オルタナティブ・ブログ > ITソリューション塾 >

最新ITトレンドとビジネス戦略をわかりやすくお伝えします!

【図解】コレ1枚で分かる人工知能が使えるようになった理由

»

1956年、米国のダートマスに研究者たちが集まり、「やがて人間の知能は機械でシミュレーションできるようになる」との考えを提唱、これを"Artificial Intelligence(人工知能)" と名付けました。人工知能はこの理想を実現できないままに幾度かの挫折を経て現在に至っています。しかし、ここ数年、「この理想が実現できるのではないか」との期待が急速に膨らみはじめています。その背景には、「アルゴリズムの革新」、「計算能力の飛躍的向上」、「ビッグデータの利用」があります。

スクリーンショット 2016-07-05 6.25.02.png

アルゴリズムの革新

かつて人工知能は、膨大な知識やルールを人間が全て教える必要がありました。そのために人間が教えるための知識を集め、ルールを記述しなくてはなりませんでした。教えるべき知識は膨大です。そのためにこのやり方はやがて限界に突き当たりました。そしてこの限界を突破するやり方が登場しました。それは、コンピューターが大量のデータから勝手に知識を整理しルールを見つけ出してくれる「機械学習」です。

機械学習特の中でも昨今注目されているのが、「ディープラーニング(Deep Learning:深層学習)」です。この技術は、脳科学の研究成果を踏まえ、人間が脳の中で行っている学習の仕組みを参考に作られた機械学習のアルゴリズム(計算や問題を解決するための手順や方式)です。

ディープラーニング以前は、ものごとを分類するためのやり方や着眼点(特徴量)を人間が与え、大量のデータからその特徴量に従って分類するやり方が使われていました。しかし、ディープラーニングはその特徴量を大量のデータから自分で見つけ出すことができるようになり、画像認識や音声認識といった特定の知的作業では人間の能力を凌駕するまでになっています。囲碁の世界チャンピオンに勝った人工知能「Alpha Go」もこの技術を応用したものです。

この技術の登場により、人工知能は実用レベルが高まり、適用の幅、可能性が大きく広がっています。

計算能力の飛躍的向上

コンピューターの計算能力が飛躍的に向上したことで、大量のデータを高速で処理することが可能になりました。先に紹介した機械学習は知識やルールの元となるデータが大量であるほどに能力を発揮します。そのためには、大量のデータを高速で効率よく処理する計算能力が必要です。その能力が機械学習を実用で使えるほどに、十分なレベルに達しつつあるのです。

特にGPU(Graphic Processing Unit:GPU)の性能向上は、機械学習の実用化に大きく貢献しています。GPUとはもともと画像処理のために開発された専用プロセッサー(コンピューターにおいて計算を実行する中核的な装置)でした。その特徴である「大規模並列処理(同時に複数の計算処理を行うこと)」能力の高さが、ディープラーニングなどの機械学習に適していることから、この分野で広く使われるようになり、いまでは機械学習に特化した機能なども加えられその性能をさらに進化させています。

ビッグデータの利用

1990年代の初め頃から使われはじめたインターネットにより、世界中がネットワークでつながる時代を迎えました。このインターネットを土台にして、ホームページ(Webサイト)が広く公開されるようになり、世界規模で様々な情報が発信されるようになったのです。さらにFacebookやTwitterなどのソーシャルメディア、スマートフォンやウェアラブルなどの普及によりデータを生みだす仕組みが急拡大します。さらにモノにセンサーや通信機能が組み込まれインターネットにデータを送り出す仕組みであるIoT(Internet of Things:モノのインターネット)が広がりを見せ始める中、大量のデータ(Big Data:ビッグデータ)を集めやすい環境が整いつつあります。

