Aiを導入検討するときにつかえるAi情報メディア｜ Aiチョイス

タグ「機械学習」の記事一覧

• Aiの基礎知識

  人工知能初心者必見！教師あり学習から強化学習までの学習方法を解説

  人工知能（AI）は、コンピュータによる知的なタスク実行のための科学技術です。AIは、教育、医療、ビジネス、自動車産業、ロボット、安全な都市開発などの多くの分野で使用されています。しかし、AIを作るためには、適切な学習方法が必要です。本記事では、AIの学習方法について初心者向けに解説します。人工知能とは？人工知能は、機械が人間の知性に似た能力を持つことを指します。人工知能の目的は、機械に問題を解決させることであり、機械が学習し、認識、分析、判断、推論、計画、問題解決をすることができます。人工知能は、プログラムされたアルゴリズムに従って、機械学習モデルを作成し、データからパターンを学習することで、タスクを実行することができます。人工知能の学習方法とは？人工知能の学習方法は、教師あり学習、教師なし学習、強化学習、転移学習の4つがあります。教師あり学習は、データセットのラベル付きデータを使用して、モデルをトレーニングする方法です。教師なし学習は、データセットのラベルがない状態でモデルをトレーニングする方法です。強化学習は、報酬を最大化するための行動を学習する方法です。転移学習は、一度トレーニングされたモデルを新しいタスクに転用する方法です。教師あり学習教師あり学習は、人工知能がラベル付きのトレーニングデータを使用して、新しい入力データに対して正しい出力を生成することを学ぶ方法です。つまり、AIが正しい答えを知っているデータセットを使用して、新しい問題を解決する方法を学習することができます。教師あり学習は、分類、回帰、シーケンス生成などのタスクに使用されます。教師あり学習の例教師あり学習の例としては、手書き数字認識があります。つまり、画像内に書かれた数字を認識するAIを作成することです。トレーニングデータとして、手書き数字がラベル付けされたデータセットを使用します。このトレーニングデータを使用して、AIが新しい数字を認識する方法を学習します。教師なし学習教師なし学習は、人工知能がラベルがないデータからパターンを学習する方法です。教師あり学習とは異なり、トレーニングデータにラベルが付いていないため、AIが自分自身で特徴やパターンを発見する必要があります。教師なし学習は、クラスタリング、異常検知、次元削減などのタスクに使用されます。教師なし学習の例教師なし学習の例として、顔のクラスタリングがあります。つまり、トレーニングデータにラベルがない場合でも、AIが似たような特徴を持つグループに分類することができます。これにより、AIは異なる人々の顔を識別することができます。強化学習強化学習は、報酬を最大化するために行動を学習する方法です。強化学習では、AIが環境との相互作用を通じて学習します。AIは、行動を選択し、環境から報酬を受け取り、その報酬を最大化するように行動を調整します。強化学習は、ゲーム、ロボットの制御、自動車の運転、株式取引などのタスクに使用されます。強化学習の例強化学習の例として、自動車の運転があります。自動車は、カメラ、レーダー、GPSなどのセンサーを使用して、環境を認識します。AIは、周囲の環境に基づいて運転決定を行い、報酬を受け取ります。報酬は、目的地までの距離、速度、燃料の消費量などで決定されます。AIは、これらの報酬を最大化するように運転を調整します。転移学習転移学習は、一度トレーニングされたモデルを新しいタスクに転用する方法です。つまり、AIが一度学習したことを、新しいタスクに適用することができます。転移学習は、トレーニングデータが不足している場合や、新しいタスクが類似している場合に使用されます。転移学習の例転移学習の例として、画像認識があります。つまり、犬や猫の画像を認識するAIを作成することです。転移学習を使用する場合、一度トレーニングされたAIモデルを使用して、新しい種類の動物の画像を認識することができます。AIは、トレーニングデータが不足している場合でも、より高い精度で画像を認識することができます。人工知能の学習方法の比較教師あり学習、教師なし学習、強化学習、転移学習は、それぞれ異なるタスクに使用されます。教師あり学習は、ラベルが付いたデータを使用して、新しい問題を解決することができます。教師なし学習は、ラベルのないデータを使用して、データのパターンを発見することができます。強化学習は、報酬を最大化するために行動を学習することができます。転移学習は、トレーニングデータが不足している場合や、新しいタスクが類似している場合に使用されます。人工知能の学習方法の選択人工知能の学習方法の選択は、タスクに依存します。データセットにラベルが付いている場合は、教師あり学習を使用することができます。データセットにラベルが付いていない場合は、教師なし学習を使用することができます。報酬を最大化する必要がある場合は、強化学習を使用することができます。一度トレーニングされたモデルを新しいタスクに転用する必要がある場合は、転移学習を使用することができます。人工知能の学習方法の進化人工知能の学習方法は、技術の進歩によって進化しています。最近では、深層学習が注目されています。深層学習は、多層のニューラルネットワークを使用して、高度なタスクを実行することができます。また、自己教師あり学習や進化的学習などの新しい学習方法も開発されています。まとめ人工知能の学習方法は、教師あり学習、教師なし学習、強化学習、転移学習の4つがあります。それぞれの学習方法は、異なるタスクに使用されます。人工知能の学習方法の選択は、タスクに依存します。人工知能の学習方法は、技術の進歩によって進化しています。よくある質問Q1. 人工知能の学習方法は、どのように選択すればよいですか？A1. 人工知能の学習方法の選択は、タスクに依存します。データセットにラベルが付いている場合は、教師あり学習を使用することができます。データセットにラベルが付いていない場合は、教師なし学習を使用することができます。報酬を最大化する必要がある場合は、強化学習を使用することができます。一度トレーニングされたモデルを新しいタスクに転用する必要がある場合は、転移学習を使用することができます。Q2. 人工知能の学習方法の進化は、どのように進んでいますか？A2. 人工知能の学習方法の進化は、技術の進歩によって進んでいます。最近では、深層学習が注目されています。深層学習は、多層のニューラルネットワークを使用して、高度なタスクを実行することができます。また、自己教師あり学習や進化的学習などの新しい学習方法も開発されています。Q3. 人工知能の学習方法は、どのようなタスクに使用されますか？A3. 教師あり学習は、データセットにラベルが付いている場合に使用されます。教師なし学習は、ラベルのないデータを使用して、データのパターンを発見することができます。強化学習は、報酬を最大化するために行動を学習することができます。転移学習は、トレーニングデータが不足している場合や、新しいタスクが類似している場合に使用されます。Q4. 人工知能の学習方法の選択は、どのようにすればよいですか？A4. 人工知能の学習方法の選択は、タスクに依存します。データセットにラベルが付いている場合は、教師あり学習を使用することができます。データセットにラベルが付いていない場合は、教師なし学習を使用することができます。報酬を最大化する必要がある場合は、強化学習を使用することができます。一度トレーニングされたモデルを新しいタスクに転用する必要がある場合は、転移学習を使用することができます。Q5. 人工知能の学習方法を理解するために、どのような資格が必要ですか？A5. 人工知能の学習方法を理解するためには、コンピューターサイエンスや数学、統計学などの基礎知識が必要です。また、機械学習やデータサイエンスに関する専門的な知識を深めるために、オンラインコースや書籍などの学習資料を利用することができます。

