「強い人工知能」「弱い人工知能」、マーケティング領域で活躍している人工知能たちの活用について考える

人工知能でサービスの質が向上!

人工知能(ai)と呼ばれている領域は近年で大きな変移を迎えようとしています。研究開発はもちろんですが、新しい技術がどんどん実用化されているのです。ちょっとしたことに人工知能を搭載するだけで格段にサービスレベルが上がります。人工知能という道具を上手に使うには、人工知能の主機能である学習方法を理解しておく必要があります。

画像処理からチャットボットまで。ライフスタイルに密接する人工知能

人工知能は、人の脳が行っている分析と判断を行うソフトウェアやシステムのことを指します。
人工知能とは何か、と一言でいうことができません。なぜならさまざまなレベルや種類があり、それら全てを”人工知能”というくくりにまとめてしまっているからです。
人工的に作られた脳は、まずデータを読み込み、有効なデータかを判断し、分析を試みます。それらを行った後に、読み込んだデータから一定のルールを導き出しそのルールを更に実行します。この判断〜実行に移すまでの工程が「学習」と呼ばれる部分です。
フラットな挨拶から始まり世間話をするツールもあれば、画像診断と合わせて医療サポートをするツールもあります。このように活躍する分野が幅広く、姿形を変えて私たちの生活を支えています。

ルールベースで思考する特化型人工知能、幅広く学習する汎用型人工知能

人工知能は用途でみると大きく2つに分けられます。1つが特化型人工知能、もうひとつが汎用型人工知能です。

特化型は、決められた用途でのみ利用できる人工知能です。特定された作業を行うために必要となるデータやルールをベースに思考していきますので、狭い範囲を深掘りしていることになります。自動運転の技術や画像認識、コンピュータゲームなどが用途として考えられます。
例えば同じゲームであっても、チェスが得意な人工知能は、将棋をすることはできません。同じようなルールのように思えますが、特化型の人工知能にはすでに蓄積している知識を応用することはできないからです。

一方汎用型の人工知能は、特定の作業を限定したものではなく、幅広く知識を学習しその中でさまざまな判断をしようというものです。
言い換えれば、人の脳と同様の働きをさせようというのが汎用型人工知能になります。
特化型と比べると広く浅くというのが汎用型の範囲になります。研究や開発の方向性も異なりますので、上記の特化型の人工知能は実用化されて利用度合いも増えてきましたが、汎用型人工知能は実用化に向けてはまだ研究開発途中の段階です。

弱い人工知能と強い人工知能

用途だけでなく、機能のレベルからみても弱い人工知能と強い人工知能の2つのレベルに分類することができます。
人工知能が備えている機能が高度であればあるほど、人の脳に近い思考をすることができます。もともと人のようにものを認識し判断し作業を行うことを目的にしていた人工知能ですが、実現するのには困難を極め、近年をもってようやく活用しやすいレベルまで引き上げる事に成功しました。
このように特定の作業のみならず幅広く作業を行える人工知能は、強い人工知能と呼ばれています。

一方、弱い人工知能は、人が行うことの一部を変わってやってくれるものです。一定の条件やルールにのっとって行動する人工知能は弱い人工知能と呼んでいます。
限られた処理を知性的にこなす例として、コンピュータゲームで人に勝利したことで話題になったチェスや将棋ができる人工知能がこれにあたります。
人がどのように考えるかをトレースして、同様の思考プロセスを人工的に行うのが強い人工知能、人が思考した結果をもとに実際に処理していくのが弱い人工知能と考えるとその違いが分かりやすくなります。(※1)

強い人工知能を開発したい理由

強い人工知能の研究や実用化に向けた開発はいくつもの課題があり、なかなか思ったように進んでいないのが現状です。強い人工知能の研究で最もハードルが高いのがニューラルネットワークの信頼性といわれています。
ニューラルネットワークとは、人の脳の神経細胞であるニューロンを真似て同様の思考プロセスをコンピューターに行わせようというものです。
人の脳の仕組みをそのままコピーしてしまえば、コンピューターに人と同じ知能を持たせることができます。

