人工知能（AI）は、コンピュータの黎明期から存在していたにもかかわらず、テクノロジー業界で最もホットなバズワードとして浮上しました。数え切れないほどのスタートアップ企業が、自社の事業内容を説明する際に「AI」という言葉を巧みに用いており、テクノロジー系マーケターは、アルゴリズムや基本的な機械学習といった単純なものを、よりスマートで洗練されたものに見せるために「AI」をブランドイメージに取り入れています。
「最近の AI はとてつもなく広範囲に及んでいます」と IBM リサーチのコグニティブ コンピューティング (IBM による AI の専門用語) 担当副社長マイケル カラシック氏は語る。
カラシック氏は今週ラスベガスで開催されたIBM InterConnect 2017でプレゼンテーションを行い、IBMリサーチのAIロードマップを提示しました。カラシック氏のチームのアプローチは、企業に役立つ技術を育成するという使命を帯びており、非常に実践的です。当然のことながら、彼らが取り組んでいる多くのテーマは、自動化とビッグデータに集約されます。
「こうした問題に機械学習を使うのは、データが多すぎるからです」と、IBMリサーチのチームに所属するカラシック氏は述べた。同氏のチームは数学者とシステムアナリストを融合させている。同チームはAIを3つの用途に活用している。
- 産業用ソリューションの開発
- 人材をより効率的に活用する
- 価値実現までの時間を短縮
参照：特別レポート：AIと機械学習の実装方法（無料PDF）
カラシック氏によるIBM InterConnectセッション「将来展望：人工知能の未来」では、IBMが既に取り組んでいるAIプロジェクトの概要が紹介されました。ここでは、そのうち10件を簡単にご紹介します。
1. PDFを理解する
IBM Watsonの主要機能の多くは、医療研究から料理まで、様々な分野における膨大な知識の処理によって実現されています。多くの業界知識は非構造化PDFに閉じ込められているため、IBMがAIと機械学習にそれらの情報を整理、処理、統合する方法を教えれば、AI分野のほぼすべての分野を加速させることができるでしょう。
2. 義務を理解する
企業、政府、あらゆる規模の組織、そしてプロジェクトチームでさえ、常に一定のルールとパラメータの範囲内で業務を遂行しようと努めています。これらのパラメータが変化すると、ゴールラインも変わってしまうことがよくあります。IBMは、AIを活用して、変化するルール、規制、法律、要件を迅速に認識し、警告を発したいと考えています。
3. 画像キャプション
AIは機械学習を用いてコンテンツ画像を理解、評価、分類することで、多くの価値を引き出し、視覚データセット間の価値あるつながりを構築することができます。現在、こうした作業の多くは、非常に低賃金のデータラベラーによって手作業で行われています。
4. 映画の予告編を自動作成
画像コンテンツ分析の概念をさらに推し進め、IBMは既にAIがビデオ画像と自然言語処理を組み合わせて映画の予告編を作成できることを実証しています。ハリウッドは今後もデジタルアーティストに頼ることになるかもしれませんが、デザインリソースが不足している企業は、この技術を活用してビデオコンテンツのプレビューを作成できる可能性があります。
5. データサイエンティストのための認知アシスタント
データサイエンティストはテクノロジー業界で最も需要の高い職種の一つであり、その不足は将来のイノベーションを危うくしています。現在のデータサイエンティストは、データを評価し重要な関連性を見出す前に、データの分類と整理に多くの時間を費やしています。AIは、大規模なデータクレンジングや、Watson Conversationsを用いたデータ検索のための自然言語検索を可能にするために不可欠です。
ビル・ゲイツらが、仕事を奪うロボットに税金を払うべきだと考える理由
6. 放射線科医の助手
IBM Watson Healthは、学術論文や最新の研究データを処理し、診断アシスタントとして機能するツールとして既にその価値を実証しています。IBMは現在、Watsonに医用画像の読影方法を教えることで、放射線科医の業務をスピードアップし、ミスを削減しようとしています。
7. オペレーションズ・リサーチ
従来の運用パフォーマンス調査は、多くの場合3ヶ月以上かかり、エラーを最小限に抑えるために複雑な分析モデルが必要になります。AIを活用すれば、4週間未満で、優れた精度で調査を実施できます。
8. 深い事例知識なしに会話する
IBMは、AIと自然言語処理の強みを活かし、チャットボット技術の開発に積極的に取り組んでいます。IBMは、Watsonが特定の分野に関する大規模なデータセットを処理することで獲得できるような「深いインスタンス知識」を備えたシステムの開発を目指すとともに、そうした深い理解を必要とせずに機能するチャットボットの開発も目指しています。
9. 認知ソフトウェアDevOps
IBMは、AIがDevOpsを強化できると考えています。DevOpsと一般的に関連付けられるソフトウェアライフサイクルだけでなく、「コグニティブUX」やマシンモデリング（機械学習の類似点）にも影響を与えると考えています。
10. ディープラーニングのスケーリング
IBMがAI分野で行っている取り組みの中で最も大きなものは、おそらくディープラーニングのスケールアップでしょう。IBMは、非構造化データの爆発的な増加を機械学習の推進力と捉えています。機械学習は、データのサブセットを取得し、それを深く分析し、それを用いてデータセットの残りの部分から価値を引き出す技術です。「ディープラーニングは、機械学習をより早期に特定化する方法です」とカラシック氏は述べています。そして、その能力をスケールアップすることで、より多くの繋がりを構築し、イノベーションのスピードを向上させることができます。
