【基礎】AIの種類と強弱について解説！導入するメリットも紹介

近年、研究の分野でもビジネス領域でも大きく取りあげられているAIですが、自社にAIを導入するにあたって最適な導入方法が分からず手をこまねいている方も多いのではないでしょうか。そこで今回、AI導入に関心があるものの、基礎的なことが分からないとお悩みの方に向けて、AIの種類と、その強弱について解説していきます。

▼更にAIについて詳しく知るには？
AI（人工知能）とは？導入するメリットと活用例やおすすめのツールを紹介

▼社内のデータをAI化するには？
ノーコードAIツールUMWELT紹介ページ（活用事例あり）

AIとは人工知能のこと

AI（Artificial Intelligence）は日本語では人工知能と呼ばれています。AIは、人間の脳が行っている認識、思考、学習といった能力・活動を、コンピューターなどを使って模倣し再現するシステムです。しかし、AIに明確な定義はなく、AIの研究者の中にもそれぞれの定義があります。にもかかわらずAIが大きな注目を集めているのは、ディープラーニングや機械学習といった新技術が登場したことで、さらに研究が深化する余地が生まれたためです。

1.AIとは

AIの専門家や研究者の間でも、定義が統一されていないAIですが、具体的には、次のように様々な見解があります。（「人工知能は人間を超えるか/松尾豊」（KADOKAWA）42頁より）

• 人工的につくられた、知能を持つ実体。あるいはそれをつくろうとすることによって知能自体を研究する分野である
• 「知能を持つメカ」ないし「心を持つメカ」である
• 人工的につくった知的な振る舞いをするためのもの（システム）である
• 人間の頭脳活動を極限までシミュレートするシステムである
• 人工的につくる新しい知能の世界である
• 人の知的な振る舞いを模倣・支援・超越するための構成的システム
• 人工的につくられた人間のような知能、ないしはそれをつくる技術。人間のように知的であるとは、「気づくことができる」コンピュータ、つまり、データの中から特徴量を生成し現象をモデル化することのできるコンピュータという意味である。

このように解釈の範囲からすでに曖昧な状態ですが、これは専門家たちが「できる限り正確に伝える」ための見解です。AIとは「人工的につくられた知能」であり、その概念や技術そのものだと言えるでしょう。

2.機械学習とは

機械学習というのは、次のいずれかの方法を使って機械に学習させる（機械が学習する）ことです。

• 教師あり学習
• 教師なし学習
• 強化学習

ただし、「学習」といってもただ記憶するのではなく、人工知能AI が情報の識別や予測ができるようになることを指します。なお、これらの方法に優劣はなく、AIの目的によって最適な手法をとります。教師あり学習は、入力値（問題）とそれに対応する出力値（答え）を渡すことで、AIに関係性を教える方法です。学習した関係性や特徴から、未知の入力値に対しても確からしい出力値を得ることができるようになります。一方、教師なし学習は、入力値を与えることで、AIにその特徴や構造を見つけ出させる学習方法です。適切なアルゴリズムを使用することで、AIが入力値を適切に分類や識別することができるようになります。このように、教師あり学習や教師なし学習は、そのAIが使われる環境に合った入力値を開発者が与えます。一方強化学習では、AIが「自分が置かれた環境情報」を入力値として取り込み、それらから出力値を無数につくります。そして、特定の価値が最大になる出力値を正解として学習していくという学習手法です。

3.ディープラーニングとは

ディープラーニングは機械学習の新たな手法の1つです。これまでの学習手法は適切な答えがある（言葉にできる）課題を対象にしたAIのためのものでした。しかし、より応用範囲の広い「強いAI」を目指すためには、言葉にできないものが答えになる課題も解決する必要があります。ディープラーニングを利用して学習すれば、そんな「言葉にならない感覚的な答え」も見つけられるのです。なお、ディープラーニングで利用するニューラルネットワークには、人工知能（AI）の用途に合わせていくつかの種類が提唱されています。

