人工知能(AI)コラム

続・AI入門

川村 直毅
内部統制室 サステナビリティ担当
川村 直毅

続・AI入門 第1回 生成AIの仕組みを知ろう

2018~2019年に、本コラムの旧シリーズとなる全5回のAI入門コラムを書かせていただきました。それ以降、この人工知能に関しては、皆さんもご存じの通り、2022年の中旬以降に大きな進展がありました。当時のコラムでは深層学習(Deep Learning)は人工知能の3次ブームだ!という表現をしましたが、今回解説する生成AI(Generative AI)は、さらに第3.5次ブームとか…
2024年7月4日

生成AI基盤(Azure OpenAI Service)の運用管理:AI基盤の監視のポイントと統合運用管理の必要性

壁谷 奈津紀
ソフトウェアソリューション事業本部 デジタルソリューション事業部 サービスマネジメント担当
壁谷 奈津紀

生成AI基盤(Azure OpenAI Service)の運用管理:AI基盤の監視のポイントと統合運用管理の必要性

昨今、生成AIが急速な進化を遂げるとともに世の中に浸透しつつあり、生成AIサービスを導入する企業も増えています。主要クラウドベンダ各社が生成AI基盤の提供を開始していますが、中でもMicrosoftとOpenAIのパートナーシップによって実現された、Azure上で提供されるOpenAIのREST APIサービスである「Azure OpenAI Service」が注目されています。Azure OpenAI Serviceの大きな特長の1つは…
2024年3月14日

自社のデータで生成AIを強化すべし:ファインチューニングしてビジネスに活用させたい基盤モデル

田中 一男
ソフトウェアソリューション事業本部 営業推進部 ソリューション企画担当 シニアスペシャリスト
田中 一男

自社のデータで生成AIを強化すべし:ファインチューニングしてビジネスに活用させたい基盤モデル(その1)

最近、クラウドサービスプロバイダ各社が言語系の基盤モデルとそのファインチューニング機能を提供し始めました。企業が生成AIをビジネスに本格的に活用させたいと思うならば、自社がもつデータセットで基盤モデルをファインチューニングする必要があるからです。
AIは、他の技術が成長する上で不可欠な基盤的な技術であり、ビジネスや社会の進化を後押ししています…
2023年8月2日

自社のデータで生成AIを強化すべし:ファインチューニングしてビジネスに活用させたい基盤モデル(その2)

Microsoft、Google、MetaなどのBig Techが生成AIの開発をリードし、競争を激化させている現在、国家レベルでも本腰を入れて政策的に取り組もうという動きが加速しています。たとえば、英国では、2023年度春季予算案において、財務大臣が大規模言語モデルを含む基盤モデルにおける英国の主権能力を向上させるための新たな政府・産業タスクフォースを設立すると発表し…
2023年12月6日

画像分析のためのニューラルネットワークの概要とディープラーニングを用いた道路上の障害物検出への画像解析の活用方法

Shailendra Ghatage
ソフトウェアソリューション事業本部 APテクノロジー事業部 グローバルテクノロジー担当部長
Shailendra Ghatage
Amol Kashid
ソフトウェアソリューション事業本部 APテクノロジー事業部 グローバルテクノロジー担当課長
Amol Kashid

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。

画像分析のためのニューラルネットワークの概要

ニューラルネットワークは、一般的な機械学習の教科書に載っている機械学習モデルの1カテゴリであり、画像分析の分野に革命をもたらしたアルゴリズムの集合です。これらは、画像分析の分野に革命をもたらした特定のアルゴリズムのセットです。ニューラルネットワークは生物学的な神経ネットワークから着想を得ており、現在のいわゆるディープニューラルネットワークは…
2023年2月28日

ディープラーニングを用いて、道路上の障害物検出に画像解析がどう活用されるのか

「コンピュータービジョン」とは、撮影した画像や動画などをコンピューターに処理させ、視覚的な情報が理解できるように学習させて、そこから情報を導き出し新しい価値提供を可能にするという、人工知能(AI)の研究分野の一つです。人間と変わらない程度の視覚的な感覚・能力を身につけさせて、さまざまな分野に応用可能にするには、まだまだ多くの課題があります…
2023年3月10日

