シェア | 人工知能の典型的な12の事例

今日では AI の例が非常に多く存在するため、代表的な AI の事例をいくつか選択することは困難です。

さまざまな業界で AI が応用されている例は数多くありますが、AI は依然として成長を続ける新興勢力であると考えられています。実際、AI は金融、小売、ヘルスケア、メディアなど、多くのビジネスのテクノロジー プラットフォームにとって不可欠です。人工知能とディープラーニングの例は無数にあります。

[[277209]]

選ばれた人工知能の例はそれぞれ大きく異なりますが、共通点が 1 つあります。それは、入力されるデータが増えるほど、学習も増えるということです。これが人工知能です。入力に基づいて学習するソフトウェア システムです。これがビッグデータ分析と AI の主な違いです。ビッグデータはデータをスキャンして傾向を明らかにすることができますが、AI はそれに加えて入力に基づいて調整することもできます。

AIの例: セクターを超えたAI

市場をリードする AI の例を以下に示します。今後 AI を導入する企業は、以下の例を参考にしてください。

1. SiriとAlexa

音声アシスタントは、ビジネス運営においてますます重要な役割を果たしています。音声アシスタントが直面する課題は、人間の言語を真に理解する必要があることですが、さらに難しいのは、人間を真に理解する必要があることです。

ここで人工知能が登場します。 AI システム エンジニアはこれらの音声アシスタントを構築できますが、起動時に大量の人間的特性を組み込むことはできません。したがって、AI システムは、人間と機械のインターフェースという非常に複雑なタスクをより適切に実行できるように、機械学習技術を多用する必要があります。人工知能を搭載した音声アシスタントは、ウェブ検索、買い物の支援、道案内などの能力がますます向上するでしょう。人々は、この音声技術がホームアシスタントや高齢者介護において重要な役割を果たすことを期待しています。これは、AI 音声認識が実際に機能している無数の例の 1 つです。

2. Amazonとオンラインコマース

顧客の入力に応答するシステムという概念自体は、人工知能の例ではありません。たとえば、ユーザーがシャツの製品について知っていることを検出し、オンラインでシャツの広告を推奨するアプリケーションは、必ずしも高度な AI アプリケーションではありません。

しかし、たとえば、トランザクション AI プラットフォームの強力なエンジンである Amazon の推奨システムを考えてみましょう。人々はその能力を観察しているかもしれませんが、このシステムは学習し続けることができます。本質的には、多数の買い物客がアマゾンの人工知能システムに、売れそうな商品をより適切に表示する方法を教えているのだ。つまり、あるアイテムを過去に展示された別のアイテムと組み合わせると売上が伸び、関連するコンセプトをリンクさせることができます（ライトスタンドと写真撮影機材など）。

一方、このようなハイエンドの人工知能システムでは、このすべてのデータを処理するために巨大なコンピューティング プラットフォームが必要です。小規模なサーバーを持つユーザーがこのようなシステムをサポートするのは困難です。明らかに、Amazon Web Services は世界をリードするコンピューティング プラットフォームを備えています。

3. パンドラ

人工知能が人間の仕事に取って代わると信じる人々にとって、Pandora AI システムは人間と協力する例です。まず、Pandora は音楽専門家の協力を得て曲を分析し、分類します。 Pandora は、ボーカルスタイルからリズムまで、450 の曲の属性を調べて分類します。

AI アルゴリズムが機能すると、曲ライブラリに対するユーザーの反応に基づいて、多数の推奨事項が組み合わせられます。 AI システムは、ユーザーにとって意味のある曲をグループ化して一括で提示することができます。

4. コギト

これは間違いなく AI が最も活発に活用されている分野の 1 つです。販売や顧客サービスの通話で AI を使用すると、顧客との感情的なつながりを強化できます。具体的には、AI を活用して、人間よりも高い共感力を持って他者と交流することです。もちろん、これは人工知能の利用における最先端分野です。

コギト（ラテン語で「自己認識」を意味する）は、人間の相互作用に関する重要な真実に触れている。それは、言葉の意味だけでなく、言葉の言い方、雰囲気、リズム、感情が重要であるということだ。

Cogito ソフトウェアは会話をリアルタイムで分析し、何がうまくいったか、何がうまくいかなかったかについての手がかりやヒントを提供します。おそらく、対話相手は話題を多く切りすぎたり、応答が遅すぎたりするかもしれません。アプリケーションは色に基づいて警告と更新を提供します。このソフトウェアは、何百ものスレッドを分析して、会話の感情的な質を判断することができます。

5. 巣

AI の成長を推進する主な要因の 1 つは、早期に市場シェアを獲得しようとする資金力のあるベンダー間の競争です。たとえば、Google の家庭用サーモスタット「Nest」を見てみましょう。目標の 1 つは、Google の人工知能をデバイスに組み込んで、人気の高まりつつある Apple の Siri や Amazon の Alexa に対抗することです。

Nest は人工知能を使用して、人間の行動パターンに適応し、入力の合図を継続的に受け取り、在宅勤務時により正確に反応します。所有者がしばらくシステムをセットアップした後、Nest は独自に入力を統合できます。

