データ戦略の会社が考える「AI,機械学習, オートメーションの関係性」
先週に続き英字記事シリーズですが、混同されがちなAIと機械学習、オートメーションの関係性について。
色んな人が色んな定義でこれらの言葉を使っていて、混乱しがちなのですが、それぞれの具体的な役割を説明しながらうまくまとめている記事 があったので、それを使いながらAI,機械学習、オートメーションの関係を考えてみます。
Much of the current media coverage about AI revolves around deep learning. The reality is that many AI systems will use many different machine learning methods and techniques. For example, recent prominent examples of AI systems—systems that excelled at Go and Poker—used deep learning and other methods. In the case of AlphaGo, Monte Carlo Tree Search played a role, whereas DeepStack’s poker playing system combines neural networks with counterfactual regret minimization and heuristic search.
この記事の中では、AIと呼ばれているものは特定の機能を指し、機械学習はその機能を実現するための手法としています。
実際は機械学習に関連する複数の手法が使われていることが多く、例えば囲碁のAIで有名なAlphaGoはモンテカルロ木探索(Monte Carlo Tree Search)が重要な役割を担っており、DeepStackと呼ばれるポーカーのAIではCFR最小化(Counterfactual Regret Minimization)やヒューリスティック探索(heuristic search)を適用するアルゴリズムが活用されています。また、手法を検討する際にはベイジアン機械学習や強化学習も多く検討あるいは利用されているようです。
そして、上記のような技術を利用して実現するAIの具体的なアプリケーション(利用場面)として、ここでハードウェアをからめた工場における生産や運転のオートメーションが出てきます。
アプリケーションがはっきりすることで、その実用化(技術的に可能・財務的に成立する)のために必要な技術も整理されてきたと言えます。これは今までのソフトウェアだけの世界でありがちだった「大量のラベル付きデータとDeep Learning」という以外の要素も含み、実現のためには以下の図にあるような、より広範な技術を使いこなすチームが必要になるでしょう(以下画像は同記事より引用)。
AIの具体的なアプリケーション(利用場面)は幅広く、多様な業種に渡っています。現状では一部の利用場面における限定的な自動化に止まっており、AIとオートメーションの時代はまだ始まったばかりと指摘しています。
これまでのITシステムと違い、関連する広範囲の技術や大量のラベルデータが必要など、導入の障壁は大きいのが実態です。その為まずはスケーラビリティが得られる利用場面から導入され、今後も業界横断での導入の拡大がしばらくは続くのだろうと思います。
---
DataStrategyへ相談したい方へ
DataStrategyでは、執筆、イベント登壇、取材、サービスの改善、アドバイザリーなどの相談を受け付けています。弊社へまずは相談だけでもしてみたい、一度話を聞いてみたいという方は twitter (@motohikotakeda) でDMして下さい。
・AI可能性診断 https://datastrategy.jp/aikanousei/
・弊社ウェブサイト https://datastrategy.jp
・資料請求 https://datastrategy.jp/document/
この記事が気に入ったらサポートをしてみませんか?