スポンサーリンク

人工知能AIを理解しよう【初級者むけにわかりやすく解説】

スポンサーリンク
イノベーション
この記事は約16分で読めます。
スポンサーリンク

当ブログ記事は人工知能をざっくり理解するためにまとめました。

人工知能AIを理解しよう【初級者むけにわかりやすく解説】

人工知能、AI、ディープラーニングって最近よく聞くけど簡単に言うとどんな感じ?

そんな思いを持つ人のために最近ブームが再燃している人工知能について、ざっくり理解できるようにまとめてみました。

当ブログ記事を読んでおけばAIについて誰かにざっくりと説明できるくらいの知識量になります。

後半では「さらに勉強したい人」のためにおすすめの書籍やアクションも挙げておいたので、興味を持ち始めた人は自分の可能性を広げるための参考にしてください。

人工知能 機能の種類は4つ

最初にAIという言葉ですがArtificial Intelligenceの略で日本語で人工知能という意味です。

人工知能の種類はこちらの4つの機能パターンに分けられます。

  • 識別や判別をする
  • 将来を予測する
  • 会話や応対をする
  • 実行や行動をする

「あらかじめ学習した人工知能に対して、どんなことをさせたいか」について考えてみると4つの種類がイメージしやすいです。

具体例を挙げながら見ていきましょう。

識別や判別をする

あらかじめ学習して蓄積したデータを元に構築したAIにて識別する、判別するという機能です。

  • 画像処理にて人の顔を認識する
  • 様々な表情から感情を判別する
  • Web上の画像の中から似ている画像を探す
  • 工場の生産ラインで不良品を判定する

事前にA~DのパターンをAIに学習させておいて、新しいモノがA~Dのどれに該当するか判別・識別するようなイメージです(後述の「教師あり学習」を参照)。

人が見る画像を数値データにしたり、耳で聞く音や感覚を波形データにしてAIが学習して、蓄積した学習内容によって識別や判断をします。

将来を予測する

過去のデータや記録、出来事の影響度や推移のデータをAIが学習して、蓄積した学習内容をもとに将来について予測する機能です。

  • 過去の気温、気圧、記録から天気を予測する
  • 過去のイベント影響度から為替変動や株価変動を予測する
  • 人口動態の変化から将来の人口動態を予測する
  • 感染症の増減パターンからこの先の感染者数を予測する

ある将来の特定イベント前後や近い将来の話、それとも10年後の将来の話など予測したい事象に対して必要なデータを学習させる必要があります。

【過学習】過去に適合し過ぎて未来予測が当たらない
過去の事象に過剰に最適化してしまい適切な予測ができなくなる状況を過学習または過剰適合と呼びます(Overfitting)。
例えば株価や為替について過去データを元にバックテストを行い、精度よく過去のイベントに追従するプログラムを作ったのに、実際に運用開始したら的中しないプログラムをイメージするとわかりやすいですね。
学習が過去の特徴的(限定的)なイベントに適合し過ぎて「適切な傾向の分析や場合分け」が軽視されると生じる現象です。

会話や応対をする

あらかじめ学習して蓄積したデータを元に会話や応対をする機能です。

  • お客様窓口で会話しながら案内する
  • SiriやGoogleアシスタント、Amazonのアレクサ、pepperくん

「オッケーグーグル」でお馴染みのGoogleアシスタントやアイフォンのSiri、Amazonのアレクサ、ソフトバンクのロボットPepperくんのように、相手の状況や発言に対して発言したり案内するAIです。

