CIOが驚くアイデア
IT部門 vs. ビジネス部門、機械学習チームはどこが統括する?
IT部門のサポートがなければ、機械学習を利用することはできない。だが、機械学習の射程はITよりも大きい。機械学習の実践者が「機械学習チームはどこが統括すべきか」について議論する。(2019/1/22)

オープンソースの活用も有効
機械学習プラットフォームをどう選ぶ? 検討したい技術要素を説明
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。(2018/12/4)

多様性のある人材が必要
企業の“機械学習離れ”を生み出さないための3つのポイント
ただ最先端のテクノロジーだという理由だけで機械学習を導入しても、ビジネスの改善効果はない。事業における意思決定プロセスに機械学習ツールを組み込む方法について、3つのポイントを紹介する。(2019/3/14)

セキュリティと低レイテンシが強み
機械学習をクラウドではなく「モバイルデバイス」で実行すべき理由
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。(2018/6/28)

「AIの消費電力」を考える【前編】
機械学習のCO2排出量は乗用車5台分? 「AI」の消費電力を減らすには
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。(2019/7/31)

幅広いマルウェアの挙動を検知
「機械学習」を使ったAIセキュリティ製品が注目する “3つの挙動”
AI(人工知能)技術のうち、特に機械学習をセキュリティ製品に実装する取り組みが進んでいる。本稿では、機械学習ベースのセキュリティ製品の仕組みと、製品選定時の注意点を説明する。(2019/8/2)

攻撃側と防御側の両方が利用
ネットワークセキュリティにおける機械学習の光と闇
機械学習による予測は、ネットワークセキュリティ戦略において役立つ。しかし同時に、ネットワークセキュリティを脅かす勢力も機械学習の恩恵を受けられる。(2019/3/20)

運用環境では予期しないことが起こる
機械学習導入のカギは「運用者と開発者のスキル差をどう埋めるか」
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。(2019/2/22)

機械学習でBad Rabbitを発見
Microsoftが語る機械学習の成果と懸念
「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。(2019/9/19)

従来のネットワーク管理との違いは
ネットワーク管理に機械学習を利用するメリットとは
機械学習をネットワークの分析と監視のツールに関連付けると、ネットワーク管理に必要な労力を減らせる可能性がある。機械学習と他形式の自動分析との違いは何だろうか。(2018/6/6)

2017年度の比較表を大公開
徹底比較:Amazon、Azure、Google、IBMの機械学習機能 現時点の勝者はいるか
クラウドベンダーの機械学習機能を巡る戦いが激しさを増している。本稿では主要クラウドベンダー4社が提供する機械学習機能の比較表を掲載する。最適なプラットフォームを決める際の参考にしてほしい。(2017/8/1)

高度な技術をどうサポートするか
CIOが機械学習から逃げられなくなる日
機械学習を企業に導入する流れをCIOはどのようにサポートできるだろうか。恐らくはデータレイクの構築から始めることになるだろう。(2018/6/28)

コンボリューショナルニューラルネットワークで分析
新惑星発見に使われたGoogleの機械学習技術とは プロジェクト発案者が語る
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。(2018/9/3)

AIの攻撃にはAIをぶつける
AIを悪用したサイバー攻撃が登場、対抗策の「機械学習アルゴリズム」に脚光
ハッカーの技術はますます高度になっている。機械学習を利用する手口もその1つだ。こうした攻撃に対抗するには、防御側も機械学習を使ってサイバー脅威を早期検出するのが効果的だと、専門家はアドバイスする。(2018/6/7)

エグゼクティブインタビュー
ブルームバーグのデータサイエンス担当者が見た機械学習の課題
Bloombergでデータサイエンス(自然言語処理、情報の検索と取得、機械学習)を引きているギデオン・マン氏。2008年から機械学習を手掛けてきた同氏には、機械学習の可能性とともに課題も見えている。(2017/5/16)

次の注目分野は「FPGA」
歴史から探る「仮想GPU」が生まれた理由と、機械学習では“使えない”理由
仮想GPUは一見すると機械学習に適している。だが処理能力をフルに必要とする用途でなければ、仮想GPUへの投資には慎重になる必要がある。(2019/10/4)

機械学習に従来のソフトウェア開発手法は通用しない?
機械学習のベテラン企業はAIモデルをどう運用しているのか
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。(2018/11/28)

AIはパターンマッチングを超えられるか?(前編)
パターンを学習する「機械学習」でできること、できないこと
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。(2018/8/24)

加入者の安全運転を支援
機械学習はUberやAirbnbのようなイノベーションを自動車保険業界にもたらすか
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。(2018/2/22)

効果的なマーケティングに必須
機械学習でパーソナライゼーションを強化する5つのコツ
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。(2019/10/7)

「Amazon SageMaker」「Cloud AutoML」を解説
機械学習を使いやすくするAWSとGoogleのクラウドサービス、その利点は
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。(2018/10/10)

オープンソースツールがまた一つ
機械学習で生じる問題を解決するPythonライブラリ「MLflow」
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?(2018/8/16)

Amazon Web ServicesやMicrosoftに差をつけられるか
Googleの機械学習用プロセッサ「Cloud TPU」の長所と短所
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。(2018/8/30)

AIの未来を開く
「Swift」はモバイルアプリ開発に機械学習を取り入れる
AppleのiOS向け開発言語「Swift」には、モバイルアプリへの機械学習の実装を容易にする可能性がある。SwiftでAIモデルを作成するための新しいツールや、そのユースケースを見てみよう。(2018/7/10)

注目サブスクリプションサービスが活用
クラウド機械学習「Databricks」は「反Amazon共同体」の頼れる味方
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。(2019/6/13)

XeonがTensorFlowやPyTorchに最適化
機械学習を加速するGPU、TPU、FPGA、ASICの競争に「x86 CPU」が参戦
機械学習の(特に学習の)速度を向上させるため、各社はさまざまなカスタムハードウェアの開発と利用を進めている。出遅れ感のあるIntelは、この市場にx86 CPUで参戦しようとしている。(2019/6/12)

AWSなど各種ベンダーが提供
機械学習インフラの複雑さを解消するクラウド型GPUツールスイート
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。(2018/10/2)

デジタルトランスフォーメーション(DX)に不可欠
いまさら聞けない「機械学習」とは何か? 「AI」との関係は?
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。(2018/9/19)

CPUやGPUが「総合職」なら、TPUは「専門職」
Googleの「Tensor Processing Unit(TPU)」は 機械学習処理の救世主か
Googleの発表した「Tensor Processing Unit(TPU)」は、機械学習モデルのトレーニングと実行向けに設計された。CPUやGPUと比較したTPUの長所と短所について解説する。(2017/8/15)

CNNの特徴マップを高速演算
量子コンピュータで加速する機械学習の可能性を実証
膨大な演算が必要な機械学習において、量子コンピュータの応用が効果的であると実証された。(2019/5/29)