しかし、ただ思考プロセスを真似ただけでは人と同じことはできないという考え方もあります。強い人工知能の研究や開発には、研究者同士の考え方の違いや技術の問題などが大きく立ちはだかっています。

このような状況にあっても、強い人工知能を開発したいという流れは変わりません。
これほど強い思いがあるのには理由があります。その一つと言われているのがディープラーニングの研究です。
ディープラーニングはコンピューターがものを認識し判断するための学習手法のひとつです。
それまでのように人間が直接、判断材料となるデータやルールを入力するのではなく、コンピューターが自ら持っているデータの関連性を見つけ、そこから必要と思われる結論を導き出す学習を行います。
ディープラーニングは、強い人工知能の研究から生まれた学習手法の概念のひとつです。
強い人工知能の研究がさらに進み、より高度なディープラーニングができることで、それらを弱い人工知能に応用しようとしています。それによって弱い人工知能であっても十分に実用性のある技術として利用することができるようになるのです。(※2)

弱い人工知能をマーケティングでどう使う?

弱い人工知能は、すでにビジネスシーンのあちらこちらに見つけることができる技術です。では、どのように使われているのでしょうか。

マーケティングオートメーションでは、コンテンツの最適化に使われています。マルチチャネルで収集した顧客属性や行動、購入履歴など多くのデータを組み合わせ統合していきます。その結果購入確率や購入額などを予測してコンテンツの最適化を行います。

よく見ることができる顧客サポートの自動化は、SNSのメッセージアプリやチャットボットに組み込まれた弱い人工知能によってユーザーの問いかけに対して自然言語処理で自然な会話を実現しています。自然の会話の実行は、顧客満足度を上げるだけでなく、的確なレコメンデーションからコンバージョンへつなげることを可能にします。ルールベースの人工知能での会話とは異なる新しい会話シナリオも生まれてくることも考えられます。

新しい取り組みを考えるときに気になるのがリードタイムとコストです。
特に人工知能を実装させようと思うと開発工数がかかりすぎるのではと考えてしまいがちです。
しかし今では、クラウド技術が進みさまざまなSaaSサービスで人工知能の実装ができるようになりました。特にマーケティング領域においては、人工知能を活用した取り組みが進んでいます。それぞれの取り組みの中で自分たちに最適な人工知能の活用を実施することが大切です。(※3)

人工知能は用途に応じて使い分ける

人工知能には、レベルや領域、使う用途によっていくつかの種類があることをご紹介しました。
例えば弱い人工知能は、チャットボットなどで利用され、より自然の会話に近いやりとりを可能にしています。
強い人工知能の開発が進むと、その結果を応用して弱い人工知能の機能を拡張させることができます。そうなるとより用途が広がり、新しいサービスも生まれてきます。それぞれの人工知能が最適な環境で研究され実用化されていく中で相乗効果が生まれ、さらに開発が進んでいくでしょう。

※1.【MarkeZine】「強い人工知能」と「弱い人工知能」の違い、知っていますか? 人工知能の基本と活用を考える
https://markezine.jp/article/detail/23814
※2.【日本経済新聞】ディープラーニングは何が「ディープ」なのか
https://www.nikkei.com/article/DGXMZO11923100Q7A120C1000000/
※3.【MarkeZine】マーケティング領域で「弱い人工知能」はどう使われている? 機械学習の活用方法を考える
https://markezine.jp/article/detail/24107#cxrecs_s

WEB接客ツール【SYNALIO】サービス概要資料

誰でも簡単に、直感的な操作でチャットボット作成。チャット型WEB接客ツール

SYNALIOは、誰でも簡単にチャットボットを作成できる、WEB接客ツールです。

会話(シナリオ)の組み方によって、
・コンバージョン数/購入数の増加
・問い合わせ対応からの顧客満足度の向上
・離脱率/直帰率の改善
・業務効率アップ
など、様々なKPIを改善します。
詳細を見る
クライアントインタビュー