AI入門

AIとは

知的な機械、特に、知的なコンピュータプログラムを作る科学と技術

AIの歴史

• 第一次人工知能ブーム

  • 推論・探索、しらみつぶし作戦

• 第二次人工知能ブーム

  • ルールベース、知識表現

• 第三次人工知能ブーム

  • 機械学習

    • データから学ぶ

  • ディープラーニング

    • データから特徴を捉える

機械学習

• 教師あり学習、supervised learning

  • 入力と出力のセットを教え込む

  • 分類問題、カテゴリの予測

  • 回帰問題、数値の予測

• 教師なし学習、unsupervised learning

  • 似たもの同士をまとめる等、グルーピング

  • 外れたものを異常値として判断する

  • クラスタリング

  • 主成分分析、データの傾向や特徴を把握する

  • アシエーション分析、データのルールを見つけ出す

• 強化学習、reinforcement learning

  • 試行錯誤を繰り返して報酬が最大化するように学習する

  • エージェント（行動主体）が与えられた環境を取得・観測し、行動をする。その行動による環境の変化によって得られる報酬が最大化するように学習する

機械学習の要素技術

• 画像

  • 画像分類、image classification

  • 物体検出、object detection

• 音声

  • 音声文書化、speech to text

  • 音声合成、text to speech

• テキスト

  • 文書分類、text classification

  • 翻訳、translation

• 構造化データ

  • 回帰、regression

  • 分類、classification

AIの特徴

AIが得意なところ

• 人が気付けない特徴を抽出

• 膨大なデータを処理できる、長時間稼働できる

• 学習したものを簡単にコピーできる

AIが苦手なこと

• 大量の教師データ、計算資源が必要

• 学習範囲外に弱い

• 意味理解・説明等は苦手

AIができること

識別、予測、実行

AIができないこと

意思、人間のような知恵、ヒラメキ

ビジネスでのAI活用

• 既存の仕事をAIでサポート

• 既存の仕事をAIで置き換え

• 既存の商品やサービスにAIを搭載

• AIを用いた新しい商品やサービスの立ち上げ

AI活用の方向性

自動化、予測・分析した結果を人間が活用

AI活用時の考え方

• 人間の仕事を完全に置き換えようとすると精度が出ないと使えない、という話になる

• 量をこなせる、常時働ける、いくらでもコピーできる、というAIの強みを活かして人間のオペレーション・介入方法を設計する

• サービスを始めてしまうことでデータが集まって学習が進みAIの精度が上げられる、という発想をする

AIプロジェクトの企画時のポイント

• 解決したいこと、新たに実現したいことから考える

• 既存技術で考えると、今の技術が限界になる。誰か他の人も作ってくる

• 誰が使うかを考える。業務フローをどうするかを考える

• 開発投資に対してどんな効果が得られるかを考える。売上、コスト、品質向上、リスク削減