そもそも「人工知能(AI)」をどうとらえるべきか

いま最も注目されているテクノロジーの1つに人工知能(AI:Artificial Intelligence)があります。AIは、一般的には「人が実現するさまざまな知覚や知性を人工的に再現するもの」という意味合いで理解されています。
しかし実際には、AIに対して一意に決まった定義がなされているわけではありません。コンピューター・サイエンスや認知科学、医学、心理学、さらには哲学にいたるまで、今もさまざまな立場で論じられ続けている領域です。

AGI(Artificial General Intelligence:汎用的人工知能)はまだ存在しない

AIに対する最も大きな誤解が、「あらゆる問題に応えられる(答えられる)賢いAIがすでに存在する」というものです。現在のAIに人間の認識能力や常識、感情なども含めた森羅万象のすべてを理解させられるわけではなく、「何でもできる」存在ではありません。
あらゆる課題に対応できる汎用的なAIを実現することは研究者にとって大きな目標であり、さまざまなアイデアが提唱されていますが、ブレークスルーの決め手となるような手法は見つかっていません。その意味でもAIはまだ進化の途上にあります。

特定領域では人間を凌駕する能力を発揮する

もちろん、だからといって現在のAIが実用レベルに達していないわけではありません。何でもできる汎用的なAIはまだ存在しないと述べましたが、裏を返せば、範囲が限定された特定領域においてAIは、人間をはるかに凌駕する卓越した能力を発揮するケースがあります。たとえば医療の世界では、平均的な医師を超える診断を行えるAIが登場しています。また金融分野では超高速に超高頻度の取引を行うアルゴリズム取引が市場の半分以上の取引を実行していると言われます。

ディープラーニングによってAIの精度が大幅に向上

AIは、専門家が持つ経験則をルールベースに展開して人の知的作業を支援する「第一世代」から、統計/探索モデルによって最適解を発見する「第二世代」を経て、脳モデルに基づき認識性能を飛躍的に向上させる「第三世代」へシフトしています。

昨今、AIが急速に注目を集めるようになったのは、まさにこの第三世代のテクノロジーが出現したことにあります。人間の脳神経回路を参考にしたアルゴリズムである「ディープラーニング」と呼ばれる手法はその代表です。従来の機械学習のように、データサイエンティストが特徴量(※)を設計しなくても、コンピューター自身が膨大なデータを読み解き、そこに隠れているルールや相関関係などの特徴を発見します。人間と同じように帰納的な推論を行うことで、自律的に“意味”や“概念”をもあぶり出していくのです。さらに、その後も継続して学習を続け、賢さに磨きをかけていきます。

ディープラーニングによってAIの精度は大きく向上したのです。

※モノ・事象等の識別、予測などにおいて有用な情報であり、データ項目からの選択や、複数データ項目から組み合わせより設定する

AI技術の変遷

世代を超えた多様なAIの手法を適材適所で活用

ただし、単純に第三世代のAIが第一世代のAIよりも優れているわけではありません。目的や用途によって最適な手法は異なるのです。

最近よく話題になるAI将棋を例にとって考えてみましょう。何手も先の展開を読み、対戦相手の意表を突くような妙手をあみだすためには機械学習やディープラーニングの手法が必要です。しかし、将棋の基本的なルールや定石などをAIに覚えさせるのは、わざわざ学習させるよりも最初からルールベースとして登録したほうがはるかに効率的です。

このように第一世代から第三世代の手法を適材適所で組み合わせ、さらにはモバイルやウェアラブル、IoT、アナリティクス(統計分析)などのシステムともシームレスに融合しながら、さまざまな業務課題に対応するソリューションをデザインしていくことが、これからのビジネスにおけるAIへの向き合い方であり、活用法となるのです。

