【テクリテ連載】AIの概要、利用ケース【第七回】
テクリテ連載第七回です。
お題は「AIの概要、利用ケース」です。
まずはテクリテ連載についてご一読ください。
今は猫も杓子もAI！AI！！って感じですね。AIってなんぞや？と。…まぁ人工知能です。 細かい定義をしだすとキリがないので、昨今騒がれる「AI」についてライトに語ります。
まず、簡単な情報分けならAIでなくとも簡単にできます。プログラムで言えば「イフ」を重ねるわけでいいのです。もしくは特定の条件に対して「ケース」を決めます。例えば、「色は？」と言う質問に対して、赤ければ「赤です。」青ければ「青です。」と答えるような簡単な条件分けですね。これは単純なプログラム出来てしまいます。
AIはこれをさらに発展させて、単純なインプットに対して、前もって決められたアウトプットを返すだけではなく、膨大な情報から最適な回答を返すことを目標にしています。
そのために、機械学習とか、深層学習(ディープラーニング)とか、人間の脳の構造を模倣したニューラルネットワークとか…そんな難しげな専門用語がワチャワチャ出てきます。
この辺は以下の記事を参照してみてください。
専門的で難しくてよくわかんねーや！！って人は、とりあえず「いっぱい情報を与えれば、ウマい事情報からルールを作って答えを出してくれる」レベルで考えていただければいいと思います。
ただし、判断材料も導き出す答えも基本的に全く新しいものはありません。与えられた情報の中から探すか、組み合わせたものです。
ここまでがAIの概要と思ってください。次に利用ケースです。
利用ケースについては前述の「新しいものはない」「与えられた情報の中から探すか組み合わせる」と言うことが重要になります。ものすごい雑に言えば「人間が学習、経験して定型化できるものはAIにもいずれは可能になる」と言うことです。自動運転もそうですね。
我々が通常従う道路交通法、危険予測などをデータ化し、その時の最適な行動をパターン化、学習させることで自動運転を可能にしようとしています。この「データ化」が先日のビッグデータと繋がります。ただ道をなぞるだけなら地図情報だけで事足りますが、信号を守る必要があり、車間距離を開けたり、急停止や飛び出しに対応する必要があります。
「事故るパターン」を「事故らないようにする」ために、通常パターン、危険パターンなどの画像情報、センサー情報、入力に対する行動パターン、行動後のセンサー情報…次から次へと変わる情報を処理し、適切に行動させようとしているわけです。
このように非構造化データを入力として扱うことで、自動運転以外にもAIによる医療診断、音声認識、人の顔の判別などが可能になっていくようになります。こうして音声、人の顔(パーツ配置等)のデータなどAIの学習に非構造化データが多く必要になるわけです。ビッグデータと若干繋がったでしょうか。
ちなみに、大量の非構造化データがビッグデータとして…そしてAIで状況判断や解析に用いられ…と言うことは、AIとビッグデータは切っても切れないものと言うわけです。
しかし小型デバイスにビッグデータを保管するわけにも行かないので、ネットワークを活用し入出力をデバイスで、複雑な判定、解析などの処理を中央集約的に実行しています。(必ずしも全てがそうだ、と言うわけではないですが、 自動運転やスマートスピーカーなどはそうですね。)
ここでも集約部分の処理を行うサーバや、多くの通信をさばくネットワークの進化が技術の革新を支えているわけですね。と、言うことで次回は「5G」関連、再び…です！前にも少し書きましたけどね。また書きます。
記事中で疑問、質問、異論、反論あれば歓迎です。コメントでもツイッターでもどぞどぞです。
それでは今日はこの辺で。
明日は大吉☆(｡>ω<)b
応援ありがとうございます。
励みになります！╭( ･ㅂ･)و
