「ディープラーニング?」「機械学習?」「人工知能?」…最近よく見るAI用語まとめ

「ディープラーニング?」「機械学習?」「人工知能?」…最近よく見るAI用語まとめ

人工知能の話題が毎日のように新聞を賑わせています。といっても、「人工知能」「機械学習」「ディープラーニング」と一見同じように見え、それぞれがどのような意味なのか混乱してしまう人もいるのではないでしょうか。
今回は、これらを階層的に見ることで、それぞれが一体何を指しているのかを考えてみましょう。

一番の大きな括りは人工知能(AI)

人工知能は、人の脳の働きを人工的にコンピューターで行わせるものです。人工知能が結論づけたタスクをさまざまなツールやシステムで実行します。人工知能には「強い人工知能」と「弱い人工知能」という区分があり、汎用的に働くもの・ある特定の作業のみを対象にしたものの2つに分けられます。現在では特定のものを対象にした弱い人工知能から実用化されています。画像認識や自然言語処理、音声認識といった技術は、弱い人工知能によって実現された技術なのです。

人工知能の歴史は1956年にまでさかのぼります。この年に開催されたダートマス会議で初めて人工知能という言葉が確立されました。
その後長年に渡り研究が行われてきましたが、研究は山あり谷ありで、ブームが起き下火になり、またブームが起きるという状況を繰り返しています。
2015年以降は、ビッグデータをはじめとする人工知能周りの技術環境も整ってきたこともあり急速に開発が進み、実用化に向けての取り組みも積極的に行われています。

弱い人工知能はすでに実用化が進み、人の作業を助ける技術として積極的に活用されています。
例えば画像認識。これまで道路の整備点検などを行う際は、写真を撮ってひとつひとつ人の目で確認していたところ、技術の発達により画像認識を導入することで初期段階から確認作業を行えるようになりました。
これらは、工場ラインでの品質管理にも利用されています。画像のみならず音声認識の分野では、コールセンターでの自動音声が進み、人材不足のサポートとして活用されています。

人工知能と機械学習の違い:人工知能は研究開発の1分野、機械学習は学習方法

集合でよく使うベン図で表現するのであれば、人工知能という大きなくくりの中にある円が機械学習になります。機械学習は、人工知能の機能のひとつとして研究されているものです。
すべての指示をプログラムで書き込むのではなく、コンピューターに学習させることでコンピューター自体が指示を作り出すという技術です。

人がすべての指示をプログラムで書き込む場合、どうしても例外処理に穴ができてしまいます。例外処理をすべて書き込むのには限界があるからです。
また使い方を変えたときには、改めて指示の内容を変更したり付け加えたりしなければなりません。これにも限界があり結果的に煩雑になってしまいます。
そうなると処理の自動化が満足できるレベルになりません。そこで、指示を最初からすべて実装するのではなく、機械学習によって大量のデータとパターンの特徴を分析し、結果から新しい指示やロジックを導き出そうとする手法をとることにしました。
コンピューターが見つけ出した新しい指示やロジックは、未知のデータを取り込んだときに利用され精度の高い予測を自律的に行えるようになります。データを取り込み、処理をしたのち結果を出力するというコンピューターのルーチンにおいて、取り込むデータと出力する結果から、新しい処理方法を見つけ出すのが、機械学習です。

機械学習が新しい処理方法を見つけ出すときに利用するデータが入力データだけの場合もあります。この場合は、今までにない新しい入力データを見つけると今までの他のデータと比較しクラスタリング解析という解析方法で結果を導き出したり、異常検知として出力したりします。一方、出力もデータとしてフィードバックする場合は、入力と出力をセットで考え、規則性を割り出したのち、新たなデータに対する新たな出力を行います。このように学習方法に違いがあり、それぞれ適用できるシーンも変わってきますので、どちらをどのように使うかを見極める必要があります。(※1)

