• AI

機械学習の「手法」を理解しよう（１）～はじめに～

日々進化し続けているAI（人工知能）の発展の３段階目、今回はAIレベル３の「機械学習」について、代表的な手法と言われる「回帰」、「クラス分類」、「クラスタリング」、「次元削減」をご紹介します。AIは単純な働きを組み合わせた制御プログラムの段階、将棋やお掃除などの局面に対応し賢い判断ができる段階、さらにその対応を自動的に学習して対応し判断し推察までしてくれるお利口さんな段階まですでに実現されています。その最前線の技術「機械学習」のさわりの部分をお話しします。

• 技術について

• AI

ＡＩに「ことば」を理解させたい（３）

前回は、AIで「ことば」を分析するための数値化する手法の例をご紹介しました。今回はその中でも、日本語の文章を扱う場合に必要な前処理である「単語の分割処理」についてお話しします。日本語の前処理は、他の言語よりも少し複雑です。その理由を、2つの例文を「形態素解析」して考えてみましょう。

• 技術について

• AI

ＡＩに「ことば」を理解させたい（２）

前回は、AIにおける「ことば」（＝自然言語）の扱いと、「ことば」をAIで学習することで実現できることの例についてお話ししました。今回は、実際に「ことば」を数値化する手法の例として「Bag of Words」および「Word2Vec」について紹介します。Bag of wordsやWord2vecなどによって「ことば」を数値化することで、コンピュータは「ことば」を「データ」として扱うことができます。これにより、ある単語や文書の相関を調べるといった、「ことば」の分析ができるようになります。

• 技術について

• AI

ＡＩに「ことば」を理解させたい（１）

これまで、売上予測やレコメンドAIなど、数値を扱うAIについてお話してきました。今回は、AIにおける「ことば」の扱いについてお話しします。これまでの記事でご説明したとおり、コンピュータは、数値を扱うことが得意です。しかし、「ことば」を扱うことは得意ではありません。そこで、コンピュータが「ことば」を扱うためには、コンピュータが理解できる形式（＝「数値」）に変換する、という方法をとります。

• 技術について

• AI

「パターン認識」ってどんな仕組み？（２）

今回は、パターン認識の方法について説明します。パターン認識は、大きく「学習」と「認識」の２つのステップに分かれているので、順を追って説明します。パターン認識における学習は、「教師あり学習」によって行うのが一般的です。

• 技術について

• AI

「パターン認識」ってどんな仕組み？（１）

AIの活用事例は、機能別に「識別」、「予測」、「実行」の3つに分類できます。今回は、その中でも「識別」に該当する、パターン認識についてご説明します。パターン認識では、未知の入力データに対して、その中に既知のパターン（文字や顔、単語など）があるかどうかを調べることができます。最近では、スマートフォンのアプリの機能になっていることもあります。例えば、カメラアプリには、自動で顔を検出する機能があります。この場合、「未知の入力データ」は「カメラに映っている映像」、「既知のパターン」は「顔」となります。他にも、色々なところで当たり前のように使われるようになってきているため、活用例に心当たりのある方も多いのではないでしょうか。

• 技術について

• AI

ニューラルネットワークのＣＮＮとＲＮＮを理解しよう

深層学習（ディープラーニング）は、多層のニューラルネットワークによる機械学習ということからも分かるとおり、ニューラルネットワークの１種です。この「ニューラルネットワーク」というものは、非常に面白い仕組みなのですが、なかなか理解がしづらく、しっかりと説明できる人も少ないです。ここでは、良くあるワードである、入力層や隠れ層、畳み込み、戻り値などの専門的な用語を使わずに、なんとなくイメージで理解をしていただけるように、お伝えしていきます。ＡＩに携わる携わらないに関わらず、皆さんに少しでも理解をしていただければ嬉しいです。

• 技術について

• AI

ＡＩ・機械学習モデル開発の６ステップ ②データ収集

今回は「データ収集」のステップについてお伝えしてまいります。「データ収集」ステップでは、前のステップで定めた解決課題に関連するデータを集めます。「解決課題に関連するデータ」というのは、「課題解決のための手掛かりとなる」と、言い換えることもできます。自社でストックしているデータがなくても、IoTの発展により収集が容易になり、API活用も身近になってきたことにより、インターネット上の豊富なデータを活用することができるようになってきました。（勿論、スクレイピングをする際の利用規約やマナーは必ず守りましょう！）こうした手掛かりに関する勘所を一番押さえているのは、現場で実務を担当している人たちです。すぐにヒアリングに行きましょう