日常生活に浸透しているのでイメージしやすいと思います。

実行や行動をする

蓄積したデータを元に何かのプログラムや動作を実行する、行動する機能です

  • 在庫状況を監視して必要に応じて注文をする
  • 自動運転の無人の自動車や工場内AGV

工場における生産オペレーションをAIにて実行するようなシステムや画像や距離センサなど外部情報を取り込んで進行・減速を決定しながら進むような自動運転のAIです。

プログラム実行や運転、ロボット動作といったような “実際の動き” を伴うものをイメージするとわかりやすいです。

よく心配される「AIの判断によって危険にさらされたり、損失が生じた場合の責任はどうなるのか」という話が出るのが「実行・行動」の面です。

人口知能にできること「代行と拡張」

AIの役割はこちらの2つに分類できます。

  • 代行型:人間の替わりに作業を代行する
  • 拡張型:人間にできないレベルの作業を実現する

人間の替わりに作業を代行する

人間が行う作業や判断をAIに代行してもらうことによって作業や生活が楽になる、効率的になるイメージです。

  • 生産ラインで作業者が実施している外観検査、聴覚検査をAIで判断
  • グーグルに好みの音楽を再生してもらう
  • 窓口でAIロボットに案内してもらう

などなど、便利で効率的なAIは既に導入が進んでいます。

一方で誰もが生活や仕事の中で「これAIでできるんじゃない?」と感じる部分なので、自分の仕事に危機感を持つ人もいると思います(詳しくは「AIのせいで仕事が無くなる」って本当?にて)。

人間にできないレベルの作業をする

人間の能力を超えた作業や判断をAIにしてもらう(人間の能力以上に拡張する)ことによって作業が効率的になるイメージです。

例えばこのような例があります。

  • Web上の大量の画像データから似ている画像を瞬時に探す
  • トレーに置かれた無数の電子部品の外観検査を画像処理で1秒で行う
  • 国際会議での多言語同時通訳

人間だと一人ではできない、数時間かかるような作業がAIを使うことで一瞬で実現できる方法もあります。

機械学習とディープラーニング

AIにおいて認識・判定・対応などのタスクができるようになるために必要な特徴やパターン、ルールを学習させることを機械学習と言います。

ディープラーニングは機械学習の一つの手法です。

AIの機械学習は最初にこちらの3点をおさえておきましょう。

  • 教師あり学習
  • 教師無し学習
  • 強化学習

答えがある課題を学習する教師あり学習

答えがある課題を学習することを教師あり学習と呼びます。

例えば生産ラインでの良品・不良品を判定するためのAIについて考えてみます。

不良品サンプルが不良項目別にA~Eの5種類あるとして、良品サンプルと不良品サンプルをAIに学習させます。

無作為にサンプルを判定させた際に良品なのか、もしくは不良品A~Eなのか判定することができるようになります。

答えが無い課題を学習する教師無し学習

答えが無い課題をAIが自己学習することを教師なし学習と呼びます。

先ほど同様に生産ラインでの良品・不良品を判定するためのAIについて考えてみます。

教師無しなので無作為に大量のサンプルをAIに学習させます。

AIはそれぞれのサンプルの特徴を学習しながら良品、A~E不良品に分類するようになります。

【クラスタリング】特徴別に対象を分類
AIの自己学習によって対象を分類していくことをクラスタリングと呼びます。

強化学習とは?

最終的に求める状態に辿り着くために “よい選択を繰り返すための学習” を強化学習といいます。

よい選択をすると報酬が与えられ、悪い選択をすると罰が与えられることによって、これを学習することで報酬を得るために良い選択ができるようになる仕組みです。

ちょっとわかりにくいのでこちらも例を挙げて説明します。

2足歩行のロボットを歩かせる環境について考えます。

この環境では少しでも長い距離・時間を歩けると報酬が与えられる、反対にバランスを崩して転倒すると罰が与えられるとします。

AIは様々な関節角度、スピード、体重移動を試しながら多くの報酬が獲得できるパターンを学習していきます。

それを繰り返すことで長い距離・時間を歩くようになることができる学習の仕組みです。

囲碁やチェスのAIについても同様です。

毎回の打ち手のたびに”よい選択”を繰り返して報酬を得る、駒を取られることで罰を受けながら学習していくことで最終的に勝利に辿り着くAIとなることができます。

【ニューラルネットワーク】人間の脳モデルを真似た学習の仕組み
脳の神経細胞ニューロンの繋がりのようにそれぞれが太い・細い伝達経路で繋がり、運ばれる情報が重要度や頻度に応じて判断できるようします。
取り込んだ学習情報を通過させる層をいくつか設けて、各層を通過する頻度や重要度によって場合分けできるように学習します。

ディープラーニングとは?