  2023/04/21Aiチョイス編集部

• Aiの基礎知識

  テキストマイニングとは？基礎知識から応用事例まで解説！

  テキストマイニングとは、コンピューターを使って、大量のテキストデータから有用な情報を抽出することです。自然言語処理の一分野であり、言語学、情報科学、統計学、人工知能などの知識が必要です。この記事では、テキストマイニングの基礎について解説します。テキストマイニングの概要テキストマイニングは、大量のテキストデータから有用な情報を抽出することです。例えば、企業が顧客の声を把握するために、SNSの投稿やレビューなどのテキストデータを分析する場合に利用されます。また、マーケティングや競合分析、メディアの研究など、様々な分野で利用されています。テキストマイニングは、自然言語処理と統計学の知識が必要です。テキストデータを解析する前に、テキストデータの前処理が必要となります。自然言語処理の基礎自然言語処理（NLP）は、自然言語で書かれたテキストデータをコンピューターで処理する技術です。自然言語処理には、単語分割、品詞タグ付け、構文解析、意味解析などの処理が含まれます。自然言語処理において、コーパスと呼ばれる大量のテキストデータが必要となります。コーパスは、学習データとして利用され、言語モデルの構築に利用されます。テキストデータの前処理テキストデータを解析する前に、テキストデータの前処理が必要となります。前処理とは、テキストデータを解析しやすい形式に変換することです。テキストデータの前処理には、以下のような処理が含まれます。単語分割テキストデータを単語ごとに分割することで、解析しやすくします。日本語の場合、形態素解析器を使用することで、単語分割を行うことができます。ストップワード除去ストップワードとは、文章中で頻繁に現れるが、分析には不要な単語のことを指します。例えば、「です」「ます」「する」などがストップワードです。ストップワードを除去することで、解析の精度を上げることができます。形態素解析形態素解析とは、文章を形態素（意味を持つ最小単位）に分解する処理です。日本語の場合、形態素解析器を使用することで、形態素解析を行うことができます。正規化テキストデータには、表記揺れや表現の違いが含まれます。例えば、「ビールを飲む」「ビールを飲みたい」という文章がある場合、「飲む」と「飲みたい」は同じ意味です。正規化を行うことで、このような表記揺れや表現の違いを統一することができます。テキストマイニングの手法テキストマイニングには、様々な手法があります。ここでは、代表的な手法について説明します。単語頻度分析単語頻度分析とは、テキストデータ中に出現する単語の頻度を調べることです。出現頻度が高い単語は、テキストデータの特徴を表していることが多く、重要な情報源となります。共起関係分析共起関係分析とは、単語間の関係を分析することです。例えば、ある単語が出現したときに、次にどのような単語が出現することが多いかを調べることができます。このような共起関係を分析することで、テキストデータの意味を理解することができます。クラスタリングクラスタリングとは、似た性質を持つデータをグループ化する手法です。テキストデータにおいては、類似したテキストをグループ化することで、テキストデータの分類や分析を行うことができます。機械学習機械学習とは、データからパターンを学習し、未知のデータに対して予測や分類を行う手法です。テキストデータにおいては、機械学習を用いて、テキストの分類や感情分析などを行うことができます。テキストマイニングの応用例テキストマイニングは、様々な分野で応用されています。ここでは、代表的な応用例について説明します。マーケティング分析テキストマイニングを用いて、消費者の声を分析することで、商品開発やマーケティング戦略の改善につなげることができます。メディア分析テキストマイニングを用いて、ニュース記事やSNSの投稿などから、トレンドや話題の変化を把握することができます。医療分野テキストマイニングを用いて、医療データから疾患の原因や治療法を抽出することができます。まとめテキストマイニングは、テキストデータから有用な情報を抽出するための技術です。テキストデータの前処理や手法の選択によって、より高度な分析が可能となります。テキストマイニングは、様々な分野で応用されており、今後ますます注目される技術となることが予想されます。よくある質問テキストマイニングを行うためには、どのようなスキルが必要ですか？テキストマイニングを行うためには、プログラミングや統計学の知識が必要です。また、テキストデータの前処理や分析に必要なツールやライブラリの知識も必要となります。テキストマイニングを行う上で、注意すべき点はありますか？テキストデータには、言語や表現のバリエーションが多く、そのままでは正しい分析ができない場合があります。また、プライバシーや倫理の問題にも配慮する必要があります。テキストマイニングを用いた分析結果は、どのように活用されていますか？テキストマイニングを用いた分析結果は、商品開発やマーケティング戦略の改善、ニュース記事やSNSのトレンド分析、医療データからの疾患抽出など、様々な分野で活用されています。テキストマイニングを用いた分析は、どの程度の精度が得られますか？テキストマイニングを用いた分析の精度は、データの品質や前処理の質、手法の選択などによって異なります。一般的には、高い精度を得るためには、手法の選択やパラメータの調整に時間と知識が必要となります。テキストマイニングによって、どのような問題を解決できますか？テキストマイニングによって、商品開発やマーケティング戦略の改善、トレンドや話題の変化の把握、医療データからの疾患抽出など、様々な問題を解決することができます。また、テキストデータに含まれる有用な情報を抽出することで、ビジネスや社会の価値創造にも貢献することができます。

  2023/04/10Aiチョイス編集部

• Aiの基礎知識

  自然言語処理の仕組みと活用方法について

  自然言語処理（NLP）は、人工知能の一分野で、人間が使う自然言語を機械的に解析し、理解することを目的としています。自然言語処理は、言語モデル、テキスト解析、音声認識、機械翻訳、対話システムなどの技術を使用しています。この記事では、自然言語処理について、その歴史、技術、応用分野などを解説していきます。自然言語処理の歴史自然言語処理は、1950年代から始まった人工知能研究の一分野として誕生しました。当初は、英語の文法規則をプログラムに組み込んで、翻訳などの処理を行う方法が主流でした。しかし、言語の多様性や曖昧さなどに対応することが困難であり、長い間、実用化されませんでした。1990年代以降、統計的手法を用いた自然言語処理技術が発展し、様々な応用が可能になってきました。例えば、機械翻訳、音声認識、質問応答システム、情報抽出などがあります。自然言語処理の技術自然言語処理には、多くの技術が使われています。以下に、代表的な技術について解説します。言語モデル言語モデルは、自然言語の文法や意味を表現するモデルです。言語モデルを用いることで、文章の生成や言語理解が可能になります。テキスト解析テキスト解析は、自然言語の文章を解析し、情報を抽出する技術です。例えば、単語や品詞の解析、意味解析、感情分析などがあります。音声認識音声認識は、音声を文字に変換する技術です。音声認識を用いることで、音声入力や音声翻訳が可能になります。機械翻訳機械翻訳は自然言語を自動的に翻訳する技術で、精度の向上によりビジネスや国際交流などで活用されています。対話システム対話システムは、自然言語での会話を実現する技術です。例えば、自動応答システムやチャットボットがあります。自然言語処理の応用分野自然言語処理は、多くの応用分野があります。以下に、代表的な分野について解説します。情報検索自然言語処理を用いることで、Web上の文書やデータベースからの情報検索が可能になります。例えば、キーワード検索や自然言語によるクエリー検索などがあります。情報抽出自然言語処理を用いることで、文章から情報を自動的に抽出することができます。例えば、ニュース記事からの情報抽出や、書籍からのキーワード抽出などがあります。質問応答システム自然言語処理を用いることで、質問応答システムを実現することができます。例えば、FAQサイトやAIアシスタントなどがあります。自然言語処理の今後自然言語処理の技術は、今後もますます進歩していくことが予想されます。特に、深層学習を用いた自然言語処理の研究が進んでおり、より高度な自然言語処理が可能になっています。しかし、自然言語処理にはまだ課題が残されています。例えば、多言語間の自動翻訳や、言語モデルの偏りなどがあります。まとめ自然言語処理は、人工知能の一分野で、人間が使う自然言語を機械的に解析し、理解することを目的としています。自然言語処理は、言語モデル、テキスト解析、音声認識、機械翻訳、対話システムなどの技術を使用しています。自然言語処理は、情報検索や情報抽出、質問応答システムなどの応用分野があります。今後、深層学習などの技術の進歩により、より高度な自然言語処理が実現されることが期待されます。FAQ Q1. 自然言語処理は、どのような技術を使っているのですか？自然言語処理は、言語モデル、テキスト解析、音声認識、機械翻訳、対話システムなどの技術を使用しています。Q2. 自然言語処理は、どのような分野で活用されていますか？自然言語処理は、情報検索、情報抽出、質問応答システム、機械翻訳などの分野で活用されています。Q3. 自然言語処理には、どのような課題があるのですか？自然言語処理には、多言語間の自動翻訳や、言語モデルの偏りなどの課題があります。Q4. 自然言語処理は、今後どのような進展が期待されていますか？深層学習などの技術の進歩により、より高度な自然言語処理が実現されることが期待されます。特に、大規模なデータセットを使用することで、より精度の高い自然言語処理が可能になります。Q5. 自然言語処理を活用することで、どのようなメリットがあるのですか？自然言語処理を活用することで、人的ミスの軽減や効率化、コスト削減などのメリットがあります。また、情報の抽出や分析を自動化することで、ビジネス上の意思決定の精度向上につながることが期待されます。

