ビッグデータ×AIの意味とは？

1.AI×ビッグデータ

AIが人間の能力以上の作業を行うためには大量のデータを使用して学習しなければなりません。そのデータから経験則的に答えを導き出して行くことになるので、基本的にはそのデータの量は多ければ多いほど良いといえます。

つまり、機械学習やディープラーニング(深層学習)では、入力されるデータの量と質がそのまま能力に繋がるといっても過言ではありません。

先ほどのSNSの話を例に出すと、SNSは個人の名前、生年月日、住所から購買履歴まで、様々な超大量のデータを管理しています。

このデータを大量に取り扱える「SNS」と、データの取り扱いのプロである「AI」の関係を知ることができれば、例えば「GAFA (Google, Apple, Facebook, Amazon)」がなぜ今、そして今後において強いのか？」と言った現代ビジネスのダイナミクスにまで議論を広げることができます。 

つまり、ソーシャルネットワークの発達で人々からの情報発信が増えたり、IoTデバイスが登場してきたことで、様々なモノがインターネットに接続されるようになり、これまで数値として計測できなかった領域のデータも取得可能になってきています。

このようにして取得された超大量のデータを「ビッグデータ」などと呼びます。

これら時代背景からより良いAIを作るためのデータの取得が容易になったことが、AIブームの到来の一つの理由と言えるでしょう。

これまで以上にデータ量が膨大になっていく「ビッグデータ」の時代において、人工知能による技術の精度はますます高まってきており、人工知能が活躍する場面は今後ますます増えていくでしょう。

 

2.第3次AIブームとその未来とは・・・！

AI活用の具体例

ただし、これまでお話してきたように、AIの最新型の基礎である「ディープラーニング」においても、完全に自立されたシステムではありません。映画やテレビに登場する想像上のAIテクノロジーは、今はまだSFの世界の話にすぎません。人間がしっかりと、計算された特徴を有効に扱う必要があります。

また、第一次AIブームなどと比較し実用的な範囲は広がったとは言え、間違ったAIの導入をしてしまうと、逆に生産性が下がったり、ブランドの棄損につながる可能性も捨て切れません。

本節では、人工知能がどのようにサービスやシステムに組み込まれているのかを、具体例を交えて紹介していきます。

  <製造・管理システム>

まず、製造業が抱えている近い将来に向けた危機感として、「少子高齢化による人手不足と技術力の低下」というのがあります。製造業では、何を作るかを決め、人員を配置し、故障や廃棄を予測しつつ生産を行い、出荷していきます。つまり、製造業の業務内容は「予測と決定」の連続になります。その中で、「予測」はまさにAIの得意分野です。実際によく見られる事例としては、品質の予測、異常の予兆検知をAIで行います。そしてAIモデルの高精度化によって今まで技術者の経験や勘によって行われていた業務をAIでシステム化するというものです。

AIは実際に、カメラなどを通じて得られた動画から、1日に何万個、何十万個と製造される製品の中からたった数個の不良品を発見することができます。これは、”AI” が正常な製品を学習し、その画像の持つ特徴との乖離が大きければ ”不良品” として認識します。

 <研究開発> 

 新しい製品や材料を検証する材料開発も、ものづくりの重要なパートのひとつです。

材料開発において、検討すべき手法は無限にあります。例えば、Apple社に採用されるほどの高性能なコンデンサを作るためには、「どんな元素を組み合わせよう？どんなプロセスで作ろう？」という複雑な問題を解くことになります。研究者は実験事実と論理を頼りに、良い成果を出そうと試行錯誤してきました。

人工知能（AI）などの情報技術が最前線で使われだし、様々なパターンの実験をほぼ労力なしに行うことで、これまででは時間的に見つけることができなかった結果が得られています。

従来の実験ベースでは時間もコストもかかり、成果に結び付く確率も低いが故に多くの失敗を地道に重ねるしかありませんでした。しかしながら、機械学習モデルで特性を予測することで、新しいアイデアを提案してくれたり、検討すべき手法の優先順位をつけることができます。より効率的な材料開発が可能になります。

特にAI技術を用いた材料科学はマテリアルズインフォマティクスと名付けられており、密かに人気を博しています。

<広告> 

 Webマーケティングでは、過去の広告出稿実績などのデータから生成したモデルを使い、リスティング広告のキーワードごとのコンバージョン数予測、購入確率の高いセグメントへの広告配信、バナーの出し分けなどに活用されています。

