HadoopTimes

CONVERGEN TOKYO 2017
最新動向

人工知能が生み出すビッグデータの新しい価値

最近ビジネスシーンにおいて“人工知能(AI)”というキーワードを耳にすることが多いのではないでしょうか?

今までならば人口知能とはSF映画などに登場する自立型ロボットを想像しがちでしたが、ビジネスへの絡みが多くなったことで、“人工知能=ロボット”というイメージは既に減少しているかと思います。

人工知能とは今やビジネスを加速させ、事業拡大や売上向上のための“手段”となっているのです。

しかし結局のところ“人工知能とは何か?”詳しく理解していない方も多いでしょう。今回は人工知能に関する基礎的な解説と、ビッグデータとの関係性について紹介していきたいと思います。

人工知能ってなに?

人工知能を簡単に表すのであれば、“推論と学習を兼ね備えたプログラム”が最適な表現かと思います。

推論というのは、既にある知識をもとに“最適な結論を見出すこと”です。

例えば人口知能にチェスを覚えさせたい場合、基本的な駒の動かし方と勝利の条件をまずインプットします。

これだけでもゲームを開始することはできますが、十数手で負けてしまうのは確実です。

しかしここに、相手の駒の動きによって都度最適な一手の情報をインプットすることで、ゲームが成立します。

さらに多くの情報をインプットしていくことで人工知能は最適な結論を常に見出し、果てはチェスの世界王者に勝利するまでに成長します。

そして学習というのは、複数あるデータから“有用な情報を見出す”ことです。

例えばPOSデータを分析することで“商品Aを購入したユーザーは商品Bを購入する確立が高い”、“商品Cを購入したユーザーは総額が5万円以上になる確率が高い”といった情報を見出すことができます。

この“推論”と“学習”という2つを兼ね備えたプログラムこそが人口知能なのです。

人工知能4つの分類

人口知能とはそのフェーズにより、大きく4つに分類されています。

1. 単純な制御プラグラム

例えばエアコンでは温度や湿度をセンサーが読み取ることで、プログラムを制御して最適な室温を保つようにコントロールされます。

こうした制御プログラムは本来、システム工学の分野なのですが、マーケティング的に人工知能と呼ばれることが多いのです。

2. スタンダードな人工知能

前述した”推論”と”学習”を兼ね備えたプログラムがスタンダードな人工知能です。TVゲームの対戦用コンピュータなどがこれに分類されます。

3. 学習機能搭載の人工知能

学習機能とはインプットされたデータを基に、独自のルールや知識を身に付けていくことです。最も身近な例としてGoogleなどの検索エンジンが上げられます。

4. ディープラーニング搭載の人工知能

人工知能は基本、視覚的に物体を判断することができません。

例えばスイカの画像をインプットしただけではスイカと認識することができず、スイカに関するメタデータが取り込まれて初めてスイカだと認識することができます。

一方、ディープラーニングが搭載されていると、大量のスイカの画像をインプットすることで人工知能が画像だけでスイカだと認識できるようになります。

ディープラーニングは人工知能の中でも革新的技術であり、顔認証の精度向上など様々なシーンで活用されています。

人工知能5つの種類

1. “音”を認識する人工知能

iPhoneのSiriやGoogle検索エンジンにおける音声検索などがあり、最も身近な人工知能ではないでしょうか。

Siriや音声検索は人間が発する声に反応する人工知能ですが、スマートフォンアプリでは流れている音楽を聞き取らせることで、曲名を検索するなどの人工知能も存在します。

2. “画像”を認識する人工知能

顔認証システムなどがあり、前述したディープラーニングの搭載により各段に精度を上げている製品が増えています。

今後、街頭監視カメラなどに取り入れられることで検挙率の向上や犯罪発生率の低下に期待できます。

3. “言語”を認識する人工知能

最近では小説を執筆する人工知能や、大喜利をする人工知能などユニークなものが多く登場していますが、本来はコンテンツの文章などを認識して最適な情報をユーザーに届けるための人工知能だと言えます。

Googleなどの検索エンジンで、検索結果を決めているクローラーなどもこの種類の一つです。

4. “制御”を行う人工知能

プログラムを制御することでコンピュータに最適な行動を取らせるものであり、エアコンやスマート家電といった電化製品はもちろん、Googleセルフドライビングカーなどの自動運転車も含まれます。

5. “最適化”を行う人工知能

インプットした情報をもとにサービスを最適化していくタイプの人工知能であり、検索エンジンが身近なものでしょう。

Googleでは3D迷路を攻略するユニークな人工知能も開発されています。

ビッグデータのとの関係性は?

ここで“ビッグデータ”と“人工知能”という2つのキーワードがどのように絡み合っているかについてですが、まず人工知能とはビッグデータありきの存在だと言えます。

というのも、どのような人工知能にしても設計された行動を取るためには“膨大なデータ”が必要だからです。

例えばチェスのコンピュータ対戦といった人工知能には、何千何万パターンの駒の動きをデータとしてインプットし、あらゆる対戦状況に対応できるようにしなければなりません。

ディープラーニングを搭載した顔認識システムにしても、必要なのはごく微小な角度の違いなどを持つ大量の画像データです。

つまり、ビッグデータと人工知能というのは切っても切り離せない関係なのです。

そして今後数年でビッグデータにより人工知能の技術と活用シーンは飛躍的に拡大していくと予測されています。

IoT(Internet of Things)などはまさにその典型と言えます。

これは世の中にあるすべてのモノをインターネットに接続することで、生活やビジネスに利便性を高めていこうというIT的概念、そしてそうしたデバイスを指します。

IoTデバイスに関しては多くの有名調査会社が今後数年で数百億台に増加すると予測されており、認知拡大とビジネス・プライベートへの浸透は確実でしょう。そしてこのIoTが生み出すもこそがビッグデータです。

IoTデバイスとは基本的に、取り付けられたセンサーがユーザー情報を取得し、サーバ側で処理することによって最適なアクションを行うように設計されています。

例えばすべての人間が脈拍や血圧を常に図るウェアラブルデバイスを身につけているとして、そこからは性別や年齢別の様々な健康データを取得することができます。

こういった想像しきれないほど膨大なデータを人工知能にインプットすることができたら、技術は進化し活用シーンは拡大していくでしょう。

ビッグデータの動向が人工知能の未来を左右すると言ってもいいかもしれません。

まとめ

いかがでしょうか?今回は人工知能の基礎知識に始まり、ビッグデータとの関係性などを紹介しました。

最後に、ビッグデータ分析にしても人工知能にしても、最も重要なのは高速なデータ処理基盤です。

リアルタイムな処理基盤がなければどちらもビジネスへの活用は難しいでしょう。

高速なデータ処理基盤を構築するのであれば、Hadoopをベースに提供されているMapRをおすすめします。

分散処理による高速化と可用性を確保しつつ、セキュリティ性の向上も可能です。

 

実践 機械学習 – レコメンデーションにおけるイノベーション –

実践 機械学習 – レコメンデーションにおけるイノベーション –
機械学習とレコメンデーションにおける、もっとも洗練され、効率的なアプローチの1つに至る鍵は、「仔馬が欲しい」という状況の観察の中にあります。

どれを選べばいいのかめまいがするほどの数多くのアルゴリズムがあり、それらの中から選択をするためだけでも、選択肢を理解し、合理的な判断を行うのに必要な、高度な数学の背景知識を十分に持っていることが前提になります。

こちらの資料は、機械学習とレコメンデーションについて学習したいけれど、どこから始めればよいか迷っているという方におすすめです。

無料ダウンロードはこちら

こちらの記事もおすすめです