる消費電力を減らすために、考えるべきことは何か。
機械学習ベースのAIシステムが有益な判断を下せるようにするには、学習に利用するデータの質が重要だ。FacebookとIBMのAIシステム担当者の話から、データの質を高める方法を探る。
老朽化した地下インフラを地下レーダーでチェックしている川崎地質の悩みは、目視によるレーダー画像の解析には限界があることだった。しかし、AIの導入も容易ではなかった。
最新のテクノロジーがゲーム業界を支えている。AIが自動でBGMを生成する「AI作曲家」の登場、IoTが下支えした「Fortnite」の世界的ヒットなど、業界の新たな潮流を紹介する。
機械学習導入の最初のステップは、質が高くクリーンな学習用データを用意することだ。研究機関と企業の事例から、学習用データの質を高める方法について解説する。
アナリストのキナスト氏は、AIの規制について考え始めるタイミングであると説く。AIが人間を規制するSFチックな可能性だけでなく、同氏はより現実的であり得る問題を想定している。
AI活用が失敗する理由とは何か。データ量が限られる中で、AIをどう活用すべきなのか――。GoogleとBaiduで人工知能（AI）開発を手掛けた第一人者が、企業のAI活用のポイントを解説する。
人工知能（AI）の第一人者でオンライン教育の先駆者でもあるアンドリュー・ウン氏が、企業向けにAIプレイブックを考案している。本稿ではそのエッセンスを紹介する。
あらゆる組織がデータサイエンティストを求めているようだ。だが適切なスキルを持った適切な人材を確保するのは難しい。データ分析能力があるだけでは役に立たないのだ。
AIシステムのバイアスはリスクとなる一方、有益な結果をもたらすこともある。本稿では、AIシステムのバイアスの長所と短所を取り上げる。
データサイエンティストは数が少なく高給であることから、企業での雇用が難しくなっている。だが、エッジデバイスのインテリジェンスが大きく向上すれば、データサイエンティストを必要としなくなるかもしれない。
消費財メーカーでは、商品の需要に合わせた在庫の最適化が常に課題となっている。AI技術やロボットを使った物流の最適化について、事例を基に説明する。
AIシステムのバイアスは、人種や性差に基づく誤った判断をもたらすことがある。Amazon.comとFacebookの事例から、現在のAIシステムが抱える課題について考える。
食品や生活用品を扱う消費財業界でも、AI技術の導入が進みつつある。Coca-ColaやPepsiCo、P＆Gなどの事例から、AIシステムを利用したサービスの提供について考える。
本人確認と決済承認手段の方法として、人工知能（AI）技術を利用する実験的取り組みが始まっている。ただしAI技術には、依然として倫理的な課題が残っている。
音声アシスタントをはじめとするチャットbotをうまく使えば、企業の従業員のユーザーエクスペリエンス（UX）を向上させることができる。
オープンソースソフトウェアも活用し、AIプラットフォームの強化を続けるMicrosoft。バイスプレジデントのガスリー氏は、競合他社とは異なる戦略があると語る。
ビジネスインテリジェンス（BI）ツールに自然言語技術が搭載されていれば、従業員にとっての「使いやすさ」のハードルが大幅に下がる可能性がある。飲料大手Hijos de Riveraの事例から、その実力を探る。
膨大なデータを有効に活用し、顧客とより密接につながるために、決済処理に人工知能（AI）技術を利用する動きが広がっている。事例を基に、その実態を探る。
小売業が「Amazonプライム」に対抗するためのサービスを提供するShopRunnerは機械学習をどう活用しているのか。同社データサイエンス部門トップが語った。
AWSとMicrosoft、Googleのクラウドベンダー3社は、さまざまな用途で使える「クラウドAIサービス」を充実させている。4つの用途に絞って、主要サービスを整理する。
AIへの投資は今後も増えるだろう。そのAIを支える機械学習にはGPUやTPUといったカスタムハードウェアによるアクセラレーションが必須だ。
企業でのAI（人工知能）利用について、前後編にわたり8つのポイントを説明する。前編ではAI人材の確保やビジネスへの活用、データの収集・整形方法について、具体例を交えながら紹介する。
Intelがオープンソースのディープラーニングツール「Nauta」を公開した。Nautaでどのようなことができるのだろうか。
商用製品からオープンソースまで、人工知能（AI）を使ったデータサイエンスツールの選択肢が広がっている。うまく利用すれば、データアクセスや分析モデル作成、データ管理の共同作業が簡便になるだろう。
AIaaS（サービスとしてのAI）の出現により、最先端のIT企業だけでなく、より多くの企業が人工知能（AI）をアプリケーションに組み込み、利用できるようになりつつある。
Candy Crushのテストプレイを担当しているのは、TensorFlowで学習させた仮想プレイヤーだった。開発からその導入効果までをKingに聞いた。
人間は、AIが下した決定の理由を答えられなければならない。それを実現するのがXAI（Explainable AI：説明可能なAI）だ。AIの決定に基づいて行われた結果の責任をAIに転嫁することはできない。
2019年3月に発表されたTableauとAI音声分析ベンダーのVoiceBaseの提携により、コンタクトセンター内外のユーザーが、音声分析データから簡単に洞察を引き出せるようになった。