ディープラーニング(Deep Learning)はAIにおける機械学習の一つです。

ニューラルネットワーク(上述)の仕組みで作る層をたくさん用意してAIの学習能力を高めることから日本語では深層学習と呼ばれます。

近年大きな注目を集めているAIの進歩はこのディープラーニングによって実現されているものが多いです。

例えば自動運転を実現するには非常に多くの外部情報を取り込んで、それらに対して重要度を判断しながら動作を実行していく必要があります。
「人がいたら止まる」、「青なら進む」といった基本的な定義付けは最初に行ったうえで、無数の多くの情報やそれらの組み合わせに対してたくさんの層を深くまで作りながら重要度をAIが自ら学習して最適な運転ができるようになるのです。

AIをつくる・使う・活用する

実際にAIに関わる、活用するにはどのようなアプローチがあるか挙げていきます。

AIはプログラミングができなくても簡単なものであれば作れますし、もちろん出来上がったものを活用することもできます。

おそらく将来的にさらに簡単に活用することができるサービスも出てくるハズです。

プログラミングでAIをつくる

AIのアルゴリズムを実際にプログラミングコードを書いて作り上げる方法です。

少し敷居が高く感じると思いますがプログラミングを学びAIエンジニアやAIデータサイエンティスト、AIサーバエンジニアになるといったようなイメージですね。

現時点でまったくIT関連の業務に関わっていない状況だと厳しいと思います。

まだ日本におけるAIエンジニア自体が少ない事から通常のSEやサーバエンジニアがAIスクールに通ってジョブチェンジするパターンもあります。

もちろん未経験からスクールに通う、大学院に通う、AI企業に転職する人もいます。

興味があれば現職のままAIスクールを始めて「楽しい、仕事にしてみたい」と感じたら転職活動してみる、というように段階を経てリスクヘッジしながらチャレンジするのがおすすめです。

GUIでAIをつくる

プログラミング不要でAIが作れます。

GUI(Graphical User Interface)といってプログラムコードを書かずにマウス操作でAIを構築するツールがたくさんあります(下記の他にもたくさんあります)。

  • Amazon SageMaker
  • Create ML
  • Google AutoML
  • Azure Machine Learning

細かなカスタマイズを求めるならプログラミングが必要ですが、GUIツールを使って基本的なAI環境を構築して試すことは非常に有効です。

GUIツールもさらに直観的にわかりやすく、使いやすく進歩すると考えられるので、現時点では「プログラミングはちょっと」と思う人も「このような手段があること」は把握しておきましょう。

既に提供されているAIサービスを活用する

自分で作らなくても既に存在するAIサービスの機能が自分のニーズに合えば使うことができます。

有名なところでGoogle、Amazon、Lineなどが既にAIサービスを提供しています。

自分でプログラミングしなくても、GUIを活用して作らなくても既存サービスを活用することでAIを使いこなすことは可能です。

GUIと同じくさらに使いやすいAIサービスが出てくると思いますのでアンテナを張っておきましょう。

人工知能の未来「AIのせいで仕事が無くなる?」

AIがこのまま発展した未来では「人間の仕事は無くなる」と予測する人がいるけど本当なのでしょうか?

私はそんなことは無いと思います。

もちろん無くなる仕事もあると思いますが、それ以上にAIに関する新しい仕事が増えるはずです。

自動車が世の中に出たときに馬車の仕事が無くなりましたが、それ以上に自動車に関わる仕事(より付加価値のある仕事)が増えたのと同様です。

パソコンが普及して無くなった仕事よりもパソコンによって発生した仕事の方が多いと思います。

よって「新しい事を拒絶するのではなく受け入れて活用する、適応する」という姿勢を持っておきましょう。

AIを作るのは専門エンジニアが必要(将来はもっとカンタンに作れるようになりそう)ですが「活用する、使いこなす」ことは多くのビジネスマンにとって必要になるスキルと思います。

