一般の人が思っているAIの9割はAIでないという事実

一般の人が思っているAIの9割はAIでないという事実

AIでない例:「世の中の一次産業はドローンと農業機械で自動化されること」


いきなり、「おいおいそれ、AIだろ」と思われた方がいるかもしれませんが、AIでないです。
AIでもできますが、今のAIのエンジニアの高騰ぶりからするとAIでやってはいけないものです。

結論からすると、例として紹介しているのはアルゴリズムであり、AIとは非なるものです。

 

AIとは?


AIとは?Artificial Intelligenceのことで日本語にすると人工知能
Wikipediaによると

人工知能とは、「「計算」という概念と「コンピュータ」という道具を用いて「知能」を研究する計算機科学の一分野」を指す語。「言語の理解や推論、問題解決などの知的行動を人間に代わってコンピューターに行わせる技術」、または、「計算機による知的な情報処理システムの設計や実現に関する研究分野」ともされる。

人間の知能に近づけることを目的として開発された技術であり、

端的に言うと

「機械が自ら学習し賢くなっていく仕組み」

をAIと言います。

 

なぜ例にあげたのはAIではないのか


それは、先に述べた「AIでなくとも成り立つ」という点と「AIでは費用対効果が悪いので事業者としては絶対にAIを選択しないもの」になるからです。

一次産業である農業において、ほかにもよくある単純作業などにおいて、利益率や求められる臨機応変さにもよりますが、たいていのことは実はAIでなくてもよいのです。

なぜAIでなくていいのか

それはAIは「機械が自ら学習し賢くなっていく仕組み」

であり、「学習し賢くなる必要がないもの」はAIでなくてよいということです。

 

例えば農業においてですが

農業で必要な自動化は

  • ドローンが塗り絵のようにもれなく、肥料・農薬を散布、害獣を追い払う
  • ある特定の温度・日照時間・天候の推移に適した生育期間をとる
  • 上記に問題がある場合は、アラートを出し、人工的に温度・湿度などをコントロールするように仕向ける
  • 収穫期になったら、市場のニーズに合わせて、収益を最大化するように収穫する

などが必要になってきます。

また、種子を改良する、生育環境でPDCAをまわすという観点においても、数値化し、ある特定の交配をしたものが、どの生育環境(温度・湿度・日照時間・BGM・植えた間隔・肥料の量等)でどのような変化があるかということを研究し、またそれをデータとして組み込んで、それをアルゴリズム化して、自動化のシステムに落とし込む

 

ということをするだけで、従来の1割程度、特にデータに不足がないような環境であれば完全自動化もできます。

これは「アルゴリズムによる自動化」であり、「AI化」とは非なるものなのです。

 

AIとは具体的にどのように活用されるべきなのか?


では具体的にAIとはどのように活用されていくべきなのかというと端的に言うと、「パーソナライズされるべき状況」においてAIはその真価を発揮します。

例えば、

Aさんがこの気温30度、湿度70%のとき、外回りが1.5時間あったあとの午後16時は過去のデータから、ドクターペッパーを飲みたくなるはずであるが、昨日ドクターペッパーは飲んだばかりなので、過去に飲んだことのあるもので、かつ、嗜好にあうものはスプライトである。近くのコンビニでスプライトを販売しているのは40m先のファミマと120m先のセブンイレブン、そして会社に戻る経路上にある自動販売機の3択である、この選択肢を提案しよう

などという複雑な状況においては過去の膨大なデータをラーニングすることで自ら最適化であるであろう提案をするというのはAIが得意とする分野です。

複雑な環境下において、それらを過去のデータとして取り込み(ラーニングをし)その中から法則性を導きだして最適解を提供するということがAIの得意なこととなります。

そのため聞いたことがあるかもしれませんが、AIはラーニングのため膨大な過去データが必要なります。

AIで人間に勝ったとして、そして人間ではかなわない領域まで進歩した例として「囲碁」があげられます。

これは限られた範囲内で、ルールを定義して、勝利をするために、過去の多くの対局履歴を学ばせ、その中でAI同士でどんどん何万回という対局をバーチャルでやらせ、ミスのない強い脳(データベースを基に指令をするブレーン)を作っていきます。

それにより、自ら法則性などを見つけ、その中からさらに優れた解を自ら幾通りも見つけだすことにより、人間をはるかに凌駕するレベルまでいきました。

 

AIの種類、ディープラーニング(深層学習)と機械学習とは?


ちなみにアルファ碁の例は、
AIの中ではディープラーニング(深層学習)と言われる次元の高いものになります。

わかりやすく、AI、ディープラーニング、機械学習を図示すると下記のようなイメージです。

AIの図_機械学習_ディープラーニング

 

ディープラーニングとは?

ディープラーニング(深層学習)とは、人間が自然に行うタスクをコンピュータに学習させる機械学習の手法のひとつです。人工知能(AI)の急速な発展を支える技術であり、その進歩により様々な分野への実用化が進んでいます。近年開発の進んでいる自動運転車においてもカギとなっているのは、ディープラーニングです。停止標識を認識したり、電柱と人間を区別したりするのも、ディープラーニングが可能にしている技術と言えます。また、電話、タブレット、テレビ、ハンズフリースピーカーなどの音声認識にも重要な役割を果たしています。近年ディープラーニングが注目を集めているのには理由があります。それはディープラーニングが、従来の技術では不可能だったレベルのパフォーマンスを達成できるようになってきているからです。

ディープラーニングの技術は、人間の神経細胞(ニューロン)の仕組みを模したシステムであるニューラルネットワークがベースになっています。ニューラルネットワークを多層にして用いることで、データに含まれる特徴を段階的により深く学習することが可能になります。多層構造のニューラルネットワークに大量の画像、テキスト、音声データなどを入力することで、コンピュータのモデルはデータに含まれる特徴を各層で自動的に学習していきます。この構造と学習の手法がディープラーニング特有であり、これによりディープラーニングのモデルは極めて高い精度を誇り、時には人間の認識精度を超えることもあります。

引用:https://jp.mathworks.com/discovery/deep-learning.html

人間の脳を模して作られた仕組みで主な応用例としては

  • 車の自動運転
  • 画像認識

などが得意分野となります。

 

機械学習とは?

 

機械学習とは、コンピューターがデータから反復的に学習し、そこに潜むパターンを見つけ出すことです。そして学習した結果を新たなデータにあてはめることで、パターンにしたがって将来を予測することができます。人手によるプログラミングで実装していたアルゴリズムを、大量のデータから自動的に構築可能になるため、さまざまな分野で応用されています。

引用:https://www.sas.com/ja_jp/insights/analytics/machine-learning.html

パターン認識をして、分類することを得意とする技術です。

具体的な応用例としては

  • 迷惑メールのフォルダ振り分け(学習により制度UP)
  • 画像の分類による顔認識機能
  • スパム・クラッカー(悪いハッカー)を割り出すサイバーセキュリティ

などに応用がされています。

 

最後に


すべての自動化をAIと言っていると、実は間違いで、AIのことを知っている人にばかにされてる、あきれられるなどの自分の株を下げるリスク要因となります。

詳しく理解する必要はありませんが、社会人のたしなみとして

  • AIとアルゴリズムによる自動化の違い
  • 機械学習とディープラーニングの違い

この2点だけでは学んで損はないかと思います。

 

 

 

お役立ち情報カテゴリの最新記事