2018 年の 5 つの主要な AI トレンドとそのメリット

[[234392]]

[51CTO.com クイック翻訳] 人間は常に、自分たちに似たロボットや人工知能（AI）の概念に興味を抱いてきました。ハリウッド映画やSF小説も、科学者たちにこの方向で研究を続けるよう刺激を与えてきました。 AIバブルは何度も崩壊しましたが、近年、いくつかの大きな進歩とブレークスルーにより、この分野は再び世間の注目を集めています。 2017 年、ガートナーは汎用 AI をハイプ サイクルの初期導入段階に位置付けました。同時に、ディープラーニングと機械学習の技術がその曲線の頂点に位置付けられます。

私たちが理解する必要があるのは、AI は相互に関連する複数のテクノロジーを包括する用語であるということです。これには、自然言語処理 (NLP)、機械学習、認知コンピューティング、ニューラル ネットワーク、コンピューター ビジョン、ロボット工学、および関連テクノロジが含まれます。この記事では、これらすべてのテクノロジーにおける 5 つの主要なトレンドを説明し、それらがもたらすメリットについて説明します。

1. 機械学習モデルの民主化

機械学習の目的は、プログラムされたコマンドに頼ることなく、コンピューターがデータから学習して改善できるようにすることです。この学習は、最終的にはコンピューターが天気を予測するために使用されるモデルなどを構築するのに役立つ可能性があります。ここでは、機械学習を活用した一般的なアプリケーションをいくつか紹介します。

金融アプリケーション

金融業界の急速な発展に伴い、多数のフィンテック（金融テクノロジー）スタートアップ企業が登場しました。かつて、業界の専門家は、標準化された金融商品のアドバイスや流通を行う際に、伝統的で非効率的な方法に頼りすぎていました。現在、さまざまな高度な AI テクノロジーが、自動コンサルティングなどを通じてこの分野に変革をもたらしています。同時に、機械学習モデルは、市場動向を定量化するために一般的に使用される従来の予測分析方法に取って代わりました。これらのモデルは、従来の投資モデルと比較して、より高い精度と速度でさまざまな市場変動を予測できます。

さらに、機械学習は金融会社がさまざまな金融詐欺を防止するのにも役立ちます。これらのモデルは、履歴データに基づいて異常を検出するのに特に優れており、不正行為を簡単に特定したり、予測したりすることもできます。これらのモデルを使用することで、顧客の銀行は口座に異常なアクティビティがあった場合に顧客に警告することができます。機械学習は、詐欺の防止に加えて、リスク管理の分野でも大きな役割を果たすことができます。これらのモデルは、信用格付けの精度を高めることで、貸し手のさまざまなリスク管理を改善することができます。

医療用途

機械学習とビッグデータはどちらも、膨大な量の潜在的な医療データを解釈するための重要な要素です。機械学習モデル上に構築された新しいアプリケーションにより、さまざまな病気を特定し、病気の診断の精度を向上させることができます。同時に、機械学習は遺伝子配列の解析、臨床試験、新薬の発見と開発、伝染病の発生予測にも役立ちます。

さらに、AI ベースのシステムは、病院の運用プロセスとデータ管理の改善にも役立ちます。医療従事者は投薬指示や診断データを読み取る際に間違いを犯すことが多いため、スマート AI システムは画像認識機能と光学文字認識機能を使用してすべてのデータを二重チェックし、そのような間違いの頻度を減らすことができます。

産業用途

機械学習アルゴリズムは現在、幅広いアプリケーションをサポートし、製造ライフサイクル全体をカバーしています。これには、製品設計、生産計画、生産最適化、配送、フィールドサービス、再生が含まれます。現在、一部の業界では、独自の孤立した断片化された SCADA (監視制御およびデータ収集) ソリューションに AI およびモノのインターネット (IoT) ベースのソリューションを実装し、相乗効果を発揮・強化しています。

ロボットや自動化された機械・設備の活用は製造業にとって目新しいものではありませんが、今日ではさまざまな高度な IoT ベースのシステムにより、設備・機械の予防保守や修理を実現できるようになりました。さらに、AI テクノロジーに基づくサプライ チェーン運用の最適化も、成長が進む産業ユース ケースの 1 つです。