  2023/04/10Aiチョイス編集部

• Aiの基礎知識

  機械学習入門！基礎から応用までわかりやすく解説

  「機械学習ってどんな技術？」「どうやって使うの？」そう思う方もいるのではないでしょうか。実は、機械学習は日々の生活やビジネスで幅広い分野に応用されている技術で、その理解と活用がますます重要になっています。本記事では、機械学習の基本概念や手法、さまざまな応用例、開発環境やツールについてわかりやすくご紹介していきます。機械学習の基本概念機械学習は、コンピュータがデータから学習し、未知のデータに対して予測や分類を行う技術です。人間のように経験や知識を蓄積し、問題解決能力を向上させることができます。この記事では、機械学習の基本概念を解説します。機械学習の定義機械学習は、データをもとにコンピュータが自動で学習し、改善する技術です。アルゴリズムを使用してデータからパターンを抽出し、新しいデータに対して適切な予測や判断を行うことができます。機械学習の目的とプロセス機械学習の目的は、データから有用な知識を獲得し、未知のデータに対して予測や分類を行うことです。プロセスは、データの収集・前処理、特徴量エンジニアリング、モデルの学習・評価、そしてモデルの適用と改善の繰り返しです。これにより、機械学習モデルは新しいデータに対応し、より高い精度で予測を行えるようになります。データの前処理と特徴量エンジニアリングデータの前処理は、機械学習モデルの学習に適した形式にデータを整形するプロセスです。欠損値の補完や外れ値の処理などが含まれます。特徴量エンジニアリングは、データから重要な特徴を抽出し、学習に使用する変数を作成するプロセスです。機械学習の種類とアプローチ機械学習には、教師あり学習、教師なし学習、強化学習などの種類があります。それぞれのアプローチによって、異なる問題を解決することができます。教師あり学習教師あり学習は、入力データと正解ラベルが与えられたデータを使って学習を行う方法です。分類問題分類問題は、入力データを予め定められたカテゴリに分類する問題です。例えば、スパムメールの検出や病気の診断などが該当します。回帰問題回帰問題は、入力データに対して連続値を予測する問題です。例えば、不動産の価格予測や株価の予測などが該当します。教師なし学習教師なし学習は、正解ラベルが与えられていないデータを用いて学習を行う方法です。クラスタリングクラスタリングは、データを類似性に基づいてグループに分ける方法です。例えば、顧客セグメンテーションや異常検知などが該当します。次元削減次元削減は、データの特徴量を縮約し、情報の損失を最小限に抑える方法です。例えば、主成分分析（PCA）やt-SNEなどが該当します強化学習強化学習は、エージェントが環境と相互作用し、報酬を最大化する行動を学習する方法です。適切な行動を取ることで報酬が得られるため、エージェントは最適な行動戦略を獲得します。例えば、自動運転車やロボット制御などが該当します。機械学習の応用事例と展望機械学習は、さまざまな分野で応用されており、今後の発展が期待されています。このセクションでは、機械学習の応用事例と今後の展望について解説します。自然言語処理自然言語処理は、人間が使用する言語をコンピュータに理解させ、処理する技術です。機械学習を用いた自然言語処理の例として、機械翻訳、文章の自動要約、感情分析などがあります。画像認識・音声認識画像認識は、デジタル画像の中から特定の対象を検出・認識する技術です。音声認識は、音声データをテキストデータに変換する技術です。どちらも機械学習を用いた応用事例として、顔認識や音声アシスタントなどがあります。産業界への応用機械学習は、製造業や医療、金融、マーケティングなど、さまざまな産業界で応用されています。例えば、製品の不良検出や病気の診断、クレジットスコアの予測、顧客の購買行動の分析などが該当します。未来の機械学習技術機械学習の技術は日々進化しており、今後の展望として、より高度な自然言語理解や画像生成、ロボットの自律的な行動学習などが期待されています。また、エッジデバイスでの軽量な機械学習モデルの開発や、プライバシー保護を重視した学習手法の研究も進められています。さらに、機械学習と他の技術との融合によるイノベーションが期待されており、例えば、量子コンピュータを用いた機械学習やブロックチェーン技術と組み合わせた分散型機械学習などが今後の研究対象となっています。これらの技術の発展により、機械学習はさらに広範な分野での応用が可能となり、人々の生活や産業の発展に貢献することが期待されています。最後に、機械学習の技術や応用が今後どのように発展するかについて、引き続き注目していくことが重要です。機械学習の開発環境とツール機械学習の開発環境やツールは、モデルの構築や評価を効率的に行うために重要です。このセクションでは、主要な機械学習フレームワークやライブラリ、そして開発環境について解説します。機械学習フレームワークとライブラリ機械学習フレームワークやライブラリは、機械学習モデルの開発や学習を効率化するためのソフトウェアです。例えば、TensorFlowやPyTorch、scikit-learnなどが該当します。開発環境とプラットフォーム機械学習の開発環境は、コーディングやデバッグ、実行を行うためのツールやプラットフォームです。例えば、Jupyter NotebookやGoogle Colaboratory、Microsoft Azure Machine Learningなどが該当します。機械学習の倫理と社会への影響機械学習技術の普及に伴い、倫理的な問題や社会への影響が取り沙汰されることが増えています。このセクションでは、機械学習に関連する倫理問題や社会への影響について考察します。データのプライバシーとセキュリティ機械学習の学習には大量のデータが必要ですが、そのデータが個人情報や機密情報を含んでいる場合、プライバシーやセキュリティの問題が発生します。例えば、データの収集や利用に関する法規制や技術的な対策が必要です。バイアスと公平性機械学習モデルは、学習データに含まれるバイアスを学習することがあります。これにより、予測や判断が公平でない結果をもたらすことがあります。バイアスのないデータの収集やアルゴリズムの改善が求められます。AIと雇用機械学習をはじめとするAI技術の発展により、一部の職種や業務が自動化されることが予想されています。このため、雇用構造の変化やスキルの再編が求められることがあります。企業や政府は、労働者の再教育や雇用対策を検討する必要があります。機械学習に関する法規制機械学習技術の普及に伴い、関連する法規制も整備されています。例えば、データの収集や利用に関する規制や、AI技術の適用範囲に関する法律が制定されています。機械学習の開発者や利用者は、法規制に遵守することが求められます。これらの検討事項を踏まえて、機械学習技術の発展と普及には、倫理的な問題や社会的影響に対する配慮が重要です。適切な法規制や技術的な対策を講じることで、機械学習の持つ可能性を最大限に活用しながら、社会全体の利益に繋げることができるでしょう。機械学習の学習リソースとキャリアパス機械学習を学び、キャリアを築くためのリソースやキャリアパスについて解説します。このセクションでは、機械学習を学ぶための教材やコース、キャリアについて考察します。機械学習を学ぶための教材とコース機械学習を学ぶための教材やコースは多数存在します。オンラインコース、書籍、チュートリアルなど、自分の学習スタイルや目的に合ったリソースを選ぶことが重要です。例えば、CourseraやUdacity、edXなどのオンラインプラットフォームが提供する機械学習コースがあります。機械学習のキャリアパス機械学習に関連する職種には、データサイエンティスト、機械学習エンジニア、AIリサーチャーなどがあります。それぞれの職種には異なるスキルや知識が求められるため、自分の興味や適性に合わせてキャリアを選択することが大切です。また、専門性を高めるために、ディープラーニングや自然言語処理などの分野に特化したキャリアを追求することも可能です。これらの観点から、機械学習を学び、キャリアを築くためのリソースやキャリアパスを検討することが重要です。自分の興味や適性に合った学習リソースを活用し、機械学習の専門家としてのキャリアを築くことができるでしょう。まとめ本記事では、機械学習の基本概念や多様な応用事例を紹介し、開発に必要な環境やツールを解説しました。また、倫理的・社会的な問題や学習リソース、キャリアパスにも触れました。機械学習は今後もさらなる発展が期待される技術であり、適切な学習リソースを活用してキャリアを築くことが重要です。また、個人や組織は、技術の発展に伴う倫理的・社会的な問題に配慮しながら、機械学習の可能性を最大限に活用し、持続可能な社会を目指すべきです。この記事を通じて、機械学習の基本から応用、そしてキャリア形成に至るまでの情報が役立つことを願っています。