代表的なものを3つ紹介します。

• DNN（ディープニューラルネットワーク）：生物の神経回路網をモデルとしたアルゴリズムで、ディープラーニングの基本的構造
• CNN（畳み込みニューラルネットワーク）：DNNを2次元的データに対応させたもので、画像パターンの認識を得意としている
• RNN（再帰的ニューラルネットワーク）：画像のような固定長データではなく、動画や音声のように事前にサイズが規定されていないデータを扱えるようにしたアルゴリズム

AIの定義

前述の通り、AIについては明確な定義が存在しません。一般社団法人人工知能学会設立趣意書の定義では、「大量の知識データに対して、高度な推論を的確に行うことを目指したもの」とされています。過去に第一次ブーム（推論・探索、1956年～1960年代）・第二次ブーム（知識表現、1980年代）がありましたが、現在（2012年～）は『深層学習（ディープラーニング、機械学習の１つ）』がブレイクスルーとなって機械学習に脚光が当たっています。AIの技術的進歩は、コンピュータの処理能力の大幅な向上や、ICT化による大量のデータ蓄積によって実現されました。ディープラーニングによって、ヒトの能力を超える画像認識能力の獲得と、これに基づく、これまで機械では為し得なかった運動機能の習熟につながり、センサと組み合わせることによって機械が『眼』を持つことが可能となります。

強いAIと弱いAI

カリフォルニア大学の教授で哲学者のジョン・サールによれば、「強いAI（Strong AI）」とは「人間と同様の精神能力を有し、人間と同じような動作をする」AIです。この強いAI以外は「弱いAI（Weak AI）」とよばれ、現存しているAIはすべて、弱いAIであると言えます。弱いAIは自意識を持たず、あくまで人間の持つ力を模倣するものに過ぎません。しかし、人間よりも正確に、迅速に、辛抱強く作業をすることはできます。

1.強いAIとは

強いAIとは、「適切にプログラムされた『意識』を持ち、総合的な判断ができるAI」です。一方の弱いAIとは、「一定の領域のみの業務に特化したAI」です。現在企業などの業務効率化や自動化する際に導入が進んでいるAIの多くは、弱いAIにあたります。

2.弱いAIとは

弱いAIは、与えられた仕事に対しては自動的に処理ができる一方で、プログラムされていない、想定外の状況への対応はできません。つまり、人間の知性の一部分のみを代替し、特定のタスクだけを処理するAIが弱いAIです。現在、実用段階にあるAIはいずれもこちらに該当します。
具体的には、以下の3つがが挙げられます。

• 囲碁で人類最高棋士に勝利した「アルファ碁」
• スマホのカメラで撮った写真を認識し瞬時に情報を表示する「Google Lens」
• iPhoneに搭載され、自然言語処理を用いて言語を処理する「Siri」

3.2種類のAIの違い

まず、「強いAI」と「弱いAI」の概念から説明します。これは、米国のジョン・サールが1980年に論文「MINDS, BRAINS, AND PROGRAMS」のなかで提唱した、「AIが人間の意識や知性を持つかどうか」という観点の分類です。このうち人間のような意識を再現できるAIのことを強いAI、知性の一部に特化したツールのことを弱いAIと呼びました。

特化型AIと汎用型AI

個別の領域に特化して能力を発揮するAIを「特化型AI」、異なる領域で多様な問題を解決するAIを「汎用型AI」と呼びます。自動運転システム、画像認識、将棋・チェス・囲碁、音声や文章の言葉を認識するAIなど、現在、存在している一般的なAIはどれも特化型です。一方、汎用型AIは人間のように1つのシステムで自律的にさまざまな知的作業をこなすことができるとされていますが、そのようなAIが登場するまでにはまだ多くの課題が残されています。

1.特化型AIとは

将棋や囲碁のAIソフト、掃除ロボットや音声認識など、特定の用途のためにつくられたAIが弱いAIです。あらかじめ指示された作業しかできませんが、学習することでその作業の精度を上げることができ、人の補助や能力の拡張に最適なAIです。現在、実用化されているAIや、企業で研究されているAIのほとんどはこの弱いAIに分類されます。