AIを使って画像・動画から小さな物体(オブジェクト)を検出する

物体(オブジェクト)検出は、コンピュータービジョンや画像処理に関連する技術で、デジタル画像や映像の中から特定のクラス(人間、建物、車など)の物体(セマンティックオブジェクト)のインスタンス検出を扱うものです。物体検出は、コンピュータービジョンにおける最も基本的で困難な課題の1つとして、近年大きな注目を集めています。物体検出の研究領域には…
2023年3月28日

AI開発のプロジェクトを紹介します

ソフトウェアソリューション事業本部 AIソリューション事業部
AID NLPチーム

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。

NER(固有表現抽出)始めませんか? 第1回

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。…
2021年12月7日

NER(固有表現抽出)始めませんか? 第2回

本コラム第1回では、固有表現抽出データセットを対象としたルールベース・探索による取り組みをご紹介いたしました。
第2回では前回の手法で提起させて頂いた「膨大なルールとその構築についての困難さ」の解決に向け「統計/探索モデル」を用いた第二世代AIでの取り組みについてご紹介差し上げたいと思います。
2022年1月6日

NER(固有表現抽出)始めませんか? 第3回

本コラム第1回、第2回と続いて、固有表現抽出データセットを対象としたルールベース・探索と機械学習による取り組みをご紹介いたしました。
第3回では前回取り扱った機械学習を更に発展させた深層学習を用いた固有表現抽出への取り組みについてご紹介差し上げたいと思います。
2022年2月28日

AI開発のプロジェクトを紹介します

関 敦彦
ソフトウェアソリューション事業本部 AIソリューション事業部 AIサービス開発担当
関 敦彦

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。

【第1回】 ~AIの考え方やプロトタイプの作成について~

TT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…
2021年3月30日

【第2回】 ~AIの性能と目標達成に到達するまでの取り組み~

本コラム第1回では、AI案件の発生からプロトタイプを作成するまでの取り組みとして、開発方式やAIモデルが作られていく過程を紹介しました。
第2回では、AIの性能と目標性能に到達するまでの取り組みについて紹介します。
2021年4月16日

【第3回】 ~AIの実用化と当社の取り組み~

本コラム第2回では、AIモデルのチューニングや性能に対する考え方について紹介しました。
第3回(最終回)では、AIの実用化と当社の取り組みについて紹介します。AIが独り立ちできるようになるまでの過程を見ていきましょう。
2021年4月23日

自然言語処理に関するコラム

櫻井 章雄
ソフトウェアソリューション事業本部 デジタルソリューション事業部 AIソリューション担当
櫻井 章雄

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。

自然言語処理モデル「GPT-3」の紹介

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…
2021年3月17日

世界で開発が進む大規模言語モデルとは(前編)

近年、自然言語処理分野において、汎用的な大規模言語モデルの開発が世界中で活発に行われています。「汎用的な大規模言語モデル」とは、大規模なテキストデータを事前に学習し、わずか数例のタスクを与えただけでさまざまな言語処理タスク(文章生成、穴埋め問題、機械翻訳、質問応答など)を…
2022年7月8日

世界で開発が進む大規模言語モデルとは(後編)

前編では、各国で開発が進む大規模言語モデルの傾向と、日本語独自の課題をご紹介しました。
後編では、日本語に特化した大規模言語モデルの具体例として、rinna社の日本語GPT言語モデルとLINE社のHyperCLOVAをご紹介します。
2022年7月28日

AI入門

鈴木 幸市
鈴木 幸市
川村 直毅
川村 直毅

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。

第1回 人工知能(AI) 入門の入門

AI (人工知能, artificial intelligence) は最近テレビでもしょっちゅう耳にする言葉になりました。一般的になってきたのはこの数年ですが、実は40年近く前から人工知能は研究されたり使われたりしてきているのです。ただ、現在目にするような音声認識だとか画像認識とは少し違ったものでした。このコラムでは、何回かに分けて人工知能の過去、現在、未来について書いていきたいと思います。
2018年11月14日