  2023/04/10Aiチョイス編集部

• Aiトレンド・特集

  Googleに活用されているAiとは？

  Ai（人工知能）は、1950年代から研究が始まり近年ではAiロボットが開発されるなど、テクノロジーの話題においては欠かせない大きな存在となっています。そんなAiですが、意外と身近な存在でもあり私たちの生活に役立てられています。中でも、GoogleのAiサービスは誰でも無償で使うことができ、簡単にAiを体験することができます。そこで今回は、Googleを焦点におき、GoogleのAi活用についてご紹介していきます。Googleの市場Googleとは、インターネットの検索の中で代表的な検索エンジンの一つで、Googleの他にもYahoo!やBingなどがあります。Googleは、世界的にも認知度は高く、2018年の検索エンジンのマーケットシェアによると、他の検索エンジンを抑え全体の約7割の人がGoogleを使用していることが明らかになりました。また、米グーグルの親会社アルファベットが2020年4月に発表した、1～3月期の四半期決算は、広告収入などが堅調で、売り上げ高が前年比13％増の68億3600万ドル（約7300億円）、純利益は同3％増の68億3600万ドル（約7300億円）と、Googleの規模やシェアの大きさを物語っています。圧倒的な利用者数を持つGoogleですが、実は近年ではGoogleの中にもAiが活用されるようになってきているのです。それは、Googleを利用する皆さんは一度は利用したことがあるということになります。実は身近なところで知らぬ間にAiを利用していると考えると、気になりませんか。次項からGoogleがAiに力をいれるようになった要因と、Google内で利用されるAiについて詳しく解説して参ります。Googleは世界の中でもAi活用が進んでいる？現在、第3次Aiブームの真っ只中であり、「ディーププラーニング（深層学習）と呼ばれる時代に私たちはいます。これは、カナダのトロント大学のジェフリー・ヒントン教授によって考案されたもので、人間が自然に行うタスクをコンピューターに学習させる機械学習の一つです。・GoogleがAiに傾倒した一因GoogleはITを中心に幅広く事業に取り組んでおり、その中でもAiに力を入れています。GoogleがAi研究に力を入れている理由には、ハードウェアの性能の限界を見出したことが一因です。10年ほど前に比べると、CPU（中央処理装置）やGPU（画像処理装置）の性能は格段に向上したのですが、日常生活上の利用となるとオーバースペック（性能が高すぎる）が生じ、その結果、CPU（中央処理装置）工場の見込みがなくなり、ハードウェアよりソフトウェアにシフトチェンジする必要が出てきました。ここからGoogleのAiファーストが始まります。・Googleは世界でもAiを牽引Googleは、世界的にも有名な人材を抱えており、中でも「Andrew Ng」や「GeoFFrey Everest Hinton」は、自動運転の技術や音声認識・検索エンジンなどGoogleのAiに大きく関わってきた人物です。そして、近年話題となった「アルファ碁」もまた、GoogleのDeepMindで開発されたものです。「アルファ碁」とは、2016年に開発したプログラム『Alpha』が人間のプロ囲碁棋士を始めて破ったことで、大きなニュースとなりました。その他、開発者向けのAi技術提供も積極的に進められおり、GoogleのAiがクラウド上から利用できることで、世界のさまざまな企業にもGoogleのAiが組み込まれるほです。以上のことから、Ai活用においては世界から見てもトップクラスであり、優位性を保ち続けてきていることが分かります。では、世界的にもトップクラスであるGoogleのAiには、どういったものがあるのでしょう。次項でご紹介致します。各所に利用されるGoogleのAi日常に役立つものが多いGoogleのAi。それによって、私たちの生活がどんどん便利になってきています。早速、GoogleのAiとはどのものがあるのか以下5つをご紹介していきます。・Aiで翻訳「Google Transliterate」・Aiで地図検索「Googleマップ」・Aiが日常をサポート「GoogleHome」・Aiが予約代行「GoogleDuplx」・Aiで探す「この曲は何」・Aiで翻訳「Google Transliterate」「Google Transliterate」とは、テキストの翻訳やWebページからの翻訳も可能なサービスであり、脳神経細胞（ニュートラルネットワーク）を学習モデルにし、ディープラーニンングをAi翻訳に導入したものです。60ヵ国もの母国語から選ぶことができ、2006年に開始され、1日に1400億語以上の翻訳が月5億人以上のユーザーによって使われています。・Aiで地図検索「Googleマップ」「Googleマップ」とは、Aiの機械学習機能を利用して、スマホやパソコンで目的地までの距離や、スポットなどを検索できるサービスです。「Googleマップ」の利用者は、2020年5月が最も多く4717万人と、日常的に利用されていることが分かります。その他にも、グルメや渋滞の予測など16ものサービスを行っています。・日常をサポート「GoogleHome」「GoogleHome」とは、テレビCMなどで「OKGoogle」や「ねぇGoogle」とAiスピーカーに話しかけ話題にもなりました。これは、スピーカーに話しかけ、Aiが音声認識で声に反応し、ニュースや天気予報・音楽といった情報を提供してくれる、といったものです。例えば、お子さんのお世話をしている最中に、「近くの小児科を教えて！」とたずねたり、その日の気温などすぐに知ることができるので上着を追加したり、まさにかゆいところに手が届き、何かをしながら情報を知りたい方にぴったりです。・Aiが予約代行「GoogleDuplx」「GoogleDuplx」とは、Aiがレストランやホテルなどの予約を人間の代わりに行ってくれるサービスす。残念ながら日本でのサービスはまだ始まってはいませんが、これは、Aiの音声認識とその内容を分析した上で、応答している仕組みです。利用手順は、「OK Google」でスマホで好みのお店をアクセスし、音声によってAiと予約日や予約時間・人数の詳細確認を音声にてやり取りをした後、Aiが実際に予約の電話を入れてくれる、というものです。そして、約10分後くらいにＧmailにて予約の詳細をお知らせしてくれます。実際にレストランにて、このAiの予約をとった方は、少し違和感があったものの、自然な流れでやり取りができていた、とコメントしています。今後、日本でのサービス開始が楽しみですし、テクロノジーの進化に驚かされるサービスです。・Aiで探す「この曲は何」2020年10月15日、Googleは新しい音声機能サービスを展開しました。例えば、「あの曲なんだったかな？」と思う時はありませんか？そのような場合に、スマホに向かって鼻歌を10～15秒歌うと、Aiが可能性の高い候補から複数の曲を探し出す、というものです。これは、Aiにスタジオ録音だけでなく、鼻歌や口笛などさまざまなメロディーを認識できるよう、Aiにトレーニングをさせた機械学習によって、世界中の音楽から一番近いメロディーを探し出します。現段階のところ、iosでは英語のみでAndroidでは20言語に対応しています。このように、Aiを導入することであらゆる可能性が膨らみ、日常生活が便利になったり、楽しみながら活用できるものへと変わりました。今後も、どのようなものが展開されていくのか注目され続けていくことでしょう。まとめ従来の技術では不可能だったレベルのパーフォーマンスも、ディープラーニング（深層学習）が加わることで、私たちにとって身近な存在になっているAi。概要でも触れたように、このディープラーニング（深層学習）は、大量の画像やテキスト・音声データなどを学習していくことで、人間の認識度も超えることもあると言われています。今後、どこまでAiの技術は進歩していくのか、目が離せません。本記事では、GoogleやGoogleのAi活用などについてご紹介致しました。Aiは、意外と私たちの身近な存在であるということがお分かり頂けたかと思います。Aiに興味を持たれた方や、Aiについて少し知りたい情報などありましたら、Aiチョイスを参考にされてみるのも良いでしょう。

