AI(人工知能)をシステム・アプリに導入/開発するには

AI(人工知能)は、近年のハードウェアの進歩により急速に実用化が可能となってきました。 自然言語処理や画像認識、音声認識など、既存のシステム・アプリにAIを導入することが可能です。もちろん、新規でのシステム・アプリ開発(制作)にも対応いたします。 便利なUI/UX、データの解析など、従来では実現が難しかった箇所をAIを活用し実現することで、他社との差別化につながります。 オリジナルAIとしてZENAも開発しておりますので、AI導入内容に応じ費用を抑えたシステム・アプリ開発が可能となります。

AI(人工知能)は、近年のハードウェアの進歩により急速に実用化が可能となってきました。
自然言語処理や画像/音声認識など、システムやアプリにAIを導入し、新たな価値を創造することが可能です。
よく、UX、データの解析など、従来では実現が難しかった箇所をAIを活用し実現することで、他社との差別化につながると言われます。
しかし、初めてシステムやアプリに導入することを考えた場合、
使い所や、何から始めたらいいのかなどなかなか分かりづらい点も多いと思いますし、同様の問い合わせをスーパーソフトウエアでも非常に多く受けております。
アプリ開発/制作会社として、本記事ではシステム・アプリ開発をする上で、AIをどのように活用していくのが良いかヒントになれるよう、
分かりやすく説明させていただきます。
初めて、AI導入をお考えの方の参考になればと考えております。

AI(人工知能)とは

ソフトバンクショップに行くと、Pepperくんが出迎えてくれます。
コンピュータでは難しいと言われていた囲碁の世界においても、人間がAIに敗れるというニュースが流れましたが、
こちらも記憶に新しいです。
徐々に生活に浸透するAIですが、一体どのようなものなのかを理解するにあたって、
歴史を確認しておくのは有益なことだと思います。
ですので、簡単にAIの歴史で主要なトピックを振り返りどんな特徴があるのかを見てみたいと思います。

■AIの歴史

・誕生(1940年代〜1950年代)

人間の脳のニューロンという神経細胞が無数に組み合わさって構成されています。
同様の仕組みをコンピューターを使って人工的に実現しようと考えたのが発端のようです。
ニューロンは他のニューロンからの電気的刺激があり、
一定値を超えると他のニューロンに電気信号を伝達する性質を持っております。
人工ニューロンを組み合わせたネットワークをニューラルネットワークと呼びます。

人工知能という言葉の誕生となったきっかけは、
1956年に米ニューハンプシャー州にあるダートマス大学で開催された『ダートマス会議』において、
ジョン・マッカーシーやマービン・ミンスキーが論文に
「人工知能(Artificial Intelligence; AI)」という名称を
用いてからだと言われております。

・第一次ブーム(1950~1960年代)推論・探索

機械学習の原型が登場しました。
チェスや将棋などの定義されたルールの中で最短で最適な答えを見つける簡単な課題はクリアできるようになりました。
当然、現実的問題、例えば、病気の処置方法というような問題は解決できませんでした。
これは、「知識」と「判断力」の欠如と評されました。

そうこうしているうちに第一次ブームは終焉しました。

・第二次ブーム(1980年代) 知識表現

エキスパートシステムの登場
「知識」と「判断力」を補うために、
専門家の知識をルールとして大量に教え込み、問題を解決しようとする試みが行われました。
しかし問題が2点ありました。
-ルールの構築が非常に難しい
-常識の欠如(例えば、病気で熱を下げるのに、”殺す”などの回答が出てしまう)

ビジネスへの応用例はでてきたが、適用範囲は限られたのがこの時期です。

・第三次ブーム(2000年代後半~今) 機械学習, 特徴表現学習

機械学習の実用レベルへの進化
理由として
-大量の学習データを容易に取得可能になったこと
-学習環境のリソース準備が簡単になったこと

ディープラーニングの登場
現在のAIブームの火付け役はまさしくディープラーニングです。
「大量のデータから特徴量を取り出してモデル化する」という処理をコンピュータが行うため、
人間が気づかない規則性や特徴をコンピュータが抽出できる可能性があります。

■現在のAIのできること、できないこと

・できること

一般的には、特化型人工知能と呼ばれています。特定領域で学習し、回答を導きます。

-識別系

︎画像認識、音声認識、顔認識、感情把握 etc.