第2回 ニューラルネットワークと深層学習

前回のコラムでは、コンピューターの生い立ちからエキスパートシステムとしての期待、機械学習の誕生、そして最近の人工知能ブームの火付け役となった人間の脳の神経細胞を模したニューラルネットワークとディープラーニング(深層学習)についてご紹介しました。今回はこのニューラルネットワークが実際にどういう仕組みで動き、活用されるかをご紹介します。
2019年2月25日

第3回 ディープラーニング(深層学習)の仕組み

前回は人工知能の一番のトピックである“ニューラルネットとディープラーニング(深層学習)”についてお話しました。深い層をもつニューラルネットに、多くのデータを与えて学習させることで、さまざまな予測や判断をしてくれるようになります。この学習というのは、第2回の中で「ニューラルネットの中のニューロンをつなぐシナプスの重みづけを調整していくこと」と、解説しました。今回は、この重みづけの調整のしくみについて解説したいと思います。
2019年3月14日

第4回 ディープラーニング(深層学習)のブラックボックス問題と課題

前回はディープラーニング(深層学習)がどのようにして働くのかを簡略化して解説しました。なぜ、いまの人工知能ブームが巻き起こってきたのかの一端を掴み取っていただいたことと思います。しかし、そのような素晴らしい技術でも、課題があります。その1つが良く言われる「ブラックボックス」問題です。今回は、これについて解説しましょう。
2019年4月11日

第5回 ニューラルネットの調整と強化学習

本コラムも5回目となりました。第4回からちょっと時間が空いてしまいましたが、これまでの解説はいかがでしたでしょうか?もし、何か不明なところがあれば、遠慮なく、当方までご連絡ください。さて、今回は、もう少しだけ深く、ニューラルネットによる深層学習について考えてみたいと思います。ここまでくれば、数式なしの入門編はOKです。
2019年10月7日

まずやってみる機械学習

プラットフォーム事業部 Intellilink Training Academy チーフコンサルタント
田川 浩史

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。

第1回 まずやってみる機械学習(前編)

本コラムでは、機械学習を利用した画像判定Webアプリケーションの作成をゴールとします。
最初に作成するアプリケーションの完成形イメージとそれを実現するアーキテクチャ、および、この後の大まかな手順を共有したいと思います。
2018年9月13日

第2回 まずやってみる機械学習(後編)

前編では機械学習の設定まで行いましたが、後編からは機械学習した結果を利用して画像判定を行うためのWebアプリケーションを開発します。
開発環境にはAWS Cloud9を使用します。
2018年9月20日

AI概論

城塚 音也
Blue3事業部 戦略推進担当 プリンシパル
城塚 音也

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。

人工知能の進化

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。

第1回 社会とビジネスを変えるAI

内閣府は2017年に発表した第5期科学技術基本計画の中で、Society 5.0の実現を重点項目に挙げています。Society 5.0とは、狩猟社会、農耕社会、工業社会、情報社会に続く新たな経済社会であり、サイバー空間とフィジカル空間を高度に融合させ、経済的発展と社会的課題の解決を両立し、地域、年齢、性別、言語などによる格差なく…
2017年10月31日

第2回 AIの活用トレンドとその導入方法

第2回目では、実際にAIを導入したいと考えている一般企業の方々のために、いま、どのような目的で、どんな種類のAIの導入が進められているか、現在注目されているAI活用のトレンドについて紹介したいと思います。
また、AI導入になにが必要なのか?どのような手順で導入をすすめるべきなのか?など、AIを実際に導入する場合に知っておきたいポイントについても紹介します。
2018年4月12日

第3回 AI導入に失敗しないために知っておきたいこと

前回のコラムでは、AI導入にあたって知っておきたいポイントについて説明しました。今回はAI導入に失敗しないために知っておきたいことについてお話します。
2019年3月19日