クラウドで身近になる機械学習
GoogleやAWSが提供する機械学習サービス、ビジネスにどう活用する？
コンピューティングの新境地ともいえる機械学習が、パブリッククラウドのおかげでかつてなく手頃で使いやすくなった。ただし慌てて飛びつく必要はない。
機械学習はかつての人工知能のコンセプトに基づく。1959年、継続的に更新しなくても学習できる能力を持ったシステムと定義されたのが始まりだった。機械学習はパターン認識やコンピュータ学習から生まれ、最近になって大手パブリッククラウド事業者が独自の機械学習サービスの提供に乗り出したことから脚光を浴びている。
機械学習の応用例
Amazon Machine Learning では、入力データセットの可視化と調査に役立つインタラクティブな図が提供されている（出典：Amazon Web Service）《クリックで拡大》
現代では機械学習といえば、一般的にはデータのパターンを把握して学習する能力を持ったアルゴリズムの研究を指す。静的プログラミングよりも優れたアプローチとする見方も多い。機械学習は人間が経験を通じて学習するやり方をまね、手作業で新しいコードや設定情報を追加しなくても、時間の経過とともに進歩する。
クラウドのおかげで機械学習はより使いやすく、手頃で役に立つものになった。今や、コンピューティングやストレージは購入せずに、レンタルで利用できる。ユーザーは、オンプレミスハードウェアに比べてごくわずかなコストで、ペタバイト級のデータを、機械学習アプリケーション用に利用できる。機械学習があらためて注目を集めているのは、機械学習の昔ながらの機能そのものというよりも、この技術の新たな機能やコストに由来するものだ。
一般的な機械学習の使用事例には、不正検出、在庫管理、モノのインターネット内部のマシンの制御などが挙げられるが、データのパターン把握の恩恵を受けられる用途であれば、ほぼ何にでも応用できる。
他にも機械学習のより高度な応用もある。例えば、MIT Sloan Management Reviewに掲載された「Sales Gets a Machine-Learning Makeover」という記事の中で、Accenture Institute for High Performanceは、年商5億ドル以上の企業を対象にした調査結果を紹介している。調査対象の企業の76％は、機械学習を使って売り上げの増大を図る計画があると回答した。そのために機械学習を使って予測の精度を高め、それに従って営業リソースを割り当てるとしている。
パブリッククラウドにおける機械学習
Google Cloud Platformの「Google Cloud Machine Learning」と、Amazon Web Services（AWS）の「Amazon Machine Learning」は、パブリッククラウド機械学習サービスの筆頭事例に挙げられる。いずれもそれぞれの環境内で機械学習技術を提供し、自社のクラウドプラットフォーム上でのアプリケーション開発に対する関心を高めている。両社とも機械学習サービスと、データ源となるビッグデータ管理システムを、低コストで提供している。
プロバイダーの選定に当たっては、機械学習に対するニーズの全局面と、パブリッククラウド事業者がそのニーズを満たせるかどうかを検討する必要がある。機械学習サービスそのものだけでなく、そのクラウドプラットフォーム上でデータ、ミドルウェア、分析機能がいかに連係してビジネス問題を解決できるかも考慮しなければならない。
パブリッククラウド事業者の機械学習システムでは、開発者が機械学習機能をアプリケーションに取り入れるためのソフトウェア開発キットとアプリケーションプログラミングインタフェースも提供する。これは、機械学習能力とその技術の実際の利用の橋渡し役となる。例えば、組織はローンアプリケーションの不正について、そのローンアプリケーション内部の過去と現在のデータのパターンに基づき判断できる。
パブリッククラウドの機械学習サービスには難点もある。まず、そのパブリッククラウド事業者のネイティブのサービスを使わなければならない。つまり、データを、他のクラウドやオンプレミスに移植しなければならない場合は問題が生じるかもしれない。
第2に、多くの企業は、機械学習を過剰に使って、実際にはこの機能を必要としないアプリケーションにまで実装する傾向がある。機械学習は、手順性の強い単純なビジネスプロセスにとっては行き過ぎだ。単純な構造化された連続的処理を行うアプリケーションは一般的に、機械学習には向かない。例えば売り上げの記録や出荷の追跡など定義が確立されたプロセスの処理においては、機械学習の真の恩恵は受けられない。
もちろん、そうした評価をする前に、全てのアプリケーションの条件について検討しなければならない。飛びつく前にまず、AWSやGoogleといったプロバイダーの機械学習サービスの違いを入念に調べ、全てアプリケーションがこの技術に適しているわけではないと認識する必要がある。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社うるる] 「入札市場」攻略ガイド：効率的に落札するためのポイントを徹底解説 -
製品資料
[株式会社うるる] 入札情報に特化した「販路拡大」「効率化」のためのサポートツールとは？ -
市場調査・トレンド
[株式会社うるる] 公共入札に成功する企業と失敗する企業の「5つの違い」 -
製品資料
[日本ビジネスシステムズ株式会社] 専門家が教える、Microsoft 365の「テナント統合／分離」を成功に導く秘訣 -
製品資料
[rakumo株式会社] Microsoft 365での情報埋没を防ぐ、社内ナレッジを資産化する情報ポータル活用
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
PHP脆弱性「PHP2Shell」で2260万件に影響 情シスの緊急チェックリスト
-
2
「Microsoft 365」が乗っ取られる MFAを破る“本物の画面”の恐怖
-
3
「Windows」の不要なファイルを安全に消して容量を空ける方法
-
4
「テザリング依存」に潜む落とし穴 “遅いVPN”を解消するネット構築術
-
5
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
6
Claude利用8割のGMO、AI人材の評価軸が「トークン管理」に変わった
-
7
半数がブルーカラー転向を視野に？ ベテランエンジニアを追い込む“54歳の壁”
-
8
被害額は過去最高額 それでも「サイバー犯罪者が捕まらない」3つの理由
-
9
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
10
「IT運用・情報システム業務」に関するアンケート
ホワイトペーパーランキング PR
-
1
AI駆動攻撃にどう対抗する？ 超速の攻撃からエンドポイントを保護する方法
-
2
2026年のサイバーセキュリティには何が必要か？ 最新データに学ぶ傾向と対策
-
3
経験豊富な即戦力人材に直接アプローチできる、「攻めの採用」への転換術
-
4
「IT史に名を残すシステム障害」8選
-
5
最速72分でデータが流出？ 最新の脅威トレンドや侵入手法から分かった防衛策
-
6
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
7
AI駆動開発のスピードと安全性を両立 「品質・セキュリティ管理」の実践ガイド
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「標的型攻撃メール」事例・サンプル集
-
10
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー