ビジネスの明日を動かすICTトレンド「ディープラーニング」など先進AIの活用において、官民一体となった日本の攻勢が始まる!

日本におけるAI+ビッグデータへの取り組みは、今からさらに加速します。その大きなドライバーの1つとなるのが、先ごろ施行された「改正個人情報保護法」です。今回は、最注目のAI技術であるディープラーニングについて分かりやすく紐解きながら、日本政府の狙いも解説します。

ディープラーニング実現に至る、これまでのAI開発の流れ「AI(Artificial Intelligence:人工知能)」という言葉が誕生して約60年。そもそも、「AIとは何か」という定義すら専門家の間でも統一されていないのが実情です。

それでも、多くの専門家が「ディープラーニングは、AI誕生以来のブレークスルーになり得る」と考えています。

その理由を簡潔に言えば、「これまでのAIにはなかった、ある特性を獲得したから」ということになります。

具体的にはどういうことか――。人工知能の過去3回のブームの概要と共に説明していきましょう。

第一次AIブームは「推論」「探索」
まず、最初の人工知能のブームは1950年代後半~1960年代に起こりました。

当時のAI研究は、主に「推論」「探索」といったアルゴリズムにより、ゲームやパズルを解くことに成果を挙げました。

ただし、ゲームなどはよくても、「現実の問題を解決するのは難しそうだ」という議論に至り、ブームは終わります。

第二次AIブームは「知識」
2度目のブームは、1980年代。今度は「知識」をベースとしたエキスパートシステムがビジネスで役立ちそうだ、ということでAIが盛り上がります。

エキスパートシステムとは、「経営」「会計」「法務」などの限られた分野に限定し、その分野に関する知識をすべてルール化してコンピュータに入力することで、コンピュータを当該分野の専門家にしてしまおう、というものです。

コンピュータが特定分野の専門家になれば、その分野において支援をさせたり、意思決定すら行えるようになるのではないか、と期待されました。

しかしながら、限られた狭い領域ではうまく行くケースも見られたものの、総じて成果は限定的でした。

比較的うまく行ったエキスパートシステムの事例としては、血液疾患の患者を診断する医療システムなどが挙げられます。

しかし、少しでもエキスパートシステムの対象範囲を広げる=汎用化しようとすると、とたんにコンピュータに入力しなければならないルール(知識)の量が大きくなりすぎて、とても人間に書ける量ではなくなってしまいました。

また、汎用的にすればするほど、ゼロかイチか、白黒ハッキリした内容しか受け付けないコンピュータに理解させることが難しい知識も出てきました。

たとえば、「頭がぼおっとする」という状態(知識)は、コンピュータにどのようにインプットすればよいでしょうか。

このように、人間にとっては当たり前の状態(知識)のなかで、コンピュータに教え込むのが難しいものが無数にある、ということも分かってきました。

さらに、多大な工数をかけてコンピュータに専門分野の知識を入力しても、時間とともに最新知識はどんどん変わっていくので、メンテナンスがまったく追いつかない、という弊害も見えてきました。

もちろん人海戦術で入力すれば対応できなくもないでしょうが、そうなると、結局、「AIは使わず、専門家一人雇った方がコストパフォーマンスがよい」という話になります。

つまり、ビジネス的に全くペイしない、ということが分かってきました。

以上のような理由があり、第2次AIブームも沈静化していったのです。

AI冬の時代を終わらせた「機械学習」
1990年代以降、2回目のAI冬の時代を迎えますが、そのなかで注目され始めたのが「機械学習」という技術です。

機械学習では、それまでの「AIに対して、人間が知識を教える」といった方向性とは180度異なる、「AIが自分で学習する」という考え方を取り入れています。

この機械学習の研究が実用化されるようになった背景には、

①コンピュータの処理能力の大幅な向上
②インターネットの登場による、利用可能なデータの急増

の2点が挙げられます。

機械学習とは、簡単に言えば

「大量のデータを読み込み、AI自身がルールや関係性を見つけて正しく分類したり判断したりできる技術」

のことです。

対象となるデータは、音声・言語・画像など多岐にわたりますが、たとえば画像であれば、「多くの動物の画像の中から犬の画像を選び出す」ことなどをAIが出来るようになります。

機械学習の流れとしては、まず人間が「“イヌ”という対象を正しく選び出すためには、対象のどこに注目すればよいか(これを特徴量といいます)」をAIに指示し、その後、AIが大量の画像データを読み込んで、正しくイヌの画像だけを選択できるように学習していきます。

AIの画像認識の精度が上がらなければ、人間が特徴量のパラメータを操作して、またAIに大量のデータを読み込ませる、といったことを繰り返し、精度を上げていきます。

以上のように、「大量のデータを元に、AI自身が学習をする」という点で従来の欠点を補った機械学習ですが、大枠として「人間の指示に従って動く」という点は変わりませんでした。

西俊明(にし・としあき)

慶應義塾大学文学部卒業。合同会社ライトサポートアンドコミュニケーション代表社員/CEO。富士通株式会社で17年間にわたり、営業、マーケティング業務に従事。2008年、経済産業大臣登録・中小企業診断士として独立し、2010年、合同会社ライトサポートアンドコミュニケーション設立。専門分野は営業・マーケティング・IT。Webマーケティングやソーシャルメディア活用のテーマを中心に、8年間で200社以上の企業や個人事業主のマーケティングのコンサルを実施、180回以上のセミナー登壇実績をもつ。著書に『あたらしいWebマーケティングの教科書』『ITパスポート最速合格術』『高度試験共通試験によくでる午前問題集』(技術評論社)、『絶対合格 応用情報技術者』(マイナビ)、『やさしい基本情報技術者問題集』『やさしい応用情報技術者問題集』(ソフトバンククリエイティブ)、『問題解決に役立つ生産管理』『問題解決に役だつ品質管理』(誠文堂新光社)などがある。

関連リンク

RELATED ARTICLE関連記事

SPECIAL TOPICスペシャルトピック

スペシャルトピック一覧

NEW ARTICLES新着記事

記事一覧

FEATURE特集

WHITE PAPERホワイトペーパー

ホワイトペーパー一覧
×
無料会員登録

無料会員登録をすると、本サイトのすべての記事を閲覧いただけます。
また、最新記事やイベント・セミナーの情報など、ビジネスに役立つ情報を掲載したメールマガジンをお届けいたします。