マイクロサービス、RPA、デジタルツイン、AMP……。数え切れないほどの新しい思想やアーキテクチャ、技術等々に関するIT用語が、生まれては消え、またときに息を吹き返しています。メディア露出が増えれば何となくわかっているような気になって、でも実はモヤッとしていて、美味しそうな圏外なようなキーワードたちの数々を、「それってウチに影響あるんだっけ?」という視点で、分解していきたいと思います。今回取り上げるのは「深層学習(ディープラーニング)」です。
【用語】ディープラーニング(深層学習)
「AI」という文字を目にしない日がないほど、人工知能(Artificial Intelligence: AI)が関心を集め、様々な用途が提案されるようになりました。英ARMの消費者アンケート調査によると回答者の61%がAIによってより良い社会が実現すると回答し、特に医療や自動運転に対する期待が明らかにされています。 ここへきて急速に実用化が進む第3次AIブームの火付け役となった中核技術が深層学習(Deep Learning:ディープラーニング)です。
ワシントン大学の研究チームによる脳震盪検出スマートフォンアプリ「PupilScreen」、GoogleとMITラボが開発するリアルタイムフォトレタッチアプリ等、続々応用事例が発表されている深層学習。人間が学び方を指示する従来の機械学習(Machine Learning)に比べると、学習過程におけるデータ分析前の「特徴量の抽出」という工程を自動化した点がイノベーションです。機械にルールを与える必要がないため、データクレンジングやコーディングに伴う人間の手間がグッと省力化されました。ビッグデータとGPUをはじめとするハードウェアの革新により導入環境も整い、今後も普及が加速するものと見られます。

拡大画像表示
【イノベーション】ディープがもたらしたAIブレークスルー
AIを実現する中核技術要素が、機械学習です。基本的なモデルは(図2)の通りで、機械に学習させる画像などのインプットデータと目指すべきアウトプット(正解)を与え、正解に近いアウトプット(推論結果)を導き出すためのデータ変換アルゴリズムを計算、学習させます。学習を経て得られた手法を用いてデータ処理を行う(推論)ことにより、データ分類や分析、予測が自動化され、「知能」として機能します。

拡大画像表示
データ処理には、インプットデータをデータの項目ごとに分類する必要があり、商品の写真ならばサイズや形状、色などのデータ項目(特徴量)が使われます。
会員登録(無料)が必要です
- 1
- 2
- 3
- 次へ >
- 「情報銀行」を信用して大丈夫? 先行する海外活用動向と普及を阻む課題(後編)(2019/10/24)
- パーソナルデータが資産に?「情報銀行」の仕組みとビジネス環境(前編)(2019/10/10)
- プレサービス目前の「5G」、今さらでも知っておくべきこと(2019/04/26)
- エンジニアの定番ツールが全社のコミュニケーションを変える!?「ビジネスチャット」(2019/01/17)
- 「データレイク」はデータウェアハウスとどこが違うの?(2018/11/09)