Trace Id is missing
メイン コンテンツへスキップ
Azure

人工知能とは

コンピューター システムが人間のような認知機能 (たとえば学習や問題解決) を模倣する能力のことです。

人工知能 (AI) はどう機能するか?

人間が新しい情報から学習して意思決定を行うときに使う論理的思考過程を、コンピューター システムが数学と論理を使用してシミュレートします。

人工知能コンピューター システムは、予測またはアクションの実行を既存データ内のパターンに基づいて行い、自身のエラーから学習して自身の正確性を高めることができます。成熟した AI は新しい情報の処理をきわめて短時間で正確に行うので、自動運転車、画像認識プログラム、仮想アシスタントなどの複雑なシナリオに役立ちます。

AI と機械学習との関係

機械学習は AI の一部と見なされています。機械学習の焦点は、人間と同じようにデータを分析してそこから学習できるように、機械 (マシン) をトレーニングすることです。したがって、機械学習は AI システムの発展に役立つ手法の 1 つです。

AI とコグニティブ API の関係

API (アプリケーション プログラミング インターフェイス) は、アプリケーションを他のシステム、サービス、またはアプリケーションに接続します。開発者がコグニティブ API を使用するときは、ドメイン固有のインテリジェント モデルのライブラリへのアクセスを要求することになります。

AI とデータ サイエンスとの関係

AI とデータ サイエンスのどちらも、大規模なデータ セットの収集と分析が行われますが、それぞれの目標は異なります。AI の焦点は、コンピューターがどのようにデータに基づいて意思決定を行うかです。一方、データ サイエンスの焦点は、数学、統計、機械学習を使用してデータからインサイトを引き出すことです。

AI とロボット工学との関係

ロボットは一般的に、物理的な形態と、それを制御するソフトウェアの両方を持ちます。AI ソフトウェアによって制御されるロボットは自律的に動きます。つまり、人間から直接命令を受ける必要はありません。しかし、すべてのロボットが AI 制御とは限らず、すべての AI が物理的形態を必要としているわけではありません。

人工知能の種類

  • 特化型人工知能 (ナロー AI)

    特化型人工知能 ("弱い AI" と呼ばれることもあります) とは、コンピューター システムが、ある狭い (narrow) 定義のタスクの実行において人間をしのぐことができる能力を指します。

    ナロー AI は、人類がこれまでに到達した AI 発展の最高位であり、現実世界で見られる AI の例はどれも、このカテゴリに分類されます。これには自律走行車両やパーソナル デジタル アシスタントも含まれます。その理由は、AI が自らリアルタイムで思考しているように見えても、実際には多数の "狭い" プロセスを連携させているのであり、事前に定められた枠組みの中で意思決定をしているからです。AI の "思考" には、意識や感情は関与しません。

  • 汎用人工知能 (ジェネラル AI)

    汎用人工知能 ("強い AI" または "人間レベルの AI" と呼ばれることもあります) とは、コンピューター システムがどのような知的タスクにおいても人間をしのぐことができる能力を指します。よく、映画に登場するロボットが意識的な思考を持ち自ら行動しますが、これがこのタイプの AI です。

    理論的には、ジェネラル AI を実現したコンピューター システムは深く入り組んだ問題も解決でき、不確定な状況でも判断を適用でき、事前の知識を現在の論理的思考過程に組み込むことができます。その創造性と想像力は人間のものと同等であり、ナロー AI よりもはるかに広い範囲のタスクを実行できることになります。

  • 超人工知能 (artificial super intelligence: ASI)

    超人工知能を実現したコンピューター システムは、ほぼあらゆる分野で人間を上回る能力を示すことになります。これには科学的な創造性、一般的な通念、社会スキルも含まれます。

  • 機械学習

    機械学習とは、コンピューター システムが人工知能を実現するために従うプロセスの 1 つです。このプロセスでは、アルゴリズムを使用してデータ内のパターンが特定されます。そのパターンを使用して作成したデータ モデルで、予測を行うことができます。

    機械学習モデルは、データのサブセットに対してトレーニングされます。モデルのトレーニングに使用されるデータが、分析対象のデータセット全体の正確な代表であるときは、アルゴリズムによる計算結果の精度が向上します。機械学習モデルが十分にトレーニングされていて、タスクの実行の速さと精度が十分実用的で信頼できるものであるときは、ナロー AI を実現したことになります。

  • ディープ ラーニング

    ディープ ラーニングは高度なタイプの機械学習であり、多数のアルゴリズムから成るネットワークを使用します。このネットワークは脳の構造にヒントを得たものであり、ニューラル ネットワークと呼ばれます。ディープ ニューラル ネットワークではニューラル ノードが入れ子になっており、そのネットワークが答えるべき質問のそれぞれは、一連の関連する質問のセットにつながっています。

