こんにちは、negnegです。
最近は生成AIが話題ですね。社内でも有志によって拡散モデルを用いたイラスト生成サービスであるStableDiffusionや対話サービスであるChatGPTを筆頭に概要や使い方に関する勉強会が開かれました。

様々なタスクをこなすことができるAIが次々と発表されている昨今ですが、そもそもAIって何なのか、活用してみたいけど実際にどのようなことができるのかとお考えの方々もいらっしゃると思います。
そこで本記事では、下記について詳しく解説します。

• AIとは
• AI導入のメリット・デメリット
• AIの種類

AIについてざっくりと知りたい方、導入を検討している方はぜひご覧ください。

AIとは

AI(Artificial Intelligence)とは、コンピュータが人間のような知識や判断力を模倣する技術※のことを指します。
人間が持つような知識やスキルをプログラムを通じてコンピュータに取り込むことによって、様々なタスクを自動化することが可能です。
※言い切ってしまいましたが、明確な定義づけはされていないため、人によって解釈に幅があります。

ニュースなどでOpenAI社のChatGPTが取り上げられたこともあり、人手不足の解消や業務効率化の観点から大きな注目を集め、多くの企業が導入を始めています。
ここからは、AIの歴史や仕組みや歴史について詳しく解説します。

AIの歴史

ニュースなどでAIについての情報を耳にする機会が増え、最新の技術と考える人もいらっしゃるかもしれません。しかし、その歴史は古く1950年代から研究され続けています。
AIという言葉はダートマス大学の計算機科学者、ジョン・マッカーシー教授により生み出され、1956年に開催されたダートマス会議ではじめて使われました。

大きくは下記の3回ブームがあり、現状に至っています。

• 第1次ブーム：「探索」と「推論」（1950～1960年代）

この年代に初めてコンピュータが人間の知能を模倣する可能性に注目が集まり、AIのアルゴリズムの一つ、ニューラルネットワークのパーセプトロンは1958年に発表されました。
プログラムを通じてチェスをしたり、簡単な言語処理をする試みが行われました。ところが、当時のコンピュータの処理能力は限られており、大きな成果を上げることは難しい状況でした。

• 第2次ブーム：「知識表現」（1980～1990年代）

コンピュータの性能が向上し、新しいアルゴリズムや手法が登場したことで、AIに関する研究が再び活性化しました。
特定の分野における専門知識を備えたエキスパートシステムが誕生し、株価予測や病理診断などの分野で実用化されました。しかし、依然として使用するシチュエーションが限定的であり、人々の高い期待に対して成果が追いつかない形でブームは下火になりました。

• 第3次ブーム①：「深層学習」（2000年代～）

2006年にGeoffrey Hintonらによって深層学習(ディープラーニング)が発表され、GPUという並列計算を得意とするハードウェア技術の発展も相まって、第3次から現在に至るブームが興っています。第1次・2次ブームでは、厳密にルールを定義したり、専門の研究者が設計した特徴をもとにAIの学習が行われていました。深層学習の登場以降は特徴を作成する部分までもAIがデータから自動で行うことができ、様々な分野で研究がされてきています。

現在ブームの最中と考えられているのですが、ターニングポイントのように感じる部分もあるので分けて紹介させていただきます。

• 第3次ブーム②：「Transformer」と「基盤モデル」（2017年頃~）

2017年にTransformerと呼ばれる深層学習モデルが開発され、文章翻訳などの自然言語処理と呼ばれる分野で話題になりました。このTransformerはChatGPTに使われているモデルの構成要素でもあり、言語処理に限らず画像や音声の分野においても応用研究がされてきています。

基盤モデルとは、大量かつ多様なデータで訓練され、ファインチューニングすることにより様々な下流タスクに適応できるモデルのことです。
また、複数のドメイン(画像+テキスト)のデータで学習を行ったモデルのことをマルチモーダルモデルといいます。

従来は画像のみ、音声のみのようにユニモーダルで処理を行うモデルの研究が盛んでしたが、近年はマルチモーダルの研究が発展してきています。
2021年にはCLIPと呼ばれる画像とテキストを紐づけるように学習された基盤モデルが登場したり、Transformerに関するスケーリング則が報告されたりと、AIの学習に利用されるデータの規模と多様性が際限なく大きくなってきています。

AIの学習方法

AIの学習方法にはさまざまな方法があり、主要なものは以下の3つです。

• 教師あり学習
  もっともポピュラーな方法で、入力データとそれに対する正解（ラベルやターゲット）が与えられた状態で、モデルを訓練する方法です。モデルは、入力データから特徴を学習し、正解データと比較しながら、予測を行う能力を向上させます。

• 教師なし学習
  教師なし学習は、正解データが与えられず、入力データの構造やパターンを発見するために使用される方法です。モデルはデータ内部の関連性を抽出し、クラスタリングや次元削減などの手法を用いてデータを整理します。
  ラベルがないデータに対して、自ら教師を作成して学習を行う自己教師あり学習というものも注目を集めています。