パソコンと同じ様に「作れなくても使えればいい」のであって、さらに人より詳しければ重宝される人材になれるはず、と考えています。

そのためAIに対する理解が必要になると予想されます。

こちらの書籍は現在のAIの活躍している分野や案件について実例を紹介して解説されています。
内容も簡単で読みやすいのでイメージを膨らませるのにおすすめです。



専門エンジニアではない人がAIやIoT、DXも含めてシステムの仕様を決めて導入するにあたり知っておいた方がいい事についてこちらの本がわかりやすく説明されているのでおすすめです。

シンギュラリティ AIは人を超えるのか?

AIの世間話でよく出るのがシンギュラリティ(Singularity)という言葉です。

シンギュラリティは「技術的特異点」という解釈でAIが人間の知能を超える特異点という意味です。

「2045年には人工知能が人間の知能を超えてしまう」という話を聞いたことがある人も多いと思います。

映画ターミネータのようにAIが意志を持って人間に危害を加える世界になってしまうのでは、人類が滅亡してしまうかも、と心配する人もいるかもしれません。

現時点でAIが行うのは事前に学習した内容を元にした明確な作業や行動であり「意識や願望」など人間特有の感情・衝動をもとにしたものではありません。

あくまで “機能としてのAI” として客観的に考えています。

将来的に人間のもつ感情・欲望・アイデンティティの確立・種の保存欲求などAIが学習するのであればSF映画のように未知数かもしれません(ただし作り手である人間が制限をかけることももちろんできます)

一方でムーアの法則(一定レベルで技術の進歩スピードが落ち着く)にて技術的に進歩が停滞する可能性もあります。
それがAIの学習機能なのか、コンピュータの処理速度か、半導体の性能なのか、いずれかの技術課題がある程度の進歩で停滞してしまうかもしれません。

現時点ではいろいろな説があるのでどこまで進歩するかはわからないというのが正直なところですが、悲観する必要は無いと思います。

あくまで人間が考えたツールですので使い方の問題です。

包丁や車も危険ですがルールのもとで有効に活用することで生活が便利になります。

必要ならルールや運用体制を決めれば便利に使うことができます。

もっとAIについて学びたいなら

AIに興味を持つことができたならその小さな興味をもう少し伸ばしてみましょう。

まずは数冊の書籍を読んでみるのがおすすめです。

AIを学びたい人におすすめ本

まずはAIに関する入門書を2~3冊読んでみましょう。

AIに関する書籍は思想的な本もよく見かけるので、まずは日本人著作者のわかりやすい入門書がおすすめです。

書籍を読みながら自分の気持ちの熱量も意識してみましょう。

本を読みながら、
「こんな風にAIを活用できたら面白いな」
「自分の業界でこんなAIがあったらいいかも」
このように考えながら読むと楽しいです。

最初に読む入門編としてはこちらの本あたりがいいと思います。


もう少し踏み込んだ知識を身に付けたい人はこちらがおすすめです。

さらに興味があればAIスクールがおすすめ

本を読んでさらに、もしくはすでに現時点で
「もっとちゃんと勉強してみたい」
「AI分野への転職の可能性を探りたい」
「Pythonで実際のAIプログラミングをしてみたい」
というように自分に火が着いているならAIスクールがおすすめです。

特にプログラミングの学習を検討しているなら独学だとモチベーション維持や課題設定の面で挫折しやすいので、異業種の人や初級者はカリキュラムが組まれた通信講座がいいと思います。