2.汎用型AIとは

汎用型AIは、特定の課題だけに対応するのではなく、人間と同様にさまざまな課題を処理できるシステムのことを指します。想定外の出来事が起こった場合でも、人間であればこれまでの経験に基づいて総合的に判断を行い、問題を解決できます。このように、人間のような問題能力処理能力をもつAIが汎用型AIです。汎用型AIは、プログラムされた特定の機能以上の状況に対しても、自ら学習を行い、能力を応用することによって問題を処理できるとされています。しかしこちらに関しては、実用化に高い期待が寄せられているものの、未だ実現はしていません。

3.2種類のAIの違い

「特化型AI」と「汎用型AI」は「人間のように広範な課題を処理できるか」という視点で分類した概念です。すなわち「課題処理」の観点から、限定的な範囲のみの課題を処理できる機械を「特化型AI」、さまざまな範囲の課題を総合的に処理できる機械を「汎用型AI」と呼びます。つまり、「強いAI」と「弱いAI」、「汎用型AI」と「特化型AI」の関係性は、どんな視点でAIを判断するかという観点の違いから分類されています。「強いAI」と「汎用型AI」、「弱いAI」と「特化型AI」は近い概念といえるでしょう。

実際に使われている特化型AIの例

前述の通り特化型AIは、人の補助や能力の拡張に最適なAIです。人間の知的能力を完全に再現することはできませんが、単純作業やミスをしてはならない業務など、人間が不得意とする作業を代替させることができます。ここでは、実際にどのような業務がAIに代替できるのか、実際にどう活用されているのかについて、技術内容にも触れながらご紹介します。

1.異常検知

異常検知とは、大量の計測値を機械学習させ、未知のパターンや複雑なパターンであっても異常であるかどうかを検知する手法です。その用途によって「故障検知」や「不正使用検知」などと呼ばれることもあります。総じて、「大多数のデータとは振る舞いが異なるデータを検出する技術」と言えます。ビッグデータがあれば、その中には必ずと言っていいほど異常なデータが存在します。そのため、異常データの効率的な検出はビッグデータの活用において極めて重要です。具体的には、不正な取引や工場などでの装置故障の検知、大規模施設内の機器監視など、人間だけでは判断できない、ビッグデータを扱うさまざまな業種で活用されています。

2.ドローンの航路設定

ドローンの航路設定にもAIが用いられています。現在、ドローンの自動飛行にはクラウドの技術が使用されていますが、「データの保存容量や処理速度が機体に依存しない」、「あらゆるデータを複数のデバイスに利用できるというメリットがある一方で、インターネット接続なしにセンサー情報をリアルタイムに収集および判断が難しい」という課題がありました。また、ドローンの飛行の増加に伴い、あらゆる環境下、状況下においても確実に安全な飛行を実現するために、現場で自律的に判断する仕組みが必要不可欠となっていました。そこで、ドローン専門のIT企業であるリベルダージは2019年9月10日、従来の自動飛行で実現できない障害物の回避や用途に応じた撮影データのクラウドへのアップロードなど、より高度な航路の設定を可能とするエッジコンピューティング搭載型ドローンプラットフォーム「エッジドローン」を開発。実証実験を開始したことを発表しました。

3.需要量の予測

東芝の研究開発センター システム技術ラボラトリーが開発した、AI活用による高精度な自動予測技術により、電力需要予測が可能になりました。電力需要予測とは、電気事業者が日々の供給計画や取引計画を立てるために行われるものです。電力には「同時同量」という原則があり、需要量と供給量のバランスを常に一致させなければなりません。電力はストックができず、過度な発電所の運転は事業者の損失につながるため、需要に応じた無駄のない供給が求められているのです。この技術開発により、気象予測データを基にした、より精密な電力需要量予測が可能になりました。その他にも、今後生活消耗品といった日用品の需要予測にも活用できることが期待できます。

4.クレジットカードの不正検知

近年、キャッシュレス決済の規模拡大に伴ってクレジットカードの不正利用による被害も多発しています。不正件数が増えれば被害総額も増えるだけでなく、店舗側も人員などのコストを割いて監視体制を整える必要がでてきます。こうした新たな課題に対して、不正検知技術が大きく貢献します。現在注目されているのが、昨今様々な分野で導入されている機械学習です。機械学習によって、不正検知が自動化され、不正利用をいち早く察知できる見込みがあります。機械学習を導入した不正検知により、人よりも迅速な対応が可能になります。また、自動化することで、不正利用に悩まされる個人や店舗への影響の減少にも効果があるでしょう。不正利用の増加・巧妙化に伴い、今後さらに注目されると考えられるので、これからの動向も十分に追っていく必要があります。

