ビッグデータ

意外と知らない“人工知能”とは!?ビッグデータとの関連性を徹底解説

ビッグデータのバズワード期が落ち着きを見せ、現在では言葉そのものの定義を議論する時代から各企業における活用に注目が集まっている時代がきています。
つまり、ビッグデータの“成熟期”ですね。

これにつれ最近よく耳にするようになったのが「人工知能(AI)」ではないでしょうか。
人工知能と聞くと映画「ターミネーター」や「アイロボット」といった、人工知能が人間を凌駕し人類を脅かすような世界を想像する方も少なくないと思います。

しかし、現在注目されている人工知能は上記のような想像とは少し違うのが実際のところです。

では、そもそも人工知能とは何なのか?そしてビッグデータと人工知能の関連性は?
今回はこの2つテーマを軸に話を進めていきたいと思います。

意外と知らない人工知能について

まずは人工知能について改めて理解していきましょう。

人工知能の研究には2つの領域があり、一つは人間が持つ知能そのものを機械的に作りだそうというものです。
先に登場した「ターミネーター」などがこれに該当します。

そしてもう一つは、人間が知能を持って行うことを機械でもできるようにしようという研究です。
現在行われてる人工知能の研究のほとんどがこれに該当します。

つまり、今注目されている人工知能は後者の方であり、決して人間を機械的に作りだそうという研究ではありません。

人工知能ってこんなもの

人工知能はどのように機能しているのか?ここで簡単に解説しておきます。

人工知能は主に“推論”と“学習”という2つの機能を持ち合わせています。

推論…知識をもとに新たな結論を導き出すこと

ボードゲームの「オセロ」をもとにして考えてみましょう。
人工知能にはまず「自分のコマで相手のコマを挟んだら、挟まれているコマを自分の色にできる」という知識や、「最終的にコマが多い方が勝ち」などといった基本的な知識をインプットします。

ゲームが開始し、人工知能はインプットされた知識から相手のコマを挟み、自分の色へと変えます。
しかし次の相手の手で、たくさんの自分のコマを取られてしまいました。

そこで新たに「相手は自分のコマをたくさん取れる場所にコマを置く」という知識をインプットします。
すると人工知能は「次の相手の番、自分のコマを少ししか取れない場所にコマを置く」といった、複数の知識をもとにした結論を導き出すのです。

このように、1~10を全てインプットしなくても複数の知識をもとに推論を展開できるのが人工知能です。

学習…複数のデータから有用な情報を導き出す

こちらはアイスクリームショップをもとに考えてみましょう。
人工知能が搭載されたPOSレジがあるとして、1人目のお客様がチョコレートとバニラのダブルコーンを注文しました。
このデータは当然レジにインプットされていきますが、これだけでは有用な情報を導き出すことができません。

次に2人目のお客様がストロベリーのシングルコーンを注文しました。そして以下のように5人目まで続きます。

3人目:チョコレートとバニラとチョコミントのトリプルコーン
4人目:チョコレートとストロベリーのダブルコーン
5人目:バニラとストロベリーのダブルコーン

これらのデータがインプットされた人工知能では、「ダブルもしくはトリプルを購入する人は、チョコレートを注文する確率が高い」という有用な情報を導き出すことができます。
そしてこの情報から「ダブルを注文するとチョコレートを一つ追加キャンペーン」などを展開すれば、販促に繋げることが可能です。

ちなみにAmazonといったネットショッピングにおけるレコメンド機能で、この“学習”が活用されています。
このように人工知能には、基本的に“推論”と“学習”という2つの機能が搭載されており、両者を組み合わせることで様々なことを実現しています。

4段階に分けられている人工知能のフェーズ

現在世界に存在する人工知能は、その成熟度によって以下の4段階で分類されています。

フェーズ1:簡単な制御プログラム

近年、冷蔵庫やエアコンに人工知能を搭載した「スマート家電」を市場で見かけることが多くなりました。
エアコンで言えば室温、湿気、エネルギー消費量などのデータを収集し自動運転を行うといったものです。

しかし実はこれ、人工知能というよりはシステム工学などの分野であり、マーケティング的に人工知能と呼んでいるに過ぎません。

フェーズ2:スタンダードな人工知能

先に紹介した“推論”と“学習”を基本的に備えているのがこの人工知能であり、大量のデータベースを所持していることから、時に人間を超える振る舞いをするものが存在します。
代表的なのがコンピュータチェス(コンピュータが指すチェス)であり、IBMが人工知能を搭載した開発した「Deep Blue(ディープブルー)」は、2007年にチェス世界王者から白星を獲得しています。

フェーズ3:機械学習を搭載した人工知能

まずこの代表例を挙げると、GoogleやYahoo!などの検索エンジンが該当します。
サンプルデータをもとに学習していき、ルールや知識を独自につける人工知能です。
検索エンジンではアルゴリズムをもとにコンテンツの評価を行い「良いコンテンツ」を検索結果上位に、そして「悪いコンテンツ」の順位を下げていきます。

