人工知能（AI）コラム

画像分析やコンピュータービジョン(CV) は、人工知能 (AI) の最先端の研究分野です。AI搭載の自動運転車の出現により、画像処理技術は非常に重要になり、ますます注目を集めるようになりました。最近では、画像処理ベースの AI は、eコマースサイト、銀行取引、ホームオートメーション、職場監視など、私たちが使用するほぼすべての消費者向けアプリケーションに適用されています。
当社は、10 年間にわたって画像処理の研究開発に取り組み、さまざまなビジネスアプリケーション向けのソリューションを開発してきました。そのため、Convoluted Neural Networks (CNN)、Generative Adversarial Network (GAN)、Feature Pyramid Networks などの画像処理に機械学習やディープラーニングベースの手法を用いる専門知識を有しています。また、CCTVカメラフィードのオブジェクトと異常を検出するために、教師ありと教師なしのMLモデルを組み合わせて使用するスマート ビデオ監視ソリューション (Aksha) も開発・提供しています。

本記事では、画像処理技術の概要と、自動運転車の障害物検出、衛星画像からの小さな物体検出などの問題に対する画像処理技術の具体的な応用について説明します。
また、一部の顧客と行った事例や、画像処理に関連するPoC（Proof of Concept：概念実証）についてもご紹介していきます。

近年、ディープラーニングの自然言語処理分野の研究が盛んに行われており、その技術を利用したサービスは多様なものがあります。
当社も昨年2020年に「INTELLILINK バックオフィスNLP」という自然言語処理技術を利用したソリューションを発表しました。
INTELLILINK バックオフィスNLPは、最新の自然言語処理技術「BERT」をはじめとする最新の自然言語処理群に加え、ルールベース・機械学習問わず様々な技術要素を備え本コラムにて扱う「知識抽出」以外にも「文書分類」「機械読解」「文書生成」「自動要約」などさまざまなAI機能を備えており幅広いバックオフィス業務の効率化を実現することが可能です。

本コラムでは、様々な企業が自社で取り扱うビジネス文書、メール・応対履歴といったログ情報などの自然文から機械が取り扱いやすい構造化データとして情報を抽出する「知識抽出」の取り組みの一つである「固有表現抽出」に焦点を当てAIの技術的な遍歴に沿ってご紹介したいと思います。

NTTデータ先端技術の“AIソリューション事業部”では、主にAI案件のサービスやAIを扱う開発案件の事業を展開しています。 AIは現在主流の脳の神経回路を模したディープラーニングを使用したものからルールベース処理といった単純な仕組みまでさまざまなものがあり、要件に合わせて最適な方式を用いてシステムを構築していきます。
本コラムでは、AI開発案件業務の進め方について、プロジェクトの開始から終了までの流れを実際の体験談を交えて3回に分けて紹介していきます。

近年、ディープラーニングの自然言語処理分野の研究が盛んに行われており、その技術を利用した多用なサービスが提供されています。こうした中、自然言語処理モデルの研究が著しく進み、その成果は度々メディアにも取り上げられています。

本コラムでは、2020年に登場し自然言語処理分野に大きな衝撃を与えたと言われる自然言語処理モデルGPT-3や、日本語に特化した汎用的な大規模言語モデルについてご紹介しております。ぜひ最後までお読みください。 本コラムが少しでもみなさまのお役に立てましたら幸いです。

人工知能（AI）に関しては、数多くの事例を紹介し、そこから読者の課題解決を導き出す書き物が数多く発行され、読者を引きつけています。

本コラムは、これらの書き物とは逆に、第三世代ブームと言われる現在の人工知能の基礎的な解説を通し、動作のしくみを理解し、さまざまな適用事例を考えることができるように難しい数式は極力使用せず、最低限必要と思われる仕組みを簡単な構成で解説していきます。 ぜひ最後までお読みください・・・読み終えたときに、きっと誰かに話したくなると思います。それでは、始めましょう。

先日、同僚との会話の中で「機械学習は何となく分かったけど、学習した結果ってどう使うの？」という話題が出ました。

機械学習したモデルの評価はコードの実行などにより行えますが、一方、エンドユーザーが使うアプリケーションから機械学習の結果はどう使えばよいのか？ or どう呼び出せばよいのか？などの同じような疑問を持った方もいらっしゃるのではないでしょうか？

本コラムでは、Amazon Web Services (以下、AWS)のいくつかのサービスを組み合わせ、機械学習を利用した画像判定を行うWebアプリケーションを作成します。

機械学習を試してみたい方、機械学習させた結果を利用したWebサービスを公開してみたい方など、これから機械学習を活用したアプリケーション開発にトライしようとしている開発者の方を対象としており、機械学習のトレーニングからその結果を利用する簡易なWebアプリケーションを作成して配置するまでの流れを、前編・後編に分けて説明します。
機械学習を利用したアプリケーション開発に少しでもお役に立てれば幸いです。

ご存知のように3年ほど前よりAIはブームとなっています。IBMのWatsonがクイズ王に勝ったことや、囲碁のトッププロにGoogleのAlphaGoが勝ったといったイベントは、AIが人間の能力を超えた象徴的イベントとして世の中に衝撃を与えました。このようなAIの飛躍的進化の背景には、AIを構成する3要素　データ、ハードウェア、アルゴリズムそれぞれが「進化」したことにあります。

AIの学習に必要な世の中に存在するデータの量は爆発的に増加しています。2020年には世の中に存在するデータの量は44ゼタバイト（テラバイトの10億倍がゼタバイト）というとてつもないデータ量に達する見込みです。AIの学習処理に必要なハードウェアも急速に進化しており、AI処理に特化した特殊なハードウェアも登場しています。2025年には人間の脳の計算能力に追いつくと予測されています。AIの学習アルゴリズムについては、人間の脳の神経細胞を模した第3世代のAI「ディープラーニング」が登場し、前述のAlphaGoにとどまらず、コールセンターやチャットでの顧客問い合わせ対応、金融業におけるリスク審査、インフラの最適制御などにおいて、従来のAIを超える性能を発揮しており、急速に実用化が進んでいます。

とはいえ一般に信じられているほどAIは万能な存在ではありません。まだまだ学習データに含まれない事象を正しく扱うことはAIにとっては苦手です。人間のように常識で判断する、ということはできません。画像や音声認識のように人間の能力を超える能力を示す領域もありますが、言語の理解や美的センスなど、人間に追いついていない部分が多々あります。

それでもAIは社会やビジネスを一変させるキーテクノロジーであることに変わりはなく、急速に世の中に広まりつつあります。筆者はAIを正しく理解し、活用するためのヒントとなることを目的にＮＴＴデータの樋口氏と共著で2017年3月に「決定版AI人工知能」という本を出版しました。幸い、読者のニーズに合っていたようで、読者からの問い合わせやメディア取材などを多数いただいております。現在、中国語版と韓国語版についても出版準備中です。

本コラムでは、拙書でも取り上げている「AIはどのように社会やビジネスを変えようとしているのか？」「AIでいったい何ができるのか？」、「いま、AIはどんな活用がされているのか？」「AIを活用するためには何が必要なのか？」といったAIに関するよくある質問に答えていきます。