5.パーソナライズ広告

マーケティング分野では、今後AI活用によってパーソナライゼーションの自動化が進展していく可能性があります。パーソナライゼーションとは、顧客の属性をあらかじめ分析し、その興味・関心・嗜好に合わせて自社のサービスを最適化していくマーケティング手法です。 顧客のインターネットの検索結果や、ECサイトの「おすすめ商品」など、身の回りのあらゆるものは、顧客の好みに合わせてパーソナライズされています。AIによって近い将来、顧客の嗜好分析から、エンゲージメント率が高まるコンテンツの作成も自動化されていくことになるかもしれません。その代表的なツールの1つが「Persado」。過去の広告キャンペーン、マーケティングフレーズ、顧客反応データと自然言語処理技術によって、新しいコピーライティングの作成が可能です。また、コピーとともに配色の最適化や感情を揺さぶる効果的な仕掛けの提案もできます。

AIを導入するメリット

ここまで実際AIがどのような技術でどう活用されているかについて解説しました。しかし、これらの技術が必ずしもすぐに自社に導入できるものであるとは限りません。実際にAIを導入することでどのようなメリットがあるのでしょうか。ここでは、一般的に企業が抱えている課題と、実際にAI導入によってどのようなメリットが生じるのかについて解説します。

1.業務の自動化

AIを導入することによる最も大きなメリットは、業務の自動化が図れる点にあります。流通・製造といった様々な領域で人間の行ってきた単純作業が代替されようとしているのが近年の潮流です。実際に業務の自動化を行うことで、単調な作業を人間が行う必要がなくなり、同時に企業にとっては人件費の削減にもつながります。また、人間が行うことによって生じるミスも限りなく減少します。

2.従業員の管理

従業員の勤務状況や給与に関しての管理は、どの企業にとってもコストがかかる業務であると言えます。最適な人員配置や一人一人に対する丁寧で的確なサポートなど、AIの活用によってできることは非常に幅広いです。例えば、自動で業務や社内システムに関する質問に対して回答を与えてくれるチャットボットはその代表例です。全社員に対して公平に最低限のサポートを行うことのできるAIの社内活用は、今後ますます広がっていくでしょう。

3.セキュリティの強化

人によって管理されている情報には漏洩の危険性があります。そこで、重要情報を扱う業務に関して人間への属人化を避けることで、一定の権限の人間のみが重要情報を管理できる上、ミスによる情報漏洩を防ぐことができます。今後は人間がやるべき業務と、AIにやらせる業務の棲み分けがより明確になってくるのではないでしょうか。

自社に合うAIを導入するのであればTRYETINGの「UMWELT」がおすすめ

AIには、最先端の研究から実務で使えるものまで様々な技術が存在します。各社に最適な形で実務で扱えるAI技術を簡単に導入できるのが、TRYETINGのノーコードDXツール「UMWELT（ウムヴェルト）」です。UMWELTは、常時100種類ものアルゴリズムを搭載し、自由に組み合わせて、既存のシステムを活かしながら、AIを扱うエンジニアがいなくても分析や自動化が簡単に実現可能です。AIの導入に、エンジニア不足が原因で諦めざるを得なかった企業様も、簡単に導入ができるサービスとなっています。

まとめ

AIによる業務自動化は、人間の行う単純作業を減らし、ミスを低減するという意味でも業務全体の効率化が図れます。しかし、各社によって業務の状況は異なっていることでしょう。他企業の導入事例を参考にしても、自社の事例に適用できない場合も多々あります。そうした際に、TRYETINGの「UMWELT（ウムヴェルト）」の活用を検討してみてはいかがでしょうか。

UMWELTのサービスページをチェックする

AI予測ツールUMWELT紹介ページ（活用事例あり）