Mouser Blog | Japan

人工知能（AI）は、私たちの社会や生活に急速に浸透し、さまざまな分野に変革をもたらしています。近年の深層学習や強化学習などの進歩によって、この動向はますます加速していきそうです。AIの進歩は、視覚障害や音声・言語障害、手足の欠損・損傷などの身体的障害を持つ人々からも特に高い関心が寄せられています。つい最近まで困難と思われていた社会参加への道が、AIによってさらに開かれることが期待できます。テクノロジーは生活をただ便利で快適にするだけではありません。むしろその真の目的とは、以前は困難だったこと、不可能だったことを可能にすることにあるはずです。

レコメンド機能による「おすすめ」にがっかりすることはありませんか。映画評論サイト「ロッテントマト（Rotten Tomatoes）」では、評論家やユーザーの評価をまとめて掲載していますが、ここで90%以上の高評価を獲得した映画が必ずしも私の好みに合うとは限りません。むしろ30%未満の作品のほうがよっぽど面白かったこともあります。このおかしな現象を人工知能（AI）は解消できるのでしょうか。

周囲を見渡すと、瞬時に状況を察知し、重要な情報だけに目を留め、必要とされるタスクを遂行する。ほんの数年前まで、この技術はSFの世界の話でした。

人工知能（AI）、機械学習（ML）、アルゴリズムという言葉は、間違った使い方をされ、混同され、誤解されていることがよくあります。全く違う言葉であるにもかかわらず、同じ意味で使われていることもあります。残念ながら、それぞれの意味を理解していないと、複雑で進歩の著しいこの分野では、ますます混乱することになるでしょう。そこでこの記事では、アルゴリズム、人工知能、機械学習の基礎について、この3つが何であるのか、どのように誕生し、どのように活用されているのかについて解説したい思います。まずは、人工知能と機械学習が生まれる礎となったアルゴリズムから説明しましょう。

2020年には、44億人以上ものインターネットユーザーがソーシャルメディアなどに投稿、口コミ、レビューを書き込み、そこから膨大な量のデータが生まれています。これらのデータから抽出される「インサイト」は、製品開発、マーケティング、顧客サポートに活かせるため、企業やイノベーターにとって計り知れない価値があります。ところが、このインサイトを引き出すという作業はなかなか一筋縄ではいきません。というのも、感情を持つ客によって書き込まれたデータは、人間の言語や文化的背景が複雑であるため、機械には理解し、解釈するのが難しいからです。自然言語処理（NLP）と機械学習（ML）などの技術を活用すれば、コンピュータは人間の言語からその意味を引き出し、理解することができるようになります。さらには、人工知能（AI）の先進的研究分野である感情分析では、構造化されていない、客が書き込んだデータを機械に理解させ、その意見がポジティブなのか、ネガティブなのか、それともニュートラルなのかを判断させることが可能になります。

未来の人間社会を語る上で、もはや「スマートコミュニティ」を抜きにすることはできません。中国政府も2020年5月の政府活動報告で、スマートコミュニティに向けた「2つの新型プロジェクト、1つの重要プロジェクト」を重点的に支援すると表明しています。

想像してみましょう。車を運転していて、横断歩道に差し掛かかります。標識を確認し、あたりに交通誘導員がいないか確かめます。前に車がいれば、その車が止まるかもしれないと考え、横断歩道まで来ると、渡ろうとしている歩行者がいないか左右を確かめます。すでに歩行者がいて、横断歩道を渡っている、あるいは渡ろうとしていれば、歩行者に道を譲ります。安全だとわかれば、そのまま通過します。

車両検知は謎が多いように見えますが、この技術は結局のところ、指定エリアの画像の画素特徴量を計算し、その特徴に基づいて対象オブジェクトがどのカテゴリに分類されるかを判断する数式です。オブジェクトの検知方法は、一般的には特徴量抽出とカテゴリ分類という2段階に分けられ、サポートベクターマシン（SVM）と輝度勾配方向ヒストグラム（HOG）を併用するのが一般的です。

今日のAIや深層学習（ディープラーニング）は、2,000年以上前から蓄積されてきた世界中の優秀な発明家たちの功績に成り立っています。AIがどこに向かっているのか、現在の状況になるまでの経緯から理解していきましょう。AIはどこから始まったのか、その真相に迫ります。