実際に、リスティング広告 (ウェブサイトを検索した際に、上位に表示される広告)やSNS広告などの広告配信を、AI技術によって自動化するサービスなどが出てきています。

例えば、同ソリューションに搭載されたAIキャラクターが、広告代理店の担当者のように対話型で毎日の運用成果を報告し、翌日以降の改善提案も行うといったものです。その他にも、購入履歴データなどからモデルを生成し、次のベストアクションを予測することで、その人が興味を持ちそうなコンテンツを配信したり、開封されやすいタイミングを予測して配信時間を最適化したりもできます。

 <防犯・監視システム>

 AIによる映像解析では、人間の歩幅や関節の動きなどを分析し、不自然な動きをしている人や、店員から死角になっている場所に長時間留まっているお客さんを発見したりすることもできます。

例えば、ディープラーニング（深層学習）を使えば、万引き犯独特の不自然な動きなどを学習させることができるので、従来の監視カメラでは難しかった商品選びに迷っている人と万引き犯を区別して検知できるようになります。

監視カメラがとらえると、リアルタイムに画像の中の ”人の服のタイプ” , ”車種” , ”車のナンバー” などを識別することができれば、人と車が大量に行き交う大型交差点の監視を行うことも可能です。犯罪捜査に役立てるような成果も出ており、姿勢や歩幅、手の振り方など歩き方の特徴から個人を識別し、犯罪容疑者やテロリストなどの追跡を可能にする技術も開発されています。

<小売・商店>

 店頭で販売する商品の価格は小売業者が自由に決めることができます。商品やサービスによっては、毎日のように販売価格が変動するものも珍しくありません。チラシに掲載される特売品に代表される値下げ商品は、店舗集客において重要な役割を担っています。どの商品をどのタイミングでどれだけ値下げをすれば、店舗全体の売上げや収益を最大化できるかをAIを使って予測することで、店舗単体のみならず、チェーンストア全体の売上げを最大化する商品の値下げプランを瞬時に作成できます。

このように、AIを使って価格を最適化する手法は、ホテルや旅館の業界でも導入されつつあります。これまでは観光シーズンやイベントに合わせ、マネージャが部屋ごとに料金を設定することが多かったのですが、AIであれば同じ商圏のホテルや旅館の空室状況や料金情報の収集を含めて、ほぼ全自動で最適な室料の提案をしてくれます。また、店舗における顧客体験やブランド向上にもAIが使われています。

例えば、中国のスーパー（盒馬鮮生）では手に取った商品をもとに料理を提案し、その選んだ料理をもとにレシピの提案をするという取り組みを行っています。選んだ食べ物に合った飲み物をレコメンドしたり、飲み物コーナーで迷っていたら新作をレコメンドしたりと、AIを経由することによって、よりユーザーに最適化された売り込みなどが可能になるわけです。

ただモノを売るだけでなく、消費者の購買体験全体にをAIを掛け合わせていくことで設計していく。このような取り組みは小売においてもますます加速していくのではないでしょうか？

<スポーツ>

一般的にスポーツの世界は、体育会系でアナログなイメージが強いのではないでしょうか？ 実際、従来のスポーツの世界は、ほとんどが監督や選手の経験や勘によって意思決定が行われていました。しかし、近年、東京五輪など大きなスポーツイベントが続く日本では、海外に続きスポーツへのテクノロジー導入、とくに競技そのものの全体像をデータ化/見える化しようという動きが強まっています。

試合の画像や映像を分析し試合に勝つスキルを可視化したり、選手のポジションやゲーム戦略の最適化したりなど、チーム戦術への応用が本格化しています。

例えば、テニス、バレーボール、野球といった対戦型スポーツでは、自分のスキルを高めることと同じくらい、相手の戦術を分析し、それに合わせて自らの戦術を組み立てることが重要になります。試合前に対戦する相手選手の試合データをAIで解析、その選手の特徴を封じ込めるようなプレーや戦術を用意したりなど戦術強化を図ることができるようになるでしょう。

実際、バレーボールチーム ”NECレッドロケッツ” では相手セッターがトスを上げる際のフォームをAIで画像解析し、アタッカーを予測しブロックの確立を高めるなどの取り組みを行っています。

さらに身近なところとしては、選手のスキルアップ支援があります。選手の動きをセンサーや画像処理で見える化すれば、運動動作を正確かつ直感的に把握できるようになるため、修正点を見つけやすくなります。