• 活用について

• AI

ＡＩ・機械学習モデル開発の６ステップ ①テーマ決め

連載第２弾！AI・機械学習モデル開発の６ステップの「テーマ決め」をご紹介します。この段階で、どれだけリアルに解決までの道筋を描けるかがプロジェクト成功のカギを握るといっても過言ではないので、十分な時間を取ってください。まずは自組織、あるいはクライアントの抱えている課題のうち、AIで解決見込みのあるものを選びます。解決したい課題とアイデアがあっても、解決のためAIに学習させるデータが無いと、絵に描いた餅です。本当の意味で無から有を生み出すのは苦手で、過去のパターンから、未来を予測するというのがAIの基本スタンスであるということを忘れないでください。現在はネット上で使えるデータを集められることがあります。視野を広く考えてみてください。

• 活用について

• AI

ＡＩの使い所を考える～ＤＳＳ（意思決定支援システム）編

AI君、君はどう思う？ 今回は、AIはわかってきたけれども、「何ができるの？」、「何が得意なの？」という方に、...

• 活用について

• AI

ＡＩ・機械学習モデル開発の６ステップ⓪全体像の把握

【連載】昨今、AIでできることやどんな分野に活用されているかについては、メディアでも広く取り上げられ、少しずつ広まってきているようです。しかし、まだ他人事のように感じている方も多いのではないでしょうか。そこで今回は、AI・機械学習を用いたソリューションを実現するステップについて触れていきたいと思います。テーマ設定やアイデア次第で、驚くほど簡単に今まで頭を抱えていた課題を解決できることも珍しくないです。恐れずに実現への一歩を踏み出しましょう！どのステップが特に重要なのか、あるいは外注に出しやすい部分はどの点なのかなど、それぞれの項目についての詳細は、次回以降にお伝えしてまいります。

• 活用について

• AI

【取材】ＡＩでどう変わる？② ～従来のＩＴとＡＩの違い

AIと従来のITやシステムとの大きな違いは推論エンジン、ディープラーニングが備わっている点です。データを与えれば、自動でロジックを作ってくれる点は過去にありません。使いこなすうちに精度が高まっていく点も違いの１つです。今後AIが入ることで、エンジニアをはじめより多くの人の仕事が代替されるよになってきています。世の中では、AIそのものを作る人とAIを使いこなす人が混濁されがちです。しかし、AIをうまく使うためにはどちらかというと発想が豊かな人が求められます。AIというと難しくとらわれがちですが、まず使うことから始めてAIに慣れていくところがら始めてはいかがでしょうか。

• 活用について

• AI

【取材】ＡＩでどう変わる？① ～ホワイトカラーの仕事

ホワイトカラーの仕事はAI化されていくのでしょうか？AIの活用といえばブルーカラーへのインパクトに目が行きがちですが、「単純作業がAIに置き換わる」ことが事実だとしても完全代替にはまだ時間がかかるという見込みです。データ化されたものを扱う人、ビッグデータの膨大な処理をして判断する業務がAIを導入することで意思決定が早くなるかもしれません。これがあらゆる産業で起こるというのがAIの面白さをリアルタイムで実感できるところの一つです。

• 活用について

• AI

「深層学習」～エーアイベーシックレベル４

機会学習の中に人の神経を模したネットワーク構造「ニューラルネットワーク」を用いた手法があります。機械学習、深層学習もまるで魔法のように語られることがありますが、それぞれ一長一短のある技術です。そこで今回は、これまでご説明してきたAIと、機械学習、深層学習の関係をご紹介します。

• 技術について

• AI

レコメンドＡＩの仕組み～協調フィルタリング編

前回レコメンドAIがどのようにビジネスに役立つかを簡単にお伝えしました。「レコメンド」と一口に言っても、実はその仕掛けには複数のアプローチがあります。そこで今回は、メジャーなレコメンド手法の一つである、「協調フィルタリング」と呼ばれる手法をご紹介します。

• 活用について