レトリバのCOOの億田(@okudamasakichi)です。
今回の内容はざっくりとAI（人工知能）についてまとめました。
この記事はこんなことでお困りの方向けコンテンツです。
- データで困っている（データが沢山あって困っている、種類が多くて何をしていいかわかっていなくて困っている）
- オープンイノベーションの企画で困っている
- AIとか新しい技術を使って社内の業務改善をやらなくてはならない
そんな人向けに情報をまとめました！
AI（人工知能）とは
正直に申し上げるとAI（人工知能）に明確な定義は存在しません。
松尾先生の著書でも語られていますが、人によって定義は様々です。
(出典）松尾豊「人工知能は人間を超えるか」
ここではすごくざっくり「コンピュータを使って人類の活動を代替するもの」と定義します。
多くのAIの定義では、人を超えるという目線も存在しますが、そこは外します。
なぜなら機械学習をベースとすると、どうしても人を超えるよりも人と同等を目指すという視座になるためです。
ざっくりまとめると下記になります。
・データ（インプット）
・AI技術（プロセス）
・タスク（アウトプット）
詳細はこちらの図をご参照ください。
目線としては、ざっくりこうですが、タスクを連結するのがAIを活用した業務プロセスです。
AI（特に自然言語処理）が必要となる背景
AI（人工知能）ってなんで必要なんでしょう？
私は下記のいずれかを解決するためかなと考えています。
・人でルールを定義しきれない
・データ量が多すぎて必要なものが埋もれてしまっている
さて、では最近になってなんでそんな状況になっているのでしょう？
大きいのはデータボリュームの増加です。
様々なデータがクラウドに上げられて行き交っています。
皆が気軽にデータを扱える時代になってきたとも言えます。
下図のようにデータボリュームが増えてきて、かつ従来の数値分析が及ばない領域のデータが増えています。
そんな状況で、データが沢山存在し、そこからなんらかの洞察を導けるかが企業のパフォーマンスを決める時代になりました。
たくさん知っている人が強い時代
（知っていないと洞察できない時代）
↓
どこに何があるかを知っている人が強い時代
（知らなくてもアクセスすれば洞察できる時代）
↓
たくさんのデータから洞察を導ける人が強い時代
元々は知識を持っていることが重要でしたが、アクセスできることが重要になり、誰もがアクセスできるようになった今は洞察を導けるかの勝負になっています。
AIが行うタスク
データがたくさんあったとして、どんなことが可能になるのでしょうか？
大枠をまとめると下記になります。
言語処理：言葉をうまく扱う（チャットボット、テキスト分析など）
音声認識：音をテキストに変換する（インプットデータの獲得、感情分析など）
画像処理：画像に写っているものを認識する（最近の例だと、サイネージのリアルな効果測定とか）
最適化 ：複雑な事象の最適化（囲碁や将棋のAIなど）
制御 ：機械の制御（車の自動運転など）
分類ごとに必要技術は大きく異なり複数をカバーしているのはまれです。
ちなみにレトリバの得意としている領域は言語処理と音声認識です。
音声認識と言語処理は応用領域として近いですが、技術領域的には遠いものになります。
両者で決定的に異なるのは前処理で、ここで各領域のノウハウが活きてきます。
注意点としては、これらの領域を横断するアイデアを実現しようとすると、実現難易度が跳ね上がることです。
AIでよしなになにかをなそうとすると起こりがちです。
（プロジェクト担当としては腕の見せ所でもあります。）
言語処理でどんなことが可能に？
ここは非常に多くを語りたい！ので、詳細は別の記事に譲ります。
言語処理だと、下図の分類です。
なぜ分析や要約がないかというと、それらはこれらの組み合わせ、もしくは詳細化したものであるからです。
ここで重要なことは実際にやりたいこととタスクは異なるということです。
多くのAIの応用では、複数のタスクを組み合わせる必要があることがほとんどです。
ここでも担当する人の力量が問われ、腕の見せ所になるポイントです。
タスク単位での精度は大事ですが、うまく組み合わせられるかの力の方が大事です。
そして、ここは利用者からしても評価がしづらいものになります。
この評価の難しさがAI活用のプロジェクトを進める上での難しいポイントのひとつです。
レトリバでは共に成長できるメンバーを募集しています！
「一緒に働いてみたい！」と思った方はこちらをご覧ください！