  2020/10/26Aiチョイス編集部

• Aiトレンド・特集

  YouTubeの有害コンテンツ排除はAIが活躍？現状の問題点と活用における課題とは

  世界最大の動画共有サービスであるYouTube。毎日さまざまな動画や生放送が配信され、国内外を問わず人気を博しています。同時に有害コンテンツも日夜アップロードされており、削除やアカウント停止が行われています。しかしYouTubeはあまりに規模が大きくなり、有害コンテンツの排除が難しくなっているのをご存じでしょうか。近年では不適切動画を仕分けするために、AI（人工知能）が用いられています。AIによる有害コンテンツ認定、排除は便利である反面、問題も浮上しています。たとえば違反に該当していない動画でも、削除やアカウント停止の対象になるケースが増加しています。今回はAIの有害コンテンツ認定と、問題点や活用の課題についてご紹介していきたいと思います。 YouTubeにおける問題点YouTubeは、 Google LLCが提供する世界最大のムービー共有プラットフォームです。日本では芸人、俳優、アーティストなどによるYouTubeチャンネルの開設も増加しており、注目度は年々高まっています。一方でYouTubeには、嫌がらせやヘイトスピーチなど、規約に違反した有害コンテンツがアップロードされることもあります。もちろんこうした有害コンテンツは、YouTube側も排除に向けて取り組んでいます。しかし、なかなか排除しきれていないというのが現状のようですね。YouTubeは、 Google LLCが提供する世界最大のムービー共有プラットフォームです。日本では芸人、俳優、アーティストなどによるYouTubeチャンネルの開設も増加しており、注目度は年々高まっています。2020年3月の時点でYouTubeの月間アクティブユーザーは、20億人を超えました。YouTubeへのトラフィックの内、アメリカが14.8％、インドが8.1%、日本が4.6％と続いています。YouTubeには毎日多くのクリエイターや企業が動画をアップロードしており、統計によると毎分500時間を超える動画がアップロードされている計算になります。さらに再生時間を計算すると、1日に10億時間分以上の動画が再生されています。一方でYouTubeには、嫌がらせやヘイトスピーチなど、規約に違反した有害コンテンツがアップロードされることもあります。2020年1月～2020年6月の間に報告された不適切なコンテンツは、ユーザーから267,185件、報告機関から121,639件も寄せられています。報告された項目数は「悪意のある表現や政治的な過激主義」が102,812件ともっとも多く、続いて「名誉毀損または侮辱」が76,749件、「有害または危険な行為」が62,873件となっています。※参考：Network Enforcement Law に基づく削除https://transparencyreport.google.com/netzdg/youtube?hl=ja&items_by_submitter=period:Y2020H1&lu=items_by_submitterもちろんこうした有害コンテンツは、YouTube側も排除に向けて取り組んでいます。しかし、なかなか排除しきれていないというのが現状のようです。世界最大規模の動画共有サービスに成長したYouTubeは、大きくなりすぎた弊害として、有害コンテンツを100％排除するのが難しくなっています。GoogleのCEOは、「これまでコンテンツが正しく認識されなかった」と認識し、いくつかの見落としに気づいたので優先順位を変えたと発表しました。また、AIを活用してコンテンツフィルターの精度を上げることも発表しています。2019年12月には「嫌がらせやネットいじめに関するポリシー」が更新され、動画やチャンネルの取り締まりが強化されました。※YouTube のポリシー嫌がらせやネットいじめに関するポリシーhttps://support.google.com/youtube/answer/2802268?hl=ja具体的には、以下のような事柄に関する取り締まりが強化されています。・潜在的、暗示的な脅しの削除・複数の動画、コメントにまたがって行われる嫌がらせに厳しく対処・人種、性別、性的指向などの属性に基づいて、悪意を持って侮辱するようなコンテンツへの厳しい対処などコンテンツ排除にAIを活用することには、メリットとデメリットがあります。特に2020年は新型コロナウイルスの感染拡大もあり、リモートワークが推奨されています。これまでAIと人間が行っていたガイドライン審査や有害コンテンツ排除に関して、AIが占める作業量が増加するようになりました。同時にAIの誤判定により、有害コンテンツに該当しない動画やチャンネルが削除されるといったトラブルも発生しています。そのため、YouTubeのオフィシャルブログでは、誤判定が発生した場合は申請による解除を呼びかけています。※YouTube Official Blog（英語）https://blog.youtube/news-and-events/protecting-our-extended-workforce-and?m=1 YouTubeの有害コンテンツ削除におけるAIの活躍有害コンテンツ削除のAI活用にはメリットとデメリットがあります。まずはAIによる活躍を見ていきましょう。従来までの有害コンテンツに対する対応YouTubeでは、AIによる機械学習と社員の判定を組み合わせることにより、有害コンテンツの検出・削除を行ってきました。有害である可能性の高いコンテンツをAIが特定し、その後に社員が目視でチェックするという体制で、有害コンテンツ排除に向けて取り組んでいます。AIによる有害コンテンツ排除膨大なコンテンツを管理するYouTubeは、人の力だけではすべての有害コンテンツを特定できません。AIだけでも誤判定発生のリスクが高く、人とAIシステムを組み合わせて対応していました。そのおかげで99％の確率で、不適切コンテンツを削除できるようになったと、GoogleのCEOサンダー・ピチャイ氏は発表しています。潜在的な脅し動画等も削除対象にこれまでYouTubeでは、直接的な脅しや嫌がらせが削除対象でした。しかしポリシーの改正により、潜在的だったり暗示的だったりする脅しも削除対象となりました。たとえば特定の対象を話題に出しながら武器を振り回す、暴力的なシーンに誰かの顔を張り付けて投稿するといった内容も削除対象となります。これら有害コンテンツの発見・削除にも、AIの力が活用されています。 AIによる有害コンテンツ排除の問題点現在はコロナウイルスの影響もあり、今まで人間とAIが行ってきた動画の審査関係業務において、AIに任される作業量が増加しています。しかしAIによる有害コンテンツ排除には、さまざまな問題点が指摘されています。どのような問題があるのか見ていきましょう。行き過ぎた検閲による排除YouTubeは12月11日に「嫌がらせやネットいじめに関するポリシー」を更新しました。YouTubeパートナープログラム（YPP）のポリシーも強化され、嫌がらせを繰り返すチャンネルはYPPから除外されるようになりました。これにより悪質なユーザーがYouTubeで収益を上げられなくなり、最終的にはチャンネルごと消されることになります。たとえば人間ならユーモアと判断できる内容も、嫌がらせと認定されるというケースも発生しています。この流れを受けて、行き過ぎた検閲を危惧する声も少なくありません。画像の誤判定による削除AIの判定により、適切な内容であるにも関わらず、動画やライブ配信が停止される状況も発生しています。たとえば人間の目では岩や砂漠であると分かる画像も、色加減や輪郭によってAIに裸体であると判断され、センシティブな動画であるとご認定されるケースです。この誤判定により、健全な内容を配信している配信者がアカウント停止の被害を受けるといった報告も寄せられています2019年には、ロボット同士を戦わせる動画が動物虐待と誤判定され、数百本の動画が削除される事態に発展しました。こうした誤判定による削除は、ユーザーから再審査の申し入れが行えるようになっています。この時に消された動画も、現在は復活していますコロナウイルスの影響によるAI作業量の増加2020年、新型コロナウイルスの感染拡大が続く中で、YouTubeはこれまで以上に自動コンテンツキュレーションを活用すると発表しています。一部オフィスでは通常通りの仕事を行うことが難しくなり、人員を減らしていることが報告されました。それに伴ってAIの稼働量が増加し、ガイドラインに違反していない動画でも誤判定を受け、通常よりも多くの動画が削除される可能性が高くなっています。AIによる有害コンテンツ削除における課題本来は問題のない動画が有害と判定され、配信停止されたり一部機能が利用できなくなったりするという事例は、実際に発生しています。日頃からコンテンツを配信しているユーザー、特に収益化を行っているユーチューバーにとっては深刻な問題です。多くのユーザーからは早期解決が求められ、問題が恒常化・長期化すれば深刻なユーザー離れを招いてしまうかもしれません。YouTubeがこのような状態になった原因の一つには、AI検出に対する高い依存が指摘されています。YouTubeに配信されているコンテンツの膨大な量を考えると、すべてのチェックを人の手で行うのは不可能です。そのためAIを活用すること自体は問題ではありません。問題となっているのは、AIの判定結果が適切かどうかといった判断が、正確と言える領域に達していないことにあります。この点はYouTube側も踏まえており、今まではAIの判定後、人間の視点によるチェックが挟まれていました。膨大な動画のチェックをAIが行い、処理できるだけの量を人間がチェックするという仕組みは非常に効率的です。現状、YouTubeのAIシステムだけでは、自動化の準備が完全に整っていません。人間とAI、両方が揃って初めて正確な判断が行える状況です。もちろんAIには学習能力があるので、長い目で見ればAIだけで正確な判断が行える可能性もあります。しかし当面は、AIだけに有害コンテンツ排除を行わせるには、まだまだ課題が山積みであると言えるでしょう。まとめ今回はYouTubeの有害コンテンツ排除にAIが活躍できる領域と、問題点や課題についてお伝えしました。現状、AIだけの判定では誤判定が発生する可能性が高いことを、YouTube側も踏まえています。正確な有害コンテンツ排除には、当面AIと人間の力を組み合わせて対応していく必要があるでしょう。コミュニティガイドラインに違反しておらず、誤って違反警告や削除が行われた場合には、再審査請求を行うことが可能です。誤判定による削除が長く続けば、YouTubeは深刻な人離れを起こす危険性があります。コロナウイルス収束の目途が立たない中で、果たしてYouTubeがどのような対応を取っていくのか、今後も目が離せません。