機械学習とディープラーニングの違い:ディープラーニングは、機械学習の研究開発の1分野

さらに機械学習の円の内部にある円がディープラーニングです。ディープラーニングは、機械学習の研究開発のひとつであるニューラルネットワークを多層にした考え方です。
ニューラルネットワークは、人の脳にある神経細胞の働きをまねてシステムを作ろうとする動きです。ディープラーニングは、ニューラルネットワークを多層にすることでより精度を上げたものです。
コンピューターが学習をするために人はパラメータの設定という方法で学習方法を伝えていました。これをコンピューター自身が行うというのがディープラーニングの特徴になります。
ディープラーニングでは、単なる機械学習に比べると適用対象がぐんと広がり、高いパフォーマンスを発揮することができます。

人工知能についてのサンプルとしてよく挙がる、チェスや囲碁などのボードゲームでハイスコアを出せるようになったことはディープラーニングを取り入れたからこそですし、今後急速な発展が期待されている自動運転もディープラーニングを採用しています。さらにディープラーニングは自然言語処理などでも活発に利用されています。
自然言語処理では、それまでにルールとして取り込んでいる処理とは異なるものが次から次へと出てきます。
それらをリアルタイムに判断し正しい反応をするためには、常に新しい結果を見つけ出し対応しなければなりません。ディープラーニングの研究が進むとさらに応用が広がり自然言語処理だけでなく、音声認識や画像処理でも人の耳や目となることも今後出てくるのではといわれています。

人工知能は学習方法によって使い分けする事が活用のポイント

全てにおいてディープラーニングを採用すればよいというものではありません。人工知能をどのレベルで利用するかはコストとのバランスが重要です。
機械学習にせよディープラーニングにせよ、人工知能は共通して膨大なデータを利用します。これらビッグデータから法則やルールを見つけ出しています。
ビッグデータを利用するということは、システムの構築の費用、運用時のネットワークやハードウェア、セキュリティ対策などの運用費用など高度で大量のデータを利用すればするほどコストがかかります。
そのためどのようなことを行いたいかによってどのレベルの人工知能を利用するかを判断し使い分ける必要があるのです。

では、どのように判断していけばいいのでしょうか。人工知能を利用する場合にまず行うのが、データから学習することを定義するということです。
ある程度のルールがすでに定義されている、あるいは定義することが可能である場合に、例外的な処理が少ないと予測できるのであれば、ディープラーニングを利用する必要はありません。
通常の人工知能、あるいは機械学習で十分に処理のコントロールができるからです。
しかし、予測しがたい処理が多くなることがわかっているのであれば、ディープラーニングでデータを回しながら新しい処理ルールを見出していく必要がありそうです。
特に複雑な問題に直面するシステムにおいてはディープラーニングがその本領を発揮します。

人工知能利用が顧客の接点を変える

人工知能から機械学習、ディープラーニングと対応する深さが変われば、使い方もどんどん広がっていきます。特にマーケティングの観点から見てみると、顧客との接点の取り方が明確に変わってくることがわかります。
マーケティングツールとして有効なチャットボットでは、問い合わせに対する定型的なやりとりから、リアルタイムな会話を実現させるディープラーニングまでレベルにあわせた対応が可能になります。
それによって自然な顧客のコンバージョンを実現できますので、顧客との接点の持ち方をどのようにしていきたいかを人工知能から考えてみるのも面白そうです。

※1.【Qiita】人工知能、機械学習、ディープラーニングを昔の自分でもすぐに理解できるように整理してみた
http://qiita.com/toshimitsu-miyachi/items/06bd47d5196698318dd0

Web接客システム【Re:mabo】 サービス概要資料

ユーザーを最短距離で、シンプルに購入ページまで導くWeb接客とは

いま注目されているchatbotを利用したWeb接客システムの仕組みや活用方法をご提案いたします。
ユーザーが必要な情報を随時取りに行くことができ、迷わない導線をWeb接客システムによって設置することでCVRの向上や離脱率低下に寄与いたします。
《こんな課題をお持ちの方に》
  • ・離脱率が高く、サイト内回遊率が低い
  • ・CVRを改善したいが、最適な手法がわからない
  • ・問合せ対応の工数が膨大になっている
ダウンロード
クライアントインタビュー