AI（人工知能）技術を使った開発は広がりを見せています。AIの可能性について、AIは万能であるようなイメージを持つ方もいますが、実際はそうではありません。AIには、得意なことと苦手なことがあります。
ここでは、AIとは何か、種類や仕組みを説明した後、AIにできることとできないことを分けて解説します。AIに関する正しい知識を持ち、必要以上に恐れず期待せず、バランスの取れた見方ができるようになりましょう。
▼もしAIを使った開発を検討している場合は、Automagica Labで無料の開発相談をしてみませんか？
目次
AIとは何か
一口に「AI」と言っても、AIには種類があることをご存じでしょうか。ここでは、AIの種類のうち2つをピックアップして説明するとともに、AIの仕組みを解説していきます。
AIの種類
AIには、特化型と汎用型の2種類があります。特化型AIとはその名前の通り、ある分野や領域に特化したAIです。達成が期待される目的や役割を果たすために学習を重ね、しかるべき処理を行えるよう開発が進められます。
実は、私たちが「AI」と呼んでいるのは、こちらの特化型AIになります。AIについてネット上で検索すると、「機械学習」や「ディープラーニング」という言葉が出てくることが多いですが、開発初期のAIは赤ちゃんと同様、知識や理解が乏しく、学習(ラーニング)を重ねることで成長していきます。
もう一つの種類が「汎用型AI」になります。汎用型AIは特定の分野や領域に限らず、広範囲をカバーできる人工知能です。いわば、人間の脳と同様の機能を持つ高機能なAIと表現できます。
人類は、まだ汎用型AIを作り出すことができていません。人間の脳をお手本とするイメージや概念はあるものの、開発にはしばらく時間がかかると考えられます。
AIの仕組み
前述では、AIには学習が必要であることについて触れましたが、どのような学習方法が使われているのか、具体的に見てみましょう。
AIは、たくさんのデータを吸収することで正しい判断ができるようになります。そのため、AIには膨大な学習データを与える必要があります。
学習方法は主に2種類あります。一つは機械学習、もう一つは深層学習です。なお、深層学習は英語表記と同様、「ディープラーニング」と呼ばれることもあります。
機械学習は、ルールやパターンを学習する技術になります。コンピュータが数字や文字、音声や画像などからルールやパターンを学習し、膨大なデータを分析して法則や傾向をつかんだり、新たな付加価値を生み出せる点が機械学習の優れているところです。
機械学習は、消費者の年齢や性別、購入履歴などを元におすすめの商品を画面上に表示したり、将来予測を導き出すことに活かされています。
もう一つの学習方法は深層学習です。深層学習は、ニューラルネットワークを使って行う機械学習と表現できます。ニューラルネットワークとは、人間の脳にある神経細胞(ニューロン)の仕組みを数学的に記載したものになります。
深層学習の優れている点は、学習させるデータの特徴をAI自らが識別できることです。学習するデータのどこに着目すべきか人が指定しなくても、AIは自分で特徴を判断し、学習できるのが深層学習の強みです。
AIを使ってできること
私たちがイメージしているAIが特化型AIであること、そしてAIの仕組みや学習方法について理解したところで、AIを使ってできること・AIが得意とする分野のいくつかをご紹介します。
業務効率化
AIはルーティーンワークなど、あらかじめパターンがわかっている業務を自動化することを得意としています。
人間が膨大な量のルーティーン業務を行うと、途中で息切れしたり、ヒューマンエラーが発生するなど生産性の低下は避けられません。定型的な業務こそ、AIに任せるのがおすすめです。従業員の負担を軽減できるようなAI開発が可能になれば、慢性的な人手不足解消に役立つでしょう。
画像生成
AIは、人が入力した指示を元に学習済みデータの要素を組み合わせて画像を生成することができます。画像生成AIのレベルが高くなれば、これまでプロのデザイナーやイラストレーターに頼んでいた作業をAIに代行させることも可能になるでしょう。
なお、AIによる画像生成は、DALL-EやStable Diffusionなどのツールを使うことで簡単に行なえるようになっています。
異常検知
AIはパターンから外れた状態を見つけるのが得意です。正常な状態の計測値などを事前に学習させておくことで、異常だけでなく、異常の予兆も感知できるようになる場合があります。異常検知の技術は、工場の機械類や車の制御センサーなどに利用され、異常の発生による金銭的損失や事故防止に役立っています。
将来の予測
AIは、すでに学習しているパターンから将来の業績などを予測できます。私情や憶測を入れることなく、将来予測が行なえる点がAIの特徴です。この技術は、ECサイトの販売予測や株価予測などに使われています。
音声認識
AIが身近に感じられる技術の一つが、音声認識です。オンライン会議の議事録などは、文章作成ソフトに搭載されているAIを使って文字起こしをすることが一般的になってきました。AIは、音声を波形として認識し、その波形に最も近い文字をあてることで音声からテキストに変換しています。
AIができないこと
AIはオールマイティではありません。現在使われているのは特化型AIであり、ある領域には秀でているものの、万能ではなく対応できない分野もあります。
ここでは、AIにできないことを取り上げます。AIに不可能なことや不得意分野を認識すると、効果的なAI開発に役立ちますし、人間の活躍の場との住み分けもしやすいでしょう。
状況が詳しくわからない状況での判断
AIは与えられたデータに基づき、もっとも近しい結論を出しているに過ぎません。そのため、新たなアイデアやひらめきを生み出すことはできないと言えます。
画像生成AIの斬新なデザインが話題になることがありますが、あくまで学習したデータの組み合わせでしかなく、無から有を生み出しているわけではない点に注意が必要です。そのため、アートや芸術などクリエイティブな仕事はAIに任せることはできず、人間の専権事項になるでしょう。
データにノイズがある、学習量が乏しいなど、状況が詳しくわからないとAIの判断の精度は下がります。回答を求める分野でどれだけの学習量があるか、質の良いデータを学習させているかがAIの判断の精度に影響します。
感情の読み取り
AIは、相手の気持ちを理解する、空気を読むなど感情を読み取ることが不得意です。もちろん、過去のデータを学習させることである程度の対応は可能になりますが、人が持つ感情や感性などを推し量って判断するのはAIには不可能です。
そのため、感情の読み取りが難しく、臨機応変な対応が不向きなAIは医療系の仕事を行うのには適していません。
例えば、医師や看護師、介護士、カウンセラー、薬剤師などの仕事をAIに代行してもらうことはできないでしょう。画像診断など特定の分野で的確な判断ができるとしても、あくまでアシスタント的な使用にするのがもっとも有効です。
また、法律に関係する仕事もAIには向いていません。裁判官や弁護士、政治家などは人々の意見や主張を聞き、状況や心情を考えて対応する必要があるからです。
AIができること・できないことから見える開発の方向性
AIが使われる分野は増えており、開発も熱を帯びています。それでも、AIには得意分野と不得意分野があり、すべての苦手分野を克服するのは遠い将来のことになるでしょう。大切なのは、AIを使いこなして人の生活を豊かにすることです。AIができることとできないことを理解すると、正しいAIの使い方、力を入れるべき開発分野が見えてくるはずです。