小売企業で、実店舗とオンラインでの購買履歴を活用したマーケティングが進んでいる。AI技術の活用やデータ分析によって、顧客に合わせて商品を提案し、需要を生み出すことができる。
GoogleでAIの研究開発を担うGoogle AIは、大規模な高精度ディープニューラルネットワーク構築用ライブラリ「GPipe」をオープンソースとして公開した。その意味するものとは。
「『拡張分析』『自然言語』『グラフ分析』が、データおよびアナリティクス市場を変えつつある」とGartnerは指摘する。これに伴い、ユーザーはより簡単にデータを理解、共有できるようになってきている。
AI技術の導入で続々と新たなサービスが登場するフィットネス業界。パーソナライズしたサービスを提供し、ユーザーの健康管理やトレーニングの効果を高めている。Fitbitから仮想アシスタントに至るまで、その状況を紹介する。
MicrosoftとIDCの調査によれば、AI技術をビジネスの中核で活用する日本企業は1割未満にとどまる。企業はAI技術による生産性向上を期待している一方、ツールや人材の不足が活用の妨げになっている。
自然言語処理（NLP）によって意図解釈を行い、bot技術の効用を高めるチャットbotが登場している。会話技術を進化させたbotはデジタルワーカーとして戦力になる。
人工知能（AI）技術は万能薬ではない。ビジネスにAI技術を利用するのであれば、その限界を知っておく必要がある。AIを有効活用するためのシステム構築のポイントについて説明する。
職場へのAI技術の導入に失敗しないためには、現在のAIが可能なことと不可能なことを把握しなければならない。本稿ではAI技術の得意分野と、AI技術を利用した最新ソフトウェアについてまとめる。
GEはAI戦略の強化を図るため、AIを人間的にしようとしている。開発したAI botは管理職の下に配属した。課題は山積している。
機械学習モデルの導入時には、その開発時とは全く異なるスキルセットが必要だ。データサイエンティストとエンジニアリングチームはこのギャップを埋める準備をしなければならない。
データサイエンスを学ぶ場所と機会は大学の外側にも広がっている。大規模公開オンライン講座（MOOC）やオンラインで公開しているドキュメントなどがあり、データサイエンティストとしてのスキルセット獲得に役立つ。
ビッグデータ分析ツールを探しているなら、さまざまな機能がある中でも10個の機能に注目してほしい。特に、分析結果を埋め込む機能、他のアプリケーションとの連携機能、バージョン管理機能は確認しておきたいところだ。
AI技術の活用を一任されたCIOは、まずはAI分野で起きている最新の情報を知るよう努めるべきだ。そして、IT部門のスタッフにも情報収集に関して同様の習慣を身に付けさせる必要がある。
企業の取得データが急増している近年では、情報を全て把握するためにもデータサイエンスツールが欠かせない。本稿では「Python」「R」「Jupyter Notebook」「Tableau」「Keras」について、データサイエンティストが愛用する理由を聞いた。
BIとアナリティクスの主要なトレンドとして、機械学習、マルチクラウド、グラフデータベースの台頭が挙げられる。これらは企業にどのような影響を与えるのか。
テクニカルアーキテクトのジェイソン・ウィン氏は、Microsoftが推進する人工知能（AI）開発により、データセンターの自律化は実現に向かって進み始めているという。
Intelは新プロセッサ「Intel Nervana Neural Network Processor for Inference」を発表した。AI用のこのチップはFacebookとの共同開発で、画像認識や画像分類の分野で重要な機能を果たすという。
TensorFlowやPyTorchなどのフレームワークばかりが注目されるが、ディープラーニングを支援する周辺ツールにも注目したい。今後さらに多くのツールが誕生することだろう。
2018年は人工知能（AI）の世界では大きな1年だった。本稿では、AI利用における5つの主要トレンドに目を向け、2019年のさらなる進化に向けた下地がどのように整えられたかを確認する。
ビジネスインテリジェンス（BI）とアナリティクスのソフトウェアは2019年にますます進化してさらに簡単に使えるようになり、人工知能（AI）技術を活用した拡張分析が進歩しそうだ。
2019年は人工知能（AI）技術にとって大きな年になりそうだ。仮想アシスタントの普及や、活発なベンチャーキャピタル投資といったトレンドが続き、新たな流れも生まれるからだ。
ディープラーニングプログラムを一から構築することも可能だが、既存のフレームワークやラッパー、周辺ツールを使うことでより迅速かつ容易に開発できる。まずは大企業が提供する主要なツールを簡単に紹介する。
2019年の企業向けAI（人工知能）のトレンドとして、医療やFinTech分野での活用拡大と、小規模AIベンダーの統合が進むことが予想される。
Gartnerのエリック・ブレゼノー氏によると、ユースケースに関して話をするのは物語を語ることに似ており、企業にとってAIがいかに大切なものであるかを証明する上で鍵になり得るという。
お知らせ
米国TechTarget Inc.とInforma Techデジタル事業が業務提携したことが発表されました。TechTargetジャパンは従来どおり、アイティメディア（株）が運営を継続します。これからも日本企業のIT選定に役立つ情報を提供してまいります。
ITmediaはアイティメディア株式会社の登録商標です。