いきなりお金を掛けるのに躊躇する人は最初に入門書籍を一冊自分でチャレンジして考えてもいいでしょう(嫌いにならないように注意)。

いきなり異業種から転職しない

もしも「これからはAIの時代だ」と考えても「すぐに仕事をやめて転職する」というのは待ってください。

AI関連の仕事といってもアルゴリズムを作るプログラマだけではなく、効率よくAIを導入する、AIサービスを企画するといったような関わり方もあります。

今後のAI分野の人材需要は関連する運用面を含めて増えていくことが予想されています。

AI関連の転職を考えているなら自分がどのようなレベル感でAIに関わっていくのか明確にしましょう。

現時点でITエンジニアであって現職に不満・不安がある、転職を考えている状況で、AI分野が嫌に感じないなら守備範囲を広げてみましょう。

現職を続けながら書籍や通信講座で勉強するならリスクも少ないので興味を持ったらアクションしてみるのがおすすめです。

もしもAI分野に転職しなくても学んだ知識は自分の業界にAIを導入する時に有効に使えます(武器になります)。

大学や大学院で学問としてAIを勉強してみたい  

さらに、それだけでは物足りない人あるいは進学する人生のタイミングの人で、
「学問として体系的に学びたい」
「進路先として選びたい」
「研究テーマとして掘り下げたい」
と考えるなら大学や大学院での就学を検討しましょう。

AIというと東京大学が有名ですが近年のブームもあって多くの大学の学部・大学院に設置が進んでいますので探してみましょう。

自分の業界分野におけるAI活用が知りたいなら

自分の業界においてAIをうまく活用したいと考えている人も多いのではないでしょうか。

上司や役員から
「ウチで使えるAIやIoTは無いの?」
「君はITに詳しいから今後の当社でのAI活用について考えてくれ」
なんてザックリとした指示を受けて困っている人もいると思います。

そんな人のための最初のアプローチについて紹介しておきます(通信教育やコンサルは具体的な商談になったら有料ですのであしからず)。

まずはWeb検索そして書籍探し

まずはググりましょう。

「建設 AI」、「製造業 AI」といった具合に自分の業界+AIでWeb検索してみたり、Amazonで書籍を検索してみましょう。

AI入門書籍にもいくつかの業界における活用事例があるので参考に。

1冊でも本を読んでおけば大きなアドバンテージとなるので自己投資としては最適です。

通信教育の無料相談で聞いてみる

意外にも無料で相談に乗ってくれておすすめなのが通信教育の無料相談です。

自分の業界分野におけるAIの将来性について自分よりも詳しい人に直接聞くことができます。

もちろん前提として「通信教育を検討している」という事は忘れないでください。

  • プログラミングを学んでAIを作りたい
  • 様々なAIについて知ることでAIを有効活用したい
  • AIコンサルとの協業を最大化するために知識を学びたい

といった具合に自分の温度感を伝えると共に通信教育を検討している旨を相談しましょう。

相談の中で「自分は○○業界の△△に関する仕事をしているがAIを学ぶことでどのような可能性があるか、どんなことに活用できそうか」といった視点で相談しましょう。

通信教育の相談員はAI活用について詳しいハズです。

一緒に話しているうちに実際の活用事例を引き出すことができたり、聞いた話を元に再度自分で考えて思い付く可能性もあります。

相談員はアナタの業界の専門家ではないのであくまで自分が考える主導権を持った方が良い相談となると思います。

もちろんそこで今後の自分にとって通信教育が活かせそうなら検討してみてもいいでしょう。

AIコンサルに相談してみる

少し敷居が高いのですがビジネスとして具体的な検討に直面しているならAIコンサルに相談してみましょう。

その場合は営業部門との電話相談を通して自社での具体的な案件の説明をしながらAI活用の可能性について相談するとともに、似たような過去の実績があるかどうか聞いてみましょう。

コンサルもボストンやアクセンチュアといった大手の経営コンサルからAI専業の中小コンサル、製造業に特化したコンサルなど様々です。

Webサイトをみながら自分の課題にマッチしそうな規模感や所有ノウハウのコンサル会社を探してみましょう。

まとめ

以上、人工知能についての説明と興味を持った人のアクションについてまとめました。

少しでも「面白そう」、「これから必要になりそうだな」と思った人はまず本を1冊読んでみましょう。

本を読みながら
「こんなサービスがあるといいな」
「こんな分野に応用できるのでは」
といった感じで将来について想像してみると楽しいのでおすすめです。

コメント