• 強化学習
  教師あり・なし学習とは違い、AI自身(エージェント)に行動を最適化させる方法です。
  エージェントは特定の状態で行動を選択し、環境から報酬や損失を受け、その結果をもとに自身の行動戦略を修正します。この流れを繰り返すことによって、どのような行動をすれば最適な結果が得られるのかを試行錯誤させ、適切な行動を学習させます。

AI導入のメリット

AIの活用にはさまざまなメリットがあり、導入する企業が増えています。実際に、IBM社が2022年7月12日に発表した「世界の AI 導入状況2022 年（IBM Global AIAdoptionIndex 2022）」によれば、調査した企業のうち35%がAIを導入していて、2021年と比べ13ポイント増加しています。

ここからは、AI導入における以下のメリットについて詳しく解説します。

• 人手不足の解消
• 業務効率化
• 事故やミスの削減

人手不足の解消

日本では総人口や労働人口が減少しており、建設業や農業など働き手不足が叫ばれている業界が多く存在するといわれています。すべての仕事をAIが代替できるわけではありませんが、AIを用いることにより労働力不足を補うことができます。また、AIによって人間側の負担を軽減することにより、人間側はより重要で創造的な仕事に集中することができます。

業務効率化

現在のAIはデータ処理とパターン認識において高い能力を持っており、膨大なデータの分析や煩雑な計算を迅速に行うことができます。そのため業務プロセスにAIを適切に組み込むことができれば、業務の効率化を行うことができ、時間とリソースの浪費を削減できます。
例えば小売業ではAIによる在庫管理や需要予測などが行われており、生産計画の最適化において一役買っています。

事故やミスの削減

AIは正確さと一貫性をもってタスクを実行することが可能なため、人間によるミスや自己を削減する一助になります。
例えば建設業など、危険な環境や高リスクの業務がともなう場合にAIを利用することにより安全性を向上させることができます。製造業においては、工場内でカメラ画像からの不良品検出や異音から機材トラブルを検出するAIを活用することで、事故や出荷ミスを削減することができるでしょう。
また、人間も生物ですので仕事の品質は、下記のようなさまざまな要因で変動します。

• 知識や経験
• モチベーション
• 体調

一方でAIはシステムであるため、上記要因で品質が変わらず、疲れることもないため24時間稼働が必要な作業などにも適しています。

熟練者のみが持つ知識をAIに組み込むことにより、属人化をなくしていこうという動きもあります。弊社もお客様からそのようなご相談をお受けすることがあり、PoCをご一緒にさせていただいております。

AI導入のデメリット

メリットがある一方で、AI導入にはデメリットも存在します。
ここからは、AI導入における以下のデメリットについて詳しく解説します。

• 雇用の減少
• 責任の所在と倫理的な問題
• 高コスト
• 解釈性

雇用の減少

AIを導入すれば人手不足を解消するメリットがありますが、裏を返せば人の仕事を奪ってしまうことを意味します。特に単純なタスクはAIによって自動化されることで、関連する職業の需要が低下する可能性があるとされています。

HISホテルホールディングスが運営する「変なホテル」は、ロボットが働くホテルとして話題になりました。また、無人コンビニやスーパーに代表される商品の自動会計レジを導入している企業も多く、将来的にはAIの利用により人間がレジをする必要がなくなる可能性があります。

一方、AIの発展によって新たなビジネスが続々と創出されてきており、そこで新たな雇用が生まれているという側面もあります。

責任の所在と倫理的な問題

現状も一部導入されていますが、AIの精度がさらに高まれば自動運転のシステムにも本格導入され、ドライバーの人手不足解消に大きく貢献するでしょう。しかし、自動運転に限らずAIを搭載したロボットや製品が事故を起こした際の責任の所在に関する法律やルールは未整備であるという現状があります。
仮に事故などが発生した場合、誰の責任になるのでしょうか。

• AI自身
• AIを開発した会社
• AIを所有している会社
• AIに指示を出し、操作していた人

上記の通り複数の選択肢があり、責任の所在が明確ではありません。
また、AIが倫理的・社会的に問題がある判断を下す場合もあります。
例えば学習データに偏りがあり、黒い皮膚の人をゴリラと認識してしまうといった問題などがあります。

学習するデータの質によってはこのようなことが往々にして起きてしまうため、注意が必要です。

高コスト

メリットでお伝えした通り、AIを導入すれば人件費削減などの効果がありますが、開発するためには多額のコストがかかります。具体的には、数千万円〜数億円かかるケースもあるといわれており、開発するAIが複雑になればなるほど、コストも増加します。
ただし、近年はAI開発ツールなども充実し、画像認識や音声認識AIなどであれば、莫大なコストはかかりません。いきなりAIモデルの開発を行うのではなくPoCでスモールスタートすれば、ハードルやコストも抑えられます。