  2020/09/07Aiチョイス編集部

• Aiトレンド・特集

  Amazonが開発したAiツール『CodeGuru』とは？

  自動でコードレビューをしてくれるサービス「CodeGuru」が話題になっています。機械学習を利用したAIツールで、アプリケーションの最適化、負荷の原因になっているコード行の特定、ソースコードの品質向上、CPU使用率削減などを行ってくれます。Amazon Web Services（以下AWS）から一般提供が開始されたことで、アプリケーション開発者の間で注目を集めています。コストも時間もかかりがちなコードレビューが自動化できれば、アプリケーション開発がかなり楽になるでしょう。そこで今回は、AWSのAIツール『CodeGuru』について、解説していきたいと思います。コードレビューやコストパフォーマンス向上にお悩みの方は、ぜひ目を通してみてください！ AmazonのAIツール『CodeGuru』とは？米国時間の6月29日、Amazon Web Services（以下AWS）は「CodeGuru」の一般提供を開始しました。CodeGuruとは、コード品質の改善や、バグや問題防止のためのレコメンデーションAIを搭載した開発者向けツールです。機械学習による最適なパフォーマンスや、コストの最適化、コードレビューの自動化サービスを提供してくれるサービスです。コードの問題を検出して修正方法を示す「Amazon CodeGuru Reviewer」と、アプリケーションの性能最適化を支援してくれる「Amazon CodeGuru Profiler」という二つの機能があります。2019年12月、ラスベガスで開催された「AWS re:Invent 2019」において、すでにサービス自体は発表されていました。Amazonにおける数十万の内部プロジェクト、GitHub上の1万以上のオープンソースプロジェクトのコードをベースにして、機械学習を行ったモデルを用いてコード分析が行われます。開発したアプリケーションを、サーバー上で利用するための一連の作業は「デプロイ」と呼ばれています。一般的にデプロイ後のアプリケーション監視に十分な開発者を見つけるのは、非常に困難だとされています。またバグやパフォーマンスの問題が発生しない保証もありません。しかしCodeGuruなら、既存の統合開発環境（IDE）と統合して、人気の高いオープンソースプロジェクト1万以上ののAIアルゴリズムを利用することが可能です。書かれているコードを評価するコンポーネントで、これまで困難でコストがかかるとされていた問題を解決してくれます。CodeGuruの登場により、今後のアプリケーション開発は、かなり楽に行えるようになるでしょう。 AIツール『CodeGuru』にできることCodeGuruには、以下の二つの機能があります。 CodeGuru Reviewer「CodeGuru Reviewer」は、コードレビューの自動化や、コードの問題検出を行ってくれる機能です。コードレビューの自動化においては、AWSが今まで培ってきた技術力や機械学習を用いて、コードレビューを行ってくれます。主に以下のような、本番での問題につながる可能性が高い問題点にフラグを立ててくれるでしょう。・ベストプラクティスからの逸脱を検出・ページネーションの欠落を検出・バッチ処理でのエラー処理　などソースコードのプルリクエストを自動的に分析することで、重要な問題を発見。コードの欠陥を解決する推奨事項も提示してくれます。たとえば以下のような事柄の発見や、解決方法を提案してくれるでしょう。・スレッドセーフの問題・サニタイズされていない入力・資格情報など機密データの不適切な処理・リソースリークのチェック　などまたコード内のAWS APIとSDKの使用状況についてコードレビューし、最新のAWSの機能を利用しているかも判断してくれます。これにより、ベストプラクティスを常に最新の状態に保つことが可能となるでしょう。CodeGuru Reviewerがサポートする言語は、2020年7月時点でJavaのみとなっています。CodeGuru Profiler「CodeGuru Profiler」では、オブジェクトの過剰な再現、非効率なライブラリの使用、過剰なロギングといった問題における推奨事項を提供してくれる機能です。本番環境で実行しているアプリケーションの、さまざまな節約可能な部分を発見できるようになります。アプリケーションのCPU使用率と遅延特性を分析して、もっとも実行コストがかかっているコードの行を検出してくれます。またアプリケーションのパフォーマンス問題も自動的に識別。CPU仕様率、計算コスト削減、性能改善の方法なども提示してくれるでしょう。 これらの分析結果はグラフとして可視化されるので、ユーザーはどの点を改善すべきか簡単に把握できます。推奨事項の中には、非効率なコードを実行し続けることによるコストの見積もりも含まれています。2020年7月時点でのサポートは、Javaおよびその他のJVM言語となっています。 『CodeGuru』のメリット「CodeGuru」を使用するメリットについて見ていきましょう。コストがかかりすぎている部分を発見できるコードとアプリケーションが効率的であればあるほど、実行コストは減少していきます。CodeGuruを使用すれば、アプリケーションの節約可能な部分が簡単に発見できるようになります。パフォーマンスの問題、修正方法、推奨事項、非効率なコード実行にかかるコストの見積もりを提供してくれます。また修正に優先順位をつけることも可能なので、非常に便利だと言えるでしょう。パフォーマンスの最適化が可能AWS Lambda、Amazon EC2、Amazon ECS、AWS Fargate、AWS Elastic Beanstalk、オンプレミスで実行するあらゆるアプリケーションプロファイラーエージェントをJVMに添付EC2、コンテナ、オンプレミスアプリケーションLambdaをインスタンス化する場合には、1行の変更でLambdaコード内にエージェントが添付されます。コードの問題を本番稼働前に発見できるCodeGuruは、AWSが何十年に渡り蓄積した知識と技術に基づいたトレーニングが実行されています。コードレビューの場合、GitHub、GitHub Enterprise、Bitbucket Cloud、AWS CodeCommitなどにコードをコミット。Amazon CodeGuru Reviewerが既存のコードベースを分析して発見しにくいバグ、重大なコードの問題などを高い精度で識別してくれるでしょう。それらの問題を修正する方法も提供し、連続するコードレビューのベースラインを作成してくれます。異常の早期検出と通知が可能Amazon CodeGuru Profilerは、パフォーマンスの異常を自動的に検出してくれます。異常が検出された場合、10分以内に指定先へと通知が送信されます。早期検出と通知により、本番環境で問題が深刻化する前に防止できるでしょう。ユーザーへ影響を与える前に、修正するための十分な時間が得られます。 『CodeGuru』のデメリット「CodeGuru」を使用する上での問題点についても紹介させていただきます。プロファイルできるアプリケーションの種類が限られている2020年7月現在、プロファイルできるアプリケーションの種類は限定されています。Amazon CodeGuru Profilerは以下のアプリケーションで動作するので、留意しておいてください。・Amazon EC2、Amazon ECS、Amazon EKSで実行されるコンテナー化されたアプリケーション・AWS Fargateで実行されるサーバーレスアプリケーションでホストされるアプリケーション対応リージョンが限定されている2020年7月現在、AWS コンソールで表示が確認できたのは以下のリージョンです。・アジアパシフィック (シドニー)・欧州 (アイルランド)・米国西部 (オレゴン)・米国東部 (バージニア北部)・米国東部 (オハイオ)このように現時点では国外リージョンとなっていますが、AWSコンソールからは利用できるようになっています。 まとめ今回はAWSが提供開始したAIツール「CodeGuru」について解説しました。CodeGuruはコードレビューの自動化や、コードの問題検出、実行コストの削減などを行ってくれます。今まで困難とされていたことがお手軽に行えるようになるので、今回の一般提供開始は非常に注目を集めています。Amazonによると社内では8万件のアプリケーションの最適化に利用され、数千万ドルの節約につながったとされています。現在は国外リージョンとなっていますが、今後の動向からは目が離せません。新たな情報が発信され次第、本サイトでも情報を提供していきたいと思います。