フェーズ4:ディープラーニングを搭載した人工知能

人間がりんごを目にして「これはりんごだ」と認識するのは当たり前にことですが、従来の人工知能には不可能な領域でした。
これまではりんごの色や形といったメタデータを人間がインプットしなければならなかったのです。

しかしディープラーニングでは、例えば大量のりんごの画像を読み込ませることによって機械が徐々にりんごを認識していきます。
「りんごは赤い」「りんごは丸い」といった知識を次第に付けていくのです。
ちなみに、近年最も注目されている人工知能はこのディープラーニングを搭載したものであり、主に音声認識や画像認識といった分野で活用されています。

ビッグデータと人工知能の関連性

なぜビッグデータ活用が進む中で、人工知能というキーワードが頻出しているのか?

それは“ビッグデータ解析のため、人工知能を用いることに徐々に期待が高まっているから”です。

ビッグデータはその名の通り、膨大かつ高頻度で更新されているデータ群を指します。
これまではのビッグデータ解析では人が解析ツールを用いて、抽出・加工・分析・レポート・情報化するのが当たり前でした。
このうち解析ツールが担っている領域は抽出~レポートまでです。

つまり、ビッグデータを最終的に有用な情報へと変換するためには、人の知能がなければ成しえなかったのです。
しかし近年になり、この環境に変化が起きつつあります。

先に紹介したディープラーニングの登場で、徐々に知識を蓄積し学習し、自ら意思決定を下す人工知能が増加しています。
センサーなどから取得したデータを取り込み蓄積し、データを構造化した上で最適な次の戦略を導き出す人工知能が既に登場しているのです。

もちろん、未だ人間の知能のように柔軟性があるわけではなく、実用的になるのはもう少し未来の話です。

また、IoTというもう一つにキーワードもビッグデータと人工知能に深く結びついています。

IoT(Internet of Things)とは

“モノのインターネット”と言われ、全てのモノをインターネットに接続し、生活の利便性を高めていこうという概念及び技術です。
IoTで重要なのは、センサーから取得した膨大なデータ(ビッグデータ)を瞬時に処理し、ユーザーに最適なフィードバックを返すことです。

例えばスマホアプリで自宅の鍵をロックできる「スマートロック」なら、鍵を開けた時間や誰が開けたかといった情報をスマホでユーザーに通知するのがフィードバックとなります。
スマートロックでは少々簡単な処理ですが、この処理が複雑になるにつれ人工知能が活躍します。

IoT製品に対するユーザーの満足度を向上するためには、ビッグデータをリアルタイムで解析しつつ分析や学習を行い、その時その時で常に最適なフィードバックを返すことです。
人工知能は“推論”や“学習”、そして“ディープラーニング”といった機能でこれを可能にします。

だからこそ、現在ビッグデータと共に人工知能というキーワードが急上昇しているのです。

まとめ

いかがでしょうか?今までの人工知能に対するイメージが払拭され「人工知能ってこんなものか」となんとなく理解して頂けたのではないかと思います。

最近ではSoftbankの「Pepper(ペッパー)」やIBMの「Watson(ワトソン)」など、人工知能搭載のロボットが登場したことで以前より人工知能がグッと身近な存在になっているのではないかと思います。
ただ、こういったロボット型の人工知能の方が多くメディアに取り上げられているので、冒頭で紹介したのような「いずれ人類を凌駕するもの」というイメージが強いのも仕方のないことかもしれません。

しかし真に注目すべきは、大量のデータを取り込むことで情報の精度が増し、迅速な意思決定を下すことのできる人工知能です。
このタイプこそが今のビジネスに変革を起こし、新たな風を吹きこむ存在だと言えます。

また、人工知能に何よりも大切なのがデータ処理を行う基盤です。
ビッグデータという膨大かつリアルタイム性の高いデータを処理するのですから、当然高性能かつ高品質なデータ処理プラットフォームが必要となります。

ビジネスインテリジェントが提供する「ODIP(オーディップ)」では、迅速なデータ処理を実現するだけでなく、プログラムの属人化やシステムの肥大化を抑制します。

このようなソリューションを適切に導入することが、ビッグデータや人工知能の活用成功へと導く第一歩となるでしょう。

ODIP Enterprise Solution

ODIP Enterprise Solution
ODIP(オーディップ)は、複雑な大規模バッチ処理を、簡単なGUIで、いとも簡単に開発します。

コスト増や開発遅延は皆無で、大幅な高生産性、見える化、100%品質維持を実現した革命的ソリューションです。

ダウンロード

購読のお申込み

こちらのフォームよりお申し込みいただくことで更新情報をメールでお届けいたします。

ODIP Enterprise Solution
事例分析でわかった、ビッグデータ活用に失敗する企業7つの特徴IoT考察!“売れるサービス”と“売れないサービス”の違い