第二世代や第三世代を用いた仕組みだけでなく、第一世代のルールに基づく仕組みも組み合わせて行くことがビジネスに求められるAIのあり方である

レポート&コラム

鈴木 賢一郎

AIガバナンスー企業における倫理とマネジメント

近年では、倫理と企業マネジメントは切り離せないものになっている。企業における倫理の確立のために乗り越えるべきポイントは何か。本記事では、3つのGAP―「世代間のGAP」「幹部と現場のGAP」「新技術と社会規範のGAP」―と、その乗り越え方など、AI・データ活用の継続的なガバナンス整備に必要なポイントを解説する。

AI・データ&インテリジェンス ロボティクス・RPA デジタル化・DX

村山 弘城

データ活用におけるトレンド予想2023

企業におけるデータ活用は年々注目度が増しており、ほぼすべての企業の中期経営計画においてデータ活用について触れられている。とはいえ、いきなり大きな投資をするのではなく、小さく始めて成功を重ねたい企業も多い。小さく始め、大きく成長させる、もしくは大きく成長した後に発生する課題に対応するための技術トレンドとして、モダンデータスタック、データファブリック、データメッシュという3つのキーワードを紹介する。

AI・データ&インテリジェンス クラウド デジタル化・DX

DATA INSIGHT 編集部

NTTデータが取り組むデータドリブンな人財育成 People Analyticsによる「資質の見える化」で事業創出人財を見極める~デジタル人財化計画 #4

これまでも重要性は認識されてきた人財の適材適所や、社員一人ひとりにあわせた育成プランの作成。これらを人事担当者の経験や勘により行うのではなく、“データに基づき(データドリブンに)”行っていくサービスを、NTTデータが提供開始している。このサービスはNTTデータが、DX人財のなかでも育成の難しい『事業創出人財』の育成プロセスを、自社のPeople Analytics(人財データの収集、分析による組織課題を解決する手法)の結果を活用して解き明かす取組みを行った経験から生まれたものだ。なぜいまPeople Analyticsなのか、データドリブンになると人財育成はどう変わるのか。サービスの原点となっているNTTデータでのDX人財育成への取り組みに迫る。

AI・データ&インテリジェンス デジタル化・DX

ラインナップ

お客さまのソリューションに合わせた開発とともに、パッケージの提供もしています。

データ仮想化ソリューション「Denodo Platform」

各種データを仮想統合し、ニーズに応じたデータ活用を支援

Denodo Platformは、サイロ化したシステムを論理統合し、企業内に分散したデータの一元管理を可能とします。より鮮度の高いデータ活用で分析スピードを高め、経営判断の俊敏性向上に貢献します。Denodoの仮想ビューはリアルタイムなデータアクセス、社内外のデータとの柔軟な組合せによりデータの価値を見出せます。またローコードで仮想ビューが作成でき迅速なデータカタログの提供・拡張を実現します。

内部統制 情報銀行 AI・データ&インテリジェンス

医療費適正化支援サービス

豊富な実績とノウハウでデータヘルスをサポート

国民健康保険、後期高齢者医療保険、健保組合等の保険者に向けた医療費適正化や健康寿命延伸を支援するフルアウトソーシングサービスです。レセプトデータや特定健診データ等を活用し、保険者が抱える課題を明確化、健康な人向けの健康維持増進や、高リスク者向けの重症化予防対策等を提供します。又、自治体向けの健康増進事業との連携により保険者の枠を超えた市民のQOL向上をサポートします。

医療・ヘルスケア 官公庁・自治体 製薬・ライフサイエンス アウトソーシング AI・データ&インテリジェンス

BeAd顧客管理システム

企業の成長を支える顧客管理ソリューション

BeAd顧客管理システムは、日報情報、案件情報、契約情報等を統合的に管理が可能です。更に問合せ情報、FAQ情報等を顧客単位で一元管理でき、ポータル画面での参照が可能です。また、顧客訪問件数や受注見込額などをグラフや集計表に加工し、ポータルでの共有(見せる化)を実現します。

CRM(Salesforce) クラウド AI・データ&インテリジェンス