  2020/07/29Aiチョイス編集部

• Aiトレンド・特集

  今すぐ使える！Ai搭載家電５選

  皆さんはAiと聞いてどのようなイメージを持ちますか？日常生活ではほとんど利用機会がない、身近なところで利用されることはほとんどない、、、など、Aiに対して『遠い存在』であるというイメージを持っている方も少なくないでしょう。しかし、近年では、Aiを搭載した家電が徐々に浸透してきているのです。家電といいますと、普段の生活で欠かせないもので、食事の際は炊飯器や冷蔵庫、オーブンレンジが必要になりますし、部屋の温度調節にはクーラーを利用することもあります。そこで本記事では、日常生活で最も身近な家電の中でもAiを搭載した家電を5つご紹介していきます。家電にAiを搭載するメリットとはただ、そもそも家電にAiを搭載してどんなメリットがあるのか、今の機能でも十分満足だ！という方も、中にはいらっしゃるはずです。まずは、家電にAiを搭載するメリットからご紹介していきます。家事の負担が軽減できる1つは家事の負担が軽減できるという点です。Aiは工場などの企業で利用されるとき、主に人間の繰り返し行うような作業を人間に変わって行います。Ai家電も同様で、例えば、朝設定した時間になればカーテンが開き、キッチンに向かえば電子レンジが冷蔵庫の中身にあるものを参考にレシピを考えてくれるなどです。また、鍵のかけ忘れ、電気の消し忘れが気になれば、Aiが人の気配を検知して勝手に消してくれたり、鍵をかけてくれたりするでしょう。また、Aiがごみを検知し、自動でお掃除を行うお掃除ロボットも、家事の負担を軽減してくれます。時間を効率的に使える特にお子様のいるご家庭、介護をされているご家庭ですと、家事に使う時間はなるべく少なくしたいものです。しかし、家事の負担が軽減されることで時間を効率的に利用できるというメリットもあります。というのも、Aiは機械学習で得た、効率的な家事の進め方、最短の進め方を人間に提示したりすることもできるため、極端に言えばこれまで夕食を作るのに1時間かかっていたところを、Ai家電に『30分でできる献立』などを聞くことで、半分に作業時間を短縮することができるということです。その分、余った30分をほかの家事に充てることができるでしょう。子供でも簡単に使えるまた、Aiを搭載していることで家電自身が使い方を教えてくれます。要は故障時以外普段の扱いにおいて説明書がいらない可能性もあるということです。そうすると、子供でも簡単に家電を利用することができるようになります。ひいては、耳の不自由な方、目の不自由な方でも、音声で操作方法を案内し、実際にAiと会話をする形で操作ができたり、ディスプレイに表示された通りに操作を進めることができたりすることで、日常生活を楽に過ごすことができるでしょう。Ai搭載家電厳選5選ではここからはAi搭載家電の厳選5選をご紹介していきます。SHARP ヘルシオ家事の中でも、特に負担の一つとなっているのが料理であるという方も多いのではないでしょうか。マンネリ化は防ぎたいけども、思いつかない、そういったご経験のある方もいらっしゃるでしょう。そこで利用できるのがSHARPのヘルシオというAi搭載のオーブンレンジです。インターネットとつながり、Aiの音声認識機能を搭載することで、音声操作が可能な家電の開発にいち早く取り組んだのはSHARPでした。インターネットにつなげるとAiと会話することができるようになり、説明書をみなくとも操作方法を教えてくれたり、食材などからおすすめの料理を提案してくれることも可能です。使用した履歴も蓄積して学習していくので、使うごとに、使用者の好みの傾向をつかんで提案することもできます。献立に困ってしまうという方でも、Ai搭載のオーブンレンジを活用することで、栄養バランスの取れた食事、時短な食事を毎回提案してくれ、料理の負担を軽減することができるでしょう。SHARP　IoT冷蔵庫SHARPが2017年に発表した冷蔵庫はAiを搭載したIoT冷蔵庫です。クラウドサービスと連動して冷蔵庫にある食材に合わせたメニューを提案してくれたり、扉の開閉時間を学習することで食事の時間や起床時間など家族の生活サイクルを把握することができます。要は、利用者に合わせて動いてくれる冷蔵庫と申し上げればわかりやすいでしょう。天候などの外気の情報とも連動しており、寒い日には暖かいメニューを、暑い日には冷たいメニューを、冷蔵庫の中の食材で作れるメニューを提案してくれます。冷蔵庫の中身の食材で食事を作ることができれば食品ロスを減らしたりすることにもつながるかもしれませんね。Panasonic　ロボット掃除機ロボットの掃除機といえば、ルンバなどを思い浮かべる方も多いかもしれませんが、Panasonicが発表したロボット掃除機『RULO(ルーロ)』は、本体上部にあるレーザ距離センサとディープラーニングを使った独自の『Ai床センサ』で床上の物体を認識して、その段差に応じて本体を事前に持ち上げることができるというのが一番の特徴です。つまり、床に落ちているごみを検知して、その場所を狙ってきれいにしてくれるAiロボット掃除機であるとお考えいただければわかりやすいでしょう。Aiがごみを検知してくれるので、人間が掃除機をする手間が省けますし、もしかすると人間よりも部屋をきれいに保つことができるようになるかもしれません。RULOは今後、ビジネス用のモデルも展開していくとのことです。ダイキン　Aiエアコンダイキンが2019年秋に発表したAiを搭載したエアコンは、ユーザーの好みの快適さを使用パターンから学習し、適切な温度を自動で設定することが可能なエアコンです。従来型のエアコンの場合は、25度に設定すると、部屋が25度になったら、安定運転に切り替わっていました。しかし、部屋が25度になるころには、ユーザーが感じる体感気温は低いことが多く、設定温度をユーザーがあげていることが多くあるそうです。そんな、ユーザーのリモコン操作のパターンを記憶し、さらには壁や床の放射熱までをAiが感知することで快適な部屋を提供することができるようになります。些細なことですが、エアコンによる寒さや暑さは意外にも人間のストレスになっているものです。それを自動で変化させてくれるのであればとっても便利です。SHARP　ココロビジョンプレイヤーSHARPのテレビといえば、AQUOSを思い浮かべる方も少なくないでしょう。中でもココロビジョンプレイヤーというテレビは、Aiが活用されており、好みの番組を学習して、おすすめの番組を提案してくれることができます。特に、情報がたくさんあふれている現代だからこそ、取捨選択をしていかなければならない時代です。しかし、せわしい毎日の中であふれる情報をどのように選択すればよいかわからないという方も多いでしょう。そんなときにAiを搭載したテレビを活用することでユーザーにあった番組を選択してくれ、情報取捨選択の手間が省けるようになるわけです。Ai搭載家電の今後とはこのように、自宅用の家電が徐々に広がってきている中、近年では、自宅内の様々なモノをインターネットにつなげた『スマートホーム化』なども広がってきています。近年至る所で利用される『スマート』という言葉、これは、インターネットやAiなどの最先端技術を利用して、人間の暮らしを豊かなモノ、便利なものにしようというものです。スマートオフィス、スマートフォン、などなど、いろいろあります。今後は、上記にご紹介した家電から、これまでインターネットにつながるなど予想もつかなかった、『ベッド』や『トイレ』、そして『自宅のとびら』などもインターネットに接続された商品が一般的になるかもしれません。実際に、ベッドやトイレについては介護現場において活用されているところもあり、認知症の方などの介護において、ベッドやトイレの使用回数、ベッドに寝ているときの睡眠の質などをAiが検知し、異常があれば管理者のスマホにアラートを流すことができます。一般家庭であれば、安眠ができる音楽を流してくれたり、安眠できる寝方、生活スタイルに合わせてベッド自体が朝目覚まし代わりに起こしてくれたりするようになるかもしれませんね。と、このように、今後はますますいろいろなものがインターネットにつながり、Ai家電が当たり前になり、Aiのおかげで人間の暮らしはより生産的かつ、豊かになっていくことでしょう。まとめ本記事ではAi搭載家電5選と合わせて、Ai家電を利用するメリットから、今後のAi家電について解説してまいりました。Aiを身近なものに感じることができていなかったという方も、こんなに身近な場所にAiを搭載したものがあったのだと驚いたと思います。家電は、いつの日も人間が豊かに暮らすことができるものとして長年愛されてきました。今後はAiを搭載することで、さらに人間の生活は便利になっていくことでしょう。AiチョイスではAiに関する最新情報を随時更新してまいります。Aiに関する疑問などがあればぜひコラムを除きに来てください。 

