かんたん技術解説note -【AI】

　こんにちは、投資カピバラ（@Capybara_Stock）と申します。

　こちらは『AI（人工知能）』に関する、解説用の補足noteです。

「AI」とは「Artificial Intelligence」の略で、「人工知能」の意味です。
　AIという言葉自体が誕生したのは1956年の米国で、第一次AIブームと呼ばれるムーブメントのきっかけとなりました。
　しかし当時AIと呼ばれたのは事前に決められたルールに基づいて物事を判断するだけのもので、「現実世界の複雑な問題を解くことはできない」と失望され、第一次AIブームは終息しました。
　1980年代には既存の推論エンジンに加えて専門家の膨大な知識を用いた「エキスパートシステム」と呼ばれる技術が登場し、第二次AIブームが勃発します。しかしこのブームも、膨大な知識の記述・管理に対する困難性から実用性に限界があり、再びブームは終焉します。

　そして2000年代。機械学習・深層学習技術の発展やインターネットの普及によるデータ量の指数関数的な増加、そしてGPUを始めとした計算機の高速化により、第三次AIブームの真っ只中にあります。

　近年では「AI」という言葉自体がバズワードと化し、決まりきった回答を返すだけのBotですらAIと呼ばれ、濫用されています。
　実はAIには一般に認められた定義が存在せず、専門家の間でも意見が分かれています。
　AI研究の第一人者・松尾豊先生の著書を参考にすると、以下の図のように説明することができます。

　このうち「機械学習」が、企業が提供する「AI」サービスに該当すると考えて差し支えありませんので、以降はその前提で話を進めます。

　では具体的にAI(≒機械学習)がどのような技術かというと、『膨大な学習用データから物事の特徴（モデル）を見つけ出して、それを元に未知のデータに対する予測・分類を行う』という技術になります。

　なんのこっちゃだと思いますので、以下の図をご覧ください。

　例えば、ある写真に写っている動物が犬か猫か判別する、という仕事があるとします。
　私たち人間は大抵の場合、過去の経験から「これは犬」「こっちは猫」と一瞬で判断することができます。その判断は経験によって導き出されるものですので、「耳の数が●●・形が××、色が～、鼻の形が～」といった明確な判断基準を設定することはできません。
　そのため、こうした「人の知識・経験から判断する仕事」をコンピュータに置き換えることは従来は難しいとされてきました。

　これを可能にするのが「AI」です。
　①学習フェーズでは、生まれたての赤ん坊に物事を教えるように、正解ラベルのついた大量のデータを特定のアルゴリズムに読み込ませ、「AIモデル」と呼ばれる独自の判定プログラムを作成します。
　この「AIモデル」の中身は、学習データから抽出された言語化できないような特徴を複雑な数式で表現していると思ってください。
　②判定フェーズでは、未知のデータに対して①で作成した「AIモデル」を用いて、その正体を推測します。

　このとき、AIは必ずしも100%の精度を出せるわけではありません。
　私たち人間でも稀に「これ、犬か猫か微妙なライン...(-_-;)」という写真を見ることがありますよね？
　AIモデルの判定精度は「学習データの量・質」「データ分析時のアルゴリズム」「未知のデータの特徴量」などによって左右されますので、試行錯誤を繰り返して判定精度を高めていく作業が必要になります。

　そのため、ビジネスへのAI活用を行うためには「パッケージシステムを導入すれば完了」というわけではなく、企業内に散在する膨大なデータの処理をはじめ、AIモデル作成の試行錯誤といった泥臭い作業が必要になってきます。

　しかし、AIの活用による生産性の向上が企業間の競争力の差として顕在化するのは避けられない以上、どの業界でも早期に取り組みを進めることが必須と考えられています。

◆まとめ◆
・『AI（機械学習）』とは、『膨大な学習用データから物事の特徴
　（モデル）を見つけ出して、それを元に未知のデータに対する予測・分類
　　を行う』技術
・「人の知識・経験から判断する仕事」を置き換えることができる
・膨大なデータの処理をはじめ、導入には泥臭い作業が必要

　※本noteでは初心者向けの内容として代表的な「教師あり学習」のみを紹介しています。
　機械学習には他にも、学習データを用いない「教師なし学習」や、価値を最大化するような行動を学習させる「強化学習」などがありますが、今回は省略しております。