-予測系

商品レコメンド、売上予測 etc.

-実行系

自動運転、翻訳、作曲、レシピ作成 etc.

・できないこと

一般的には、汎用人工知能と呼ばれています。汎用的に人間に近い思考での回答(対応)を行うことは未だ実現されていません。
-学習することで、他の多くの用途の回答も可能になる
-想定していなかった未知の状況に対応出来る
-知識の一般化や、類推ができる
-自らの目的に応じて、自発的な学習や思考ができる

AIの活用事例

■社内事例

・Serendipity

概要
AIを活用したマッチングアプリです。
ユーザーが自分の実現したい夢や目標を入力すると、
その目標を叶えるのをサポートできそうな他のユーザーをレコメンドします。

活用したAI機能
→予測系(レコメンド)自然言語処理の利用
あらかじめユーザーの目標データを大量に学習させ、パターンを認識させることで、
新たに登録されたユーザーの目標をカテゴライズできるようになりました。

・SuperFace

概要
AIを活用した受付システムです。
よく打ち合わせの番号やQRコードが発行され、
受付時にそれをかざして認証するというパターンはよくあります。
SuperFaceでは、来訪ユーザーが自分の顔を受付の端末に映すことで、
認証が完了します。

活用したAI機能
→識別系(顔画像認識)
初めて来訪した人の顔情報は、特徴量だけに分解され(数字の羅列)AIが学習します。
2回目の来訪時には、本人を特定し、該当する打ち合わせ相手を呼び出します。

■ご依頼事例

詳細については触れられませんが、ご依頼事例の概要をお伝えします。
・入力情報を元に関連商品情報のレコメンド
→予測系
・配送ルートの最適化
→予測系
etc.

AIを活用したシステム・アプリ開発フロー

全体的な流れは、一般的なシステム・アプリ開発/制作と大きな違いはありません。
AI部分で特に注意すべきポイントをあげてみます。

①適用箇所の検討

上記でも見たように、他社の導入事例を参考にすることにより、
ある程度パターンがあるのも事実ですが、
それぞれのサービス内容に応じて、斬新な切り口を探っていくのが良いでしょう。

②データの準備

適用箇所が決まったら、AIに学習させるためにデータの準備が必要です。
これが最も大変なステップに
良く社内のデータが溜まっているから利用したいというお話をいただくのですが、
実際に学習データとして活用が可能かはまた別問題になります。
学習に適したデータにするために、事前に加工するということが起こります。

③AIアルゴリズム選定及びパラメータチューニング

現状、代表的なAIアルゴリズムはすでに確立されおり、
ゼロベースで作成するということは一般的ではありません。
そこに時間を費やすよりは、既存のアルゴリズムを活用し、
システム・アプリ開発の目的に合わせてチューニングする方が有益と考えられます。

④PDCAサイクルを回す

特に②⇔③は、相互に行ったり来たりしつつ、
AIの回答の精度を高めていくという地道な作業になります。
地道な一方で、経験が求められる領域でもあります。

まとめ

いかがでしたでしょうか。AIの概要についてご理解いただけましたでしょうか。
今回のAIブームは、じわじわと一般の方にも浸透しており、
ただのブームでは終わらないであろうとも言われております。
AIの特徴を踏まえ、御社の既存システム・アプリに対し、
どのような箇所に適用が可能か一度ご検討されてはいかがでしょうか。
スーパーソフトウエアでは、システム/アプリ開発、制作を長年行っており、
AIを利用した開発も自社製品、他社製品共に実績がございます。
AI適用に際し、方針のご相談から可能ですので、より詳しいお話を聞きたい場合は、
ぜひご連絡ください。

AI×システム開発に関するご相談、お見積依頼などはお気軽にお問い合わせください。

お電話でのお問い合わせ・ご相談は

03-6721-7105

メールでのお問い合わせ・資料請求は