また、AIは一度開発すればそれで完成するわけではありません。定期的にメンテナンスや再学習が必要になり、ランニングコストも発生します。冒頭でお伝えした通り、AIは学習した内容をもとにアウトプットする仕組みとなっており、定期的に再学習をしなければ精度を維持・向上させることができません。現場から得られた最新データを学習させなければ、アウトプットも期待にそぐわないものになってしまうでしょう。

AIを開発・導入する際は、目的や解決したい課題を明確に定め、その達成にAI開発をした場合費用対効果が得られるかを検証するのが重要です。目的や課題解決の手法はAIだけではありません。オペレーションの変更や他のITシステムの導入などさまざまな選択肢があるため、AIの開発・導入・ランニングコストにどの程度の予算をとれるかを明確にしましょう。

解釈性

深層学習を用いて開発されたAIの出力はブラックボックス化しており、なぜそのような事故やトラブルが起きたのかを解き明かすのも困難である場合が多いです。
AI導入をするのであれば、何かトラブルがあった場合の対処法の検討やリスク管理をしておくのが重要です。このような背景から近年では、XAI（eXplanable AI、 説明可能なAI）の研究が盛んになってきています。

AIの活用例

一口にAIといっても扱うタスクによってさまざまなものがあります。

• 音声認識AI
• 画像認識AI
• 自然言語処理AI
• 需要予測AI
• 生成AI

ここからは、上記のそれぞれのAIについて詳しく解説します。

音声認識AI

音声認識AIは、音声を解析しテキストデータなどに変換するAIです。誰が話した音声なのかの識別も可能で、他のAIと組み合わせれば会話もできます。具体的には、下記の活用方法があり、スマートスピーカーやコールセンターのボイスアシストなどで実用されています。

• 議事録作成
• 翻訳
• 異音検知
• AIアシスタント

画像認識AI

画像認識AIは色や形状などの特徴をもとに画像や映像を分析するAIです。
何が映っているかの認識やその位置の検出が可能で、人の顔だけでなく手書き文字や指紋など、認識対象は多岐にわたります。
活用事例としては以下になります。

• 防犯システム
• 工場の不良品検知
• 無人レジ
• 類似画像の検索
• 人物や物体の検出

自然言語処理AI

自然言語処理AIは、文章の読み取りや生成を行うAIです。
私たちが普段利用する言語（自然言語）をコンピュータが理解するために、古くは形態素解析や構文解析といった技術が取り入れられ、DeepLに代表される翻訳ツールやチャットボットに活用されています。
最近話題になっているChatGPTも自然言語処理AIに分類されます。

需要予測AI

需要予測AIは、過去の実績データをもとに将来の予測をするAIです。
例えば、天気や市場、商品販売数などのデータを学習させることにより、翌月にどの程度商品が購入されるかを予測することができます。

需要予測は主に人間の経験と勘をもとに予測されており、予測を行うことができる人は専門知識のある人のみであり、属人化してる現場もあるそうです。

需要予測AIを活用すれば、日中にデータを集めて営業終了後にそのデータを元に学習を行い、翌朝に発注をかけるということも可能であり、在庫のロスや機会損失の回避などに役立ちます。

生成AI

生成AIは、文章や画像などを生成するAIです。深層学習の技術の発展とともに精度が向上しており、ここ数年では拡散モデルという新しいモデルの登場により現実的に使えるようになってきました。

Stable Diffusionというテキストを入力として写実的なイラストを作成できるようなサービスが台頭してきており、応用することによって広告画像を自動作成するといったようなことができるようになってきています。

また、言語モデル（LLM）を用いることによって商品説明文章を自動で作成したり、テキストで説明した内容を元に楽曲を制作するといったこともできるようになってきています。

まとめ

本記事では、AIの概要や導入した場合のメリット・デメリット、AIの活用例について解説いたしました。

AIとはコンピュータが人間のような知識や判断力を模倣する技術で、導入することにより人手不足の解消や業務効率化、事故・ミスの防止などさまざまなメリットがあります。
また、AIと一言でいっても以下のようにいろいろな種類があります。

• 音声認識AI
• 画像認識AI
• 自然言語処理AI
• 需要予測AI
• 生成AI

AI導入で成果を出すためには、導入目的や解決したい課題を明確にし、適切なAIを導入するのが大切です。

最後に

クロスキャットでは、AIに関するコンサルティングサービスとPoCのサポートを⾏うサービスを提供しています。

AIの活用方法はさまざまであり、適切なAIを導入しなければ成果は上がりません。
場合によっては、多額のコストを支払ったにも関わらず、無駄になってしまうケースもあると思われます。
そのようなことにならないよう、弊社のエキスパートが全力でサポートさせていただきます。

• そもそもAIって何ができるの？
• AIでこの課題は解決できる？
• AI導入は何からはじめたらいいの？

上記のようなささいなご相談からでも構いませんので、ご興味のある⽅はぜひお問い合わせください。

CC-Dash AI

参考文献

[1] https://www.ibm.com/downloads/cas/DOMQ0OWA(2023/08/19確認)