AIは何を手がかりに学ぶのか

1AIの仕事は一つではない

写真から傷を見つける機械と、いろいろな仕事を柔軟にこなす機械では、できることの広さが違います。また、正しく答えられることと、人間のように意味を理解していることも別の問いです。ここでは「仕事の範囲」と「知能や理解の捉え方」を分けて整理します。

AI（Artificial Intelligence：人工知能）は、認識・推論など知的な働きをコンピュータで実現する技術や仕組みを指します。画像から傷を認識する、売上を予測する、文章を作るなど目的は様々です。ビッグデータは量・種類・更新速度などの面で大規模・複雑なデータであり、AIによる分析の材料にもなります。

大量なら自動的に正しい結論が出るわけではありません。

特化型AIは、検品や翻訳など特定の仕事に向けたAIです。汎用AIは、様々な課題へ柔軟に知識や能力を適用するAIという概念です。「弱いAI」は人間のような意味理解そのものを前提にせず特定の知的処理を実現する考え、「強いAI」は人間と同様の知能や理解を機械で実現する考えとして使われます。

特化型／汎用は適用範囲、弱い／強いは理解等の捉え方にも関わるため、厳密に同じ分類とは限りません。

2教師あり学習は、入力と正解を対にする

教師あり学習は、入力と正解となる情報の組から関係を学ぶ方法です。天候・曜日と実際の売上を組にして学び、明日の売上を予測します。検査データと後の発症有無からり患予測、商談情報と成約結果から成約予測、利用状況と解約結果から離反予測をする例があります。

赤ちゃんの泣き声と実際の原因を対で学ぶなら教師あり学習です。「好みを抽出する」だけでは正解付き学習とは断定できません。人が「条件Aなら処理B」と決めたルールをそのまま実行するだけなら、データから学習する方法とは区別します。

3教師なし学習と強化学習

教師なし学習は、あらかじめ正解の分類名を与えず、データの構造や似たまとまりを探す方法です。購買傾向の似た顧客を分ける顧客セグメンテーション、売れ方の似た店をまとめる店舗クラスタリングが例です。まとまりにどんな意味があるかは人が検討します。

強化学習は、行動の結果として得る報酬を手がかりに、よりよい行動の選び方を学びます。シミュレーションで車が安全に進めた場合に報酬を与える自動走行制御や、建物の揺れが小さくなる制御を学ぶ例があります。実環境で危険な試行を無制限に許すという意味ではありません。

4認識と定型自動化を見分ける

自然言語処理は、日本語など人の日常の言葉をコンピュータで扱う技術です。翻訳、文章の分析、音声で伝えた依頼の解釈などに使えます。文字の画像を文字コードに変える文字認識と、その言葉の意味や構造を処理する仕事は区別します。

FAQ（Frequently Asked Questions：よくある質問と回答）の応対では、音声認識・自然言語処理などを組み合わせ、発言内容に合う回答候補を担当者へ示せます。番号ボタンに応じた固定の電話振分け、電話番号で既存顧客情報を検索、人による応対研修は、それだけでAIによる回答判断とはいえません。

手書き内容の認識や音声対話はAIの活用例ですが、決まった操作の反復や電子タグの読取りだけをAIと判断しないことが大切です。