AIOps プラットフォーム

私たちの多くは、次のような経験をしたことがあるでしょう。IT スタッフは毎日何千ものシステム イベントをフル稼働で処理する必要があり、手元の分析システムでは IT 運用に本当に役立つデータをまったく活用できないのです。よりインテリジェントな運用能力を備えたシステムを早急に開発する必要があります。 AIOps の高度な AI アルゴリズムにより、イベント データの分析と相関プロセスを自動化できます。さらに、AIOps はさまざまなアルゴリズムを使用して、重複排除、ブラックリスト管理、関連するイベント フィードバックなどの操作をリアルタイムで実行し、このようなインシデントの発生頻度を減らすこともできます。

2. 自然言語処理を使用して人間とコンピュータのやり取りを簡素化する

自然言語処理 (NLP) は、人間の言語の分析と理解に重点を置いた、急速に成長している人工知能の分野です。 NLP ベースのアプリケーションは、言語、コンテキスト、方言、発音のニュアンスを理解することで、人間とのより良い対話を可能にします。

さらに、NLP はコンピューターの読解力を継続的に向上させ、人間を超えることさえ可能にします。 2018年1月、アリババクラウドはスタンフォード大学の読解力テストで人間よりも高いスコアを獲得しました。このテストでは、Alibaba Cloud の NLP と AI ベースのディープニューラルネットワークが 10 万件を超える質問に回答することに成功しました。

NLP と AI ベースのテクノロジーを活用しているトレンドをいくつか見てみましょう。

カスタマーサービスチャットボット

従来のアプリケーションでは、非常にストレスの多い作業環境で、顧客からのさまざまな日常的な問い合わせに対処する必要があります。 NLP は、多くの実際の顧客サービス アプリケーションをサポートできます。これらの NLP ベースのチャットボットは、効率性の向上、待ち時間の短縮、ドキュメントの標準化、顧客からの問い合わせの解決の改善を実現し、顧客へのサービス品質を向上させることができます。

バーチャルアシスタント

Amazon Echo、Alexa、Cortana、Google Assistant、Siri などは、NLP が消費者の領域に参入した有名な例です。 AI テクノロジーは、人間の音声要求を理解することで、人間と機械のやり取りの方法を変えています。もちろん、バーチャルアシスタントには、従来の広告を破壊し、あらゆる種類の購入の選択方法を変える力もあります。

採用ポータル

さまざまな NLP ベースの採用ポータル プラットフォームがますます一般的になりつつあります。これらのポータルは、採用担当者向けに何千もの履歴書を整理することで、企業が大量の採用を処理するのに役立ちます。 NLP は、大量の求人応募書類をスキャンし、採用基準と照合することで、適切な候補者を迅速に見つけるのに役立ちます。これまでのポータル プラットフォームとは異なり、これらのポータルでは、さまざまなキーワードの組み合わせに依存する必要がなくなります。

3. 感情分析を通じて顧客体験を向上させる

私たちは皆、顧客サービス担当者が電話に出るまで、顧客が IVR キューで無力に待つという経験をしたことがあります。企業は、このような非効率的なサポートプロセスにより、多数の顧客を失うことにもなります。今日、AI は感情分析の新たな手段を提供しています。コンピューターが会話、コメント、フィードバックのコンテキストと意図を理解できるようにすることで、AI は意見、提案、苦情、問い合わせ、賛辞を区別できるようになります。

感情分析を採用したアプリケーションは、企業が顧客のニーズをより深く理解するのに役立ちます。このアプリケーションを使用すると、大量のソーシャル メディア ソースを分析して、ブランドのソーシャル リスニング機能を向上させることができます。

感情分析が進歩するにつれ、感情を感知する機能を備えた仮想パーソナルアシスタントやウェアラブルデバイスが私たちの感情状態や好みを理解できるようになります。これらのシステムは、マーケティング部門が顧客に状況に応じたパーソナライズされたエクスペリエンスを提供するのに役立ちます。 Tractica（市場調査およびコンサルティング会社）のデータによると、このようなソフトウェアツールの世界的な収益は2025年までに38億ドルに達すると予想されています。

