成功するAI開発における、クリティカルな3段階

AIはビジネス実務や日々の生活に革命を起こします。これが、今後数年間のうちにCIOの70%がインテリジェントなIT自動化の導入をする理由です。

しかし、この新しいテクノロジーは過剰に期待され、AIプロジェクト成功のために何が必要かを理解する前に、いきなりソリューションに飛び込む現象が起きています。

NashTechではAIの開発プロセスを3段階に分類しています。NashTechではAIの開発プロセスを3段階に分類しています。

  • ビッグデータ
  • マシンラーニング(機械学習)
  • AI

この記事では、AIの成功への重要な段階について焦点を当て、これから数週間、何が必要かを深く理解するために各々の段階を掘り下げて説明しようと思います。また、このトピックは8月29日の「JapanICT Day 2018」でディスカッションする予定です。

ビッグデータ

AIを始まる前に、ビジネスリーダーはデータ管理がその過程においてどれだけ重要であるかを認識していないことがあります。簡潔にいうと、間違いなくデータ管理が最も重要な段階です。

ビジネスでは、データサイエンティストやエンジニアの専門知識を活用して、データを統合、整理、分析し、関連性の高い有益な情報は適切に整えられて、保管する必要があります。

過去に気づかれなかったNull値、重複データ、異種データソースはAIプロジェクトにとって大きな問題のきっかけになる可能性があり、削除されなければなりません。

マシンラーニング(機械学習)

AIへ向かう第一歩としてマシンラーニングを提案すると、驚かれることが少なくありません。「マシンラーニングはAIの一種ではないのですか?」という反応が一般的です。

混乱するのももっともです。定義上ではAI(アーティフィシャル・インテリジェント)マシンとは、インテリジェントな方法でタスクを実行するものです。つまり、マシンそのものが様々な状況を把握し、適応しなければなりません。

さらに具体的には、マシンラーニングとは与えられたデータを処理し、そこから学び、より良い判断を下すマシンの構築です。AIのサブセットとして考えるのがベストです。

誰の目にも明らかなのは、効果的なマシンラーニングのためにデータが必要不可欠であることと、なぜそれが初めの段階であるかという理由です。データが承認されれば、アルゴリズムが作成され、人間の意思決定プロセスが再現されます。

マーケターによる、購入者の行動の予想や影響を知るデータ利用方法を考えるとしましょう。そうすると最初に、人口統計学、心理学、社会学などの分野で共通性が見えるのではないでしょうか。これらの共通性が、価値観、考え方、性別、収入による市場セグメントにアピールする販促キャンペーンの基盤となるでしょう。

それと同じように、開発者はデータの中のパターンをコンピュータに発見させることができます。上記の場合ではマシンはデータを分析し、誰が、何を、どこで、どのように会社の製品を売るのか結論を下します。しかし現在のテクノロジーでは、以前では特定の個人を対象に小さな活動を行っていたようなマーケターが、グローバルな主導権を握ることが可能になります。

日本で20年に渡る取引、エンドユーザーの要望、ベンダーマッチングのデータを持つECサイトを運営する顧客を例にあげましょう。彼らはAIソリューションを希望していましたが、どこから手をつけて、何から始めるべきなのかさっぱり分かりませんでした。

まず最初にデータを整理して分析し、有用なデータを承認してもらうことで、マシンラーニングのモデルを確立することができました。ここから、データがKPI(重要業績評価指標)を導き出す可能性があると結論を出し、新規の問い合わせと売上があった段階でAIが最適なベンダーをマッチングさせ、エンドユーザーに提案できるようになりました。その結果、売上が急増しています。

AI

マシンラーニングは、ビジネスニーズを満たす目的でさらに自律的なソリューションを生み出す長い道のりを歩んでいます。とは言え、未来を予測する能力は、入手できるデータに左右されます。マシンは情報が欠落するとシナリオの予測ができませんし、エラーが発生した場合には依然としてエンジニアが調整を行わなければなりません。言い換えると、それは完全に自律的とは言えない、という事です。

ここで現在のAIの頂点であるディープラーニングの登場です。マシンラーニングのもう一つのサブセットと考えられる一方で、ディープランニングを際立たせるのは、予測が正確か否かを使われたアルゴリズムがそれ自身で判断できるということです。ディープラーニングは自分の意思決定を反映し、過去の経験に基づいて改善する能力を持っています。

技術の進歩によって手軽なソリューションが生まれるかもしれません。しかし現在のところ弊社の知る限り、ビジネスではAI開発プロセスのはっきりした経路を進まなければなりません。