先に紹介した機械学習はデータが大量であればあるほどその性能を高めてゆきます。そのためのデータが集め易い状況となったのです。ソーシャルメディア、スマートフォンやウェアラブル、IoTといったデータを生みだす仕組みが今後益々拡大することが予想される中、機械学習はさらにその能力を高めてゆくでしょう。また、逆にデータが大量に集まるようになり、これまでのアルゴリズではデータにどのような規則性や相互関係があるかを見つけることが難しくなりました。それを見つけ出す手段として機械学習は期待されているのです。

「アルゴリズムの革新」、「計算能力の飛躍的向上」、「ビッグデータの利用」のおかげで人工知能は能力を高めつつあります。しかし、現時点では「ダートマスで掲げられた理想が実現された」といえるほどに、人工知能が進化したとは言えません。ただ画像処理や音声認識などの特定の知的能力においては、既に人間の能力を超えるほどにその性能を高めており、それらを実用に使ってゆこうという取り組みは急速に拡大をみせつつあるのです

【最新版】最新のITトレンドとビジネス戦略【2016年7月版】

LIBRA_logo

*** 全て無償にて閲覧頂けます ***

最新版【2016年7月】をリリースいたしました。

【インフラ&プラットフォーム編】(294ページ)

クラウドを知る上で役に立つ基礎知識を追加しました。

【新規】クラウドのための知っておくべき基礎知識 p.14-21
【更新】+【新規】SOA(Service Oriented Architecture) p.69-80
【更新】増えるRDBMS以外のデータベース p.211
【更新】NoSQL p.226-239
【新規】ソフトウェア化する世界 p.9
【更新】モバイルとクラウドクライアント p.99-102
【新規】マイクロソフトのクライアント戦略 p.129
【更新】各社のクライアント戦略 p.131
【新規】仮想化されたシステム構成 p.140
【新規】SDIについての新しい解説 p.145-151
【更新】コンテナ型仮想化とDocker p.166

【アプリケーション&サービス編】(246ページ)

APIエコノミーとFineTechをわかりやすく解説

【新規】M2MとIoTの違い p.8
【更新】デジタルコピー/デジタル・ツイン p.20
【新規】「モノ」のサービス化(カメラ編) p.27
【更新】コマツの取り組みに新しい動画を追加 p.57
【新規】BIとAIの関係 p.127
【新規】なぜいまは人工知能なのか p.147
【新規】各社が機械学習サービスをクラウドで提供 p.155
【新規】システム資産・運用の歴史的変遷 p.210
【新規】ウォーターフォール開発とアジャイル開発 P214-216
【更新】DevOps p.223
【新規】APIエコノミー p.225-228
【新規】FinTech 新しいチャート p.232

【ビジネス戦略編】
今月の改定はありません。

閲覧は無料です。ダウンロード頂く場合は会員登録(500円/月)が必要となります。
http://libra.netcommerce.co.jp/

まずは、どのような内容かご覧頂ければ幸いです。

「ポストSIビジネスのシナリオをどう描けば良いのか」

これまでと同じやり方では、収益を維持・拡大することは難しくなるでしょう。しかし、工夫次第では、SIを魅力的なビジネスに再生させることができます。

その戦略とシナリオを一冊の本にまとめました。

「システムインテグレーション再生の戦略」

si_saisei_w400

  • 歴史的事実や数字的裏付けに基づき現状を整理し、その具体的な対策を示すこと。
  • 身の丈に合った事例を紹介し、具体的なビジネスのイメージを描きやすくすること。
  • 新規事業を立ち上げるための課題や成功させるための実践的なノウハウを解説すること。

また、本書に掲載している全60枚の図表は、ロイヤリティ・フリーのパワーポイントでダウンロードできます。経営会議や企画書の資料として、ご使用下さい。

こんな方に読んでいただきたい内容です。

SIビジネスに関わる方々で、

  • 経営者や管理者、事業責任者
  • 新規事業開発の責任者や担当者
  • お客様に新たな提案を仕掛けようとしている営業
  • 人材育成の責任者や担当者
  • 新しいビジネスのマーケティングやプロモーション関係者
  • プロジェクトのリーダーやマネージャー
Comment(0)