IT業界は人工知能とIoTがブームとなっております。当社も人工知能の取り組みをはじめ、お客様へサービスを提供出来る様にと考えております。

人工知能についての話題を一般の方と話をすると人工知能の分野をかじっている立場としては、結構報道されているイメージと現実にずれがあるように感じています。

例えば、このような話題になります。

(1)　人工知能ってすごいんだよね？
(2)　「シンギュラリティ(技術的特異点）」ってどう考えているの？

(1)自動運転や会話ロボットなどのニュースに日々触れていると、直ぐにでも自分たちの生活が人工知能によって変化するように感じているので、人工知能は既になんでもできるような段階にきていると思われるのかなと感じています。

(2)は、人工知能が人間の知能を越えられる点のことですが、実際はいつなのか誰も確信をもって答えられる方はいない状況です。ちなみにこのような会話は、エンジニアの方々に多いように感じています。

そこで、今回は「人工知能って実は・・・」という現在の見解を書いてみたいと思います。

人工知能はデータを与えることで、予測などの制度が非常に高くなります。
また、人間が見つけ出す特徴よりも多くの特徴をデータの中から捉えることが可能であり、
人間よりも予測精度が高くなることが期待されており非常に多くの領域で導入されることに
なります。

でも少し期待値が高すぎやしないかとも思ってます。

実は、人工知能は「間違う」

人工知能は「良いデータ」を食べさせると良い人工知能として成長します。
でも、非常に少ないデータ（イレギュラーなケース）では正しい判断が出来ない可能性が高い。
人工知能の導入の流れは人工知能の正答率を上げるためのプロセスとなりますので、間違いを見つけ出す⇒再学習⇒間違いを見つけ出す・・・を繰り返し正答率を上げることとなります。

実は、途中の「プロセスが見えない」

良いデータがあれば正しい判断は可能になります。
でも結論に至る途中のプロセスを明示することが非常に難しい。
QC活動のように”見える化”しながら改善活動を行うような形には出来ません。

プロセスを明示できるような研究も行われてはいますが、今のところは YesかNoかを回答出来ても何故その結論に至るのかを説明出来ないので、「人の判断を支援する」 範囲でしか使用出来ないと考えています。

実は、 手間が掛かる

単純に「過去のデータを投入すると全てを学習する」訳ではありません。
学習データに対して得られる結論を類推し分類（例 yes/noなど）する必要があります。
また、教師あり学習の場合は「良い結果」を得られるような特徴が出るデータを抽出する必要があります。

パラメタ数が大量である場合、パラメタチューニングに膨大な時間が掛かる可能性があります。
そうなるとやれる人が限られるような状況になるのではないかと考えています。

まとめ

人工知能が得意な分野、人工知能で「良い」結果が得られる領域をしっかりと認識することが大切です。
なかなかその領域がどこか？というのを見出すのが難しいのですが、得意不得意があるという認識だけでももつとかなり違ってきます。

それらを踏まえたうえで、色々な分野に応用することが重要であると考えています。

当然ですが、技術的な部分は日々進化しておりますので人工知能が応用される領域も常に拡大するでしょうから、常に最新の動向を負いつつ、色々な企業と連携しながら社会に貢献出来ればと考えております。