    ディープ ラーニングでは一般的に、大規模なデータ セットに対するトレーニングが必要です。ディープ ラーニングのためのトレーニング セットを構成するデータ ポイントの数は、数百万にも上ることがあります。このような大規模なデータ セットに対するトレーニングを終えたディープ ニューラル ネットワークは、あいまいさの扱いに関してシャロー (浅い) ネットワークを上回ることができます。このことが役立つ用途の例としては、画像認識があります。AI が図形の縁を見つけることができれば、画像の中に何があるかを特定できます。ディープ ラーニングは、チェスのような複雑なゲームで人間のスキルを上回る AI のトレーニングにも使用されています。

人工知能の例

世界中の企業が既に AI をさまざまなアプリケーションで使用しており、インテリジェント テクノロジは成長分野の 1 つです。ここでは、AI が実際に活用されている例をいくつか紹介します。

自動運転車

現在の AI の用途として最も複雑な例の 1 つが、自動運転車やその他の自律走行車両です。これらのシステムは、人間の運転者が使う論理的思考過程を、複数のプロセスを連携させることによってシミュレートします。画像認識を使用して標識、信号、交通の流れ、障害物を特定し、最適な経路で目的地に到達します。データをリアルタイムで送受信することによって問題を先回りで診断し、自身のソフトウェアを更新します。

複数のフライオーバーの車

ボットとデジタル アシスタント

会話は、人々の自然なコミュニケーション方法であり、会話型インターフェイスは AI テクノロジの進化とともに一般的なものとなっています。インターフェイスの中には、限定的な目的のものもあり、たとえば、映画のチケットの予約や、Twitter のスレッドを 1 つのストーリーにまとめる作業など、1 つのタスクにのみ使用されます。そうでないものは、個人アシスタントのようにふるまい、さまざまなタスクの手助けとなります。ただし、会話型インターフェイスはどれも、自然言語理解 (natural language understanding: NLU) を使用して要求 ("発話" と呼ばれることもあります) を解釈し、関連性のある情報を返します。

会議室内の複数のユーザーによる画面上のビデオ通話

レコメンデーション エンジン

AI の最も一般的な用途の 1 つは、履歴データに基づいて商品を薦めることです。たとえば、メディア ストリーミング サービスのユーザーに次にどれを視聴するかを薦めるときに、AI を使用して、そのユーザーがそれまでに視聴した作品を分析し、提示可能なすべての選択肢をその属性に基づいてフィルタリングし、そのユーザーが最も楽しめると思われる選択肢を提示します。Web ショッピング サイトで、カートに入れた商品のアクセサリや関連商品も薦められたときは、AI が同様の方法で使用されています。

スマートフォンを使っている人

スパム フィルター

多くのメール プラットフォームは、ユーザーの受信トレイが不要なメールであふれるのを防ぐために、AI を使用してスパムを阻止しています。新しいメールが到着すると、AI がそのメールを分析してスパムの徴候を探します。メールが十分な条件を満たしている場合は、スパムに分類されて検疫されます。ユーザーが不適切な分類を訂正したり、フィルターで検知されなかったスパム メールをスパムに分類したりすると、システムはこのようなフィードバックから学習して自身のパラメーターを調整します。

1 人のユーザーが 2 つのデスクトップを操作しています。

スマート ホーム テクノロジ

住宅を自動化するものはほぼどれも、AI を使用しています。たとえば、インテリジェント電球は音声による命令を待ち受け、インテリジェント サーモスタットはユーザーの好みを学習して一日を通して温度を調節し、インテリジェント掃除機は家の間取りを学習して指示なしで移動します。

椅子に座って複数の画面を操作している女性。

健康データ分析

世界中の保健組織が AI を研究、検査、診断、治療、監視に役立てています。たとえば、AI を使用して組織サンプルを分析し、より正確な診断を行います。あるいは、AI を使用して臨床データを分析し、患者の治療におけるギャップを検出しています。製薬会社では、AI を使用して数十億もの化合物を分析することによって探索の時間を短縮し、臨床試験に適した候補を見つけています。

画面を確認している医療従事者
タブに戻る

人工知能の利点

AI が持つ真の利点は、ほぼすべての業種で効果を発揮します。企業が既に経験している主な利点のいくつかを以下に紹介します。

  • 24 時間利用可能

    コンピューター システムは人間のような生物学的要求は持たないため、インテリジェント システムは一日を通して、休まずに稼働することができます。

  • コミュニケーションを大規模に

    ボットや仮想エージェントを通じて、より多くの人々への案内とサポートを、より多くの場所で同時に提供できます。

  • 反復的なタスクの自動化

    繰り返し行われる、時間のかかるタスクの実行に AI を使用すると、ビジネスにかかわる人々が、より戦略的で影響力の大きい仕事に専念できます。

より速く、より正確な意思決定

AI は人的エラーを減らします。このことは、意思決定を大量のデータに基づいて行い、しかも大量の複雑な計算が関与するという場合に役立ちます。

より関連性の高い提案

AI を使用すると、お客様の顧客の関心や習慣に基づいて、より関連性の高い提案を行うことができます。