  2020/07/22Aiチョイス編集部

• Aiの基礎知識

  【機会学習とは】3種類の学習方法や使い分け、5つのアルゴリズムにも注目！

  Apple製品の代名詞と言えば、やはり「iPhone(アイフォン)」ですよね。このiPhoneですが、「Siri(シリ)」による音声コントロールに始まり、顔認証技術の「Face ID(フェイスアイディー)」や、指紋認証システムの「Touch ID(タッチアイディー)」など、実はAiの技術を結晶した製品だということをご存知でしょうか。今回は、Aiにおける基礎知識として「機械学習」にスポットをあてて、その種類やそれぞれの学習アルゴリズムなどについてをわかりやすく解説し、Siriが私たちの顔や声を正確に認識できる謎に迫っていきましょう。機械学習とはAiは、入力された膨大なデータを瞬時に学習・分析することで、それらのデータ群に内在する共通項や規則性を発見し、最適な回答を見つけ出したり、カテゴリ別に分けることなどを得意としています。こうしたAiによる一連の学習活動を「機械学習」と呼び、この機械学習には、入力するデータのタイプや環境状況に応じて、主に3つの種類が存在します。機械学習の3つの種類①教師あり学習教師と言うと学校の先生などをイメージするかもしれませんが、Aiの分野における教師とは「正しいデータ(＝以下、正解データ)」を意味する言葉となります。コンピュータに対して大量のデータと一緒に正解データを入力することで、コンピュータは入力データと正解データそれぞれのデータの特徴を読み取ります。この学習を繰り返すことで、コンピュータは入力されたデータのうち「どのデータが誤りで、どのデータが正しいか」を正確に判断できるようになるのです。②教師なし学習教師なし学習とは、先ほどの教師あり学習とは異なり、膨大な正解データの分析を必要としない入力データのみの学習パターンになります。正解データを学習しない代わりに、膨大な入力データそれぞれが持つ構造や特徴を分析し、カテゴリ別にグループ分けを行ったり、要素の簡略化を行ったりします。入力されたデータに対してコンピュータ自身がそれぞれのデータの共通項や規則性を見つけ出し、カテゴリ別に分けていく学習パターンです。③強化学習強化学習とは、簡単に言うと「コンピュータがとる行動の方針を最適化する仕組み」を学ぶという、トライ&エラー型の学習手法になります。コンピュータが良い行動をとると高い報酬を、逆に悪い行動をとると低い報酬を与えるよう行動の結果ごとに報酬の値を設定し、その報酬を「最大化」するように機械は試行錯誤を行ってくれるため、コンピュータ自身が自分の学習を強化していくことで精度を上げていくという仕組みになります。さらに現在では、この強化学習と「ディープラーニング(深層学習)」という学習手法を組み合わせた「深層強化学習(DQN)」が、強化学習の中でも主流となっています。囲碁の世界チャンピオンを倒した囲碁Ai「AlphaGO(アルファゴー)」にも、この深層強化学習が活用されています。機械学習における『教師あり学習』と『教師なし学習』の使い分け教師あり学習は、入力データと正解データをセットで読み込ませるため、ある特定の画像やテキストなどを判別する際に役立ちます。例えば、がん患者の大小さまざまな細胞画像を正解データとすることで、受診者の細胞を正確に判別することが可能になるため、がんの早期発見や早期治療に役立ちます。対して教師なし学習は、正解となるデータが存在しないため、膨大な数のデータをそれぞれの共通項に分類したり、規則性に沿ってカテゴライズする際に重宝します。これは、企業の保持している顧客データなどのビッグデータに応用することで、顧客のニーズやユーザー行動の分析が可能になるため生産性の向上に繋げることができます。このように、教師あり学習と教師なし学習それぞれにメリットとデメリットが存在するため、導入の際にはAiの利用用途を吟味した上で検討しましょう。機械学習で利用されるアルゴリズム上述した3種類の機械学習手法ですが、その中でもさらに細かいアルゴリズムによる分類が存在します。ここからは、機械学習の際に用いられる、主なアルゴリズム5つを確認していきましょう。分類(＝教師あり学習)教師あり学習の一つで、「分析したい入力データが属するカテゴリーやクラスが何なのか」を判定する手法。回帰(＝教師あり学習)教師あり学習の一つで、「売り上げや成長率といった数量を扱う場合の学習方法」で、過去の顧客データから新規顧客が今後どのくらい訪れるのかなどを予測することができます。クラスタリング(＝教師なし学習)教師なし学習の一つで、「類似するデータ同士を機能やカテゴリごとに分けて集める」という、回帰の教師なしバージョンのような学習手法です。次元削減(＝教師なし学習)教師なし学習の一つで、機械学習でも特徴量が不必要に多すぎると、いわゆる「次元の呪い」という現象が起こり、精度が悪くなることがあることから、データの次元(特徴量の数)を減らす手法になります。異常検知機械の故障やデータ分析の外れ値などのコンピュータ数値における異常を検知・推測する際に利用する手法です。■まとめ一口に機械学習とは言っても、Aiの利用目的や導入先の環境などによって適切な学習方法や採用すべきアルゴリズムは異なります。Aiの導入を検討されている場合、まずは導入の前に、自身のAi活用の目的をしっかりと確認することが重要です。そもそもAiには「何ができて何ができないのか」を深く理解することで、導入による無駄な工数の発生やリスクを回避することにも繋がるでしょう。

  2020/07/21Aiチョイス編集部