さらに、感情分析はヘルスケアやメンタルヘルスの分野でも大きな役割を果たします。感情を感知する機能を備えたウェアラブルデバイスは、身体の健康に関連する指標を表示するだけでなく、精神の健康も監視できます。したがって、メンタルヘルス提供者は、Karim や Woebot などのチャットボットを採用して、人々がメンタルヘルスを管理できるように治療計画を作成することもできます。

現在、一部の自動車会社でも感情分析を導入しています。彼らは車両に高度な感情検出システムを導入し、車載コンピューターがドライバーの感情や注意レベルを検出して運転を支援できるようにしています。さらに、将来の自動運転車は、運転手の怒り、眠気、不安などの感情を検知し、事故を回避するために車両を制御できるようになります。

4. スマートシティの開発

現在、世界中のほとんどの都市のインフラは急増する人口のニーズを満たすことができません。水、電気、容易な移動、よりきれいな空気はすべて、都市の管理者が日々直面している複雑な課題です。医療や公共サービスへのアクセスも大きな問題です。同時に、政府機関も限られた資源の範囲内で適切な法と秩序を維持する必要もあります。

スマート シティは、AI、ビッグ データ、IoT を活用して、都市内の住民が直面する課題のほとんどを解決します。これらの技術を組み合わせることで、都市はあらゆる場所に設置されたカメラからフィードバックされる情報をより適切に分析できるようになります。たとえば、さまざまな画像やリアルタイムのビデオを分析することで、事故や交通渋滞を特定するのに役立ちます。管理者はこの情報を使用して、さまざまな道路の交通を集中管理することもできます。さらに、交通信号などの機器を自動的に制御し、VIP、緊急対応チーム、法執行官に優先権を与えるインテリジェント システムを利用することもできます。

一般的な監視に加えて、顔認識機能や感情感知機能は、都市部の小売店の日常業務にも役立ちます。 AI ベースのマーケティング システムは、ジオフェンシングと座標モデルに基づいて店舗マーケティングを強化できます。このアプローチは現在、主に顧客のスマートフォンの使用に依存しています。

AIは建築設計や建設活動においても重要な役割を果たします。 AI ベースのシステムは、建物の資産を管理するだけでなく、垂直フレーム システムの選択を改善し、パフォーマンス診断を支援し、GIS データの分析を通じて計画と建設を支援することもできます。将来的には、AI がナノテクノロジーを活用した建築材料の設計やカスタマイズに役立つでしょう。これは、鉄筋コンクリートに加えて、エンジニアがさまざまな建設環境に適応するための新しい建築材料をさらに多く持つことを意味します。

5. さまざまなAIツールと開発プラットフォームを統合

断片化されたエコシステムと市場では、多くの競合ベンダーがさまざまな機能を備えた AI ツールとプラットフォームを提供しています。これらの AI 開発製品のほとんどはまだ初期段階にあります。多くの分野でのビジネスユースケースは長年にわたって成熟してきましたが、すべての業界で AI が完全に導入されるのはまだ時期尚早です。これは、従来のクラウドおよび分散コンピューティング サービス プロバイダーが AI スタートアップよりも優れている点でもあります。これらのクラウド サービス プロバイダーは、あらゆる規模の企業向けにビッグ データおよび AI アプリケーション プラットフォームを開発するための、既成のインフラストラクチャ、規模、豊富なリソースを備えています。

結論は

まとめると、AI ベースの開発が今日主流になっていると結論付けるのは簡単です。さまざまな企業が、既存のプロセスの改善に熱心であるだけでなく、AI がもたらす潜在的な成長ポイントも認識しています。そのため、CIO は AI の戦略的重要性と革新的な開発の余地に注目する必要があります。つまり、AI、ビッグデータ、モノのインターネット、ブロックチェーンなどの新しいテクノロジーを迅速に取り入れることができる企業は、競争で確実に優位に立つことになるでしょう。

原題: 2018 年の 5 つの主要な AI トレンド、著者: Leona Zhang

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]