いずれにせよ、スマートホームデバイス（IoT デバイス）は、AI 市場の優位性をめぐる戦いにおける重要な戦場であることは間違いありません。スマートホーム デバイスのグループ全体が連携して動作し、家族からのコマンドに応答し、その行動に基づいて学習することが、明らかに家庭における AI の未来です。

6. ボクセバー

アイルランドに拠点を置くBoxeverは、旅行業界を主なターゲットとしてBoxever「パーソナライゼーション・プラットフォーム」を立ち上げた。同社のクラウドベースのプラットフォームにより、旅行会社は顧客の単一ビューを作成し、顧客に対してより効果的なマーケティングを行うことができます。その目標は、顧客を個別にターゲットにして販売プロセスを改善することです。 AI が 1 対 1 でやり取りをカスタマイズできれば、理論的にはより効率的に顧客にサービスを提供 (および販売) できるようになります。

Boxever のアプローチでは、競争の主要分野は顧客体験であると認識しています。顧客のニーズを満たすことにもっと注意を払う小売業者が、電子商取引の競争に勝つでしょう。また、インテリジェント ソフトウェアを使用すると、人間の営業担当者よりもコストが大幅に削減されます。

7. AIロボット、ヒューマノイドなど

カリフォルニア大学バークレー校の BRETT やマサチューセッツ工科大学の MIT dog など、人工知能はロボット アプリケーションに力を与えています。ソフィアは、NBCの司会者ジミー・ファロンと「ザ・トゥナイト・ショー」で会話したり歌ったりするなど、メディアの注目を集めているAIロボットの一例です。

ポップカルチャーの話題を超えて、さまざまな形や大きさの AI ロボットが存在します。たとえば、iRobot の RoomBA 980 掃除機は、人工知能技術を使用して家庭内のさまざまな掃除作業を実行します。同社によれば、ルンバはRoomBA 980掃除機を1,000万台以上販売したという。

8. スパムフィルター

人工知能の核心は学習です。また、機械学習やその他の人工知能技術を使用することで、ソフトウェア システムは人間の支援を必要とせずにさらにスマートになります。

もちろん、AI を使用してスパムを防止することは、機械学習が切実に必要とされる分野です。スタッフ（さらにはチーム）は、スパムの増加に対応するのが困難になっています。たとえば、Gmail では、(ほとんどの) スパムをフィルタリングするために機械学習アルゴリズムを導入しています。

このため、スパム フィルターは、受信者を騙すための独創的な方法を絶えず考え出すスパマーよりも速く対応しようとします。スパム フィルターの人工知能は、送信者の場所や件名のキーワードなどのメタデータを継続的にスキャンします。学習能力がなければ、スパムフィルターは数日後には機能しなくなります。

AI テクノロジーは人間からの入力を使用します。つまり、あるユーザーにとって価値のあるクーポンが、別のユーザーにとってはスパムとなる可能性があります。特定のユーザーがメール ストリームをどのように分類するかは、スパム フィルターの学習の一部である必要があります。

9. オンラインバンキング

銀行はユーザーに対して、小切手をスキャンしてその金額をモバイル デバイスに入金できるという便利なサービスを提供しています。実際の支店に行って入金する必要はありません。問題は、そうするには機械がユーザーの署名を読み取る必要があり、作業員にとっても面倒でわかりにくい作業になるという点だ。

他のベンダーの中でも、Mitek Systems はソフトウェアベースの認証を専門としています。同社の AI テクノロジーは、コンピューター ビジョンと機械学習を使用して、モバイルから銀行への取引を安全にします。

たとえば、Mitek はビジョン アルゴリズムを使用して、銀行取引で使用される無数の ID 形式を分類します。その中核となるのは、文書をスキャンしてデータを編集可能な形式に変換する光学文字認識 (OCR) ソフトウェアです。 OCR ソフトウェアは、人工知能を使用して調整し、人の署名や指紋を正確に抽出することができます。

10. ローンおよびクレジットカード処理

消費者がクレジットカードやローンを申し込むとき、FICO クレジット スコア (通常は 300 ～ 850) が重要な役割を果たします。これまで、ローン担当者はこれらのローンおよびクレジットカードの申請書を審査していました。人間の労働者はまだたくさんいますが、クレジットカードに関する決定や、消費者の申し込みを受け入れるかどうかの決定の多くは、機械学習システムによって行われています。

繰り返しますが、学習はこのプロセスの中核部分です。銀行の経営者は、現在の信用基準を緩くするか厳しくするかのパラメータを設定できます。しかし彼らは、銀行の機械学習システムが時間の経過とともに学習し、どの申請者が安全な借り手であるかをより厳密に判断できるようになることを期待している。

11. リフトとウーバー

人工知能と機械学習の技術がなければ、自転車シェアリングは不可能でしょう。具体的には、運賃、到着予定時刻、ルートなどがすべて人工知能によって計算されます。

人工知能は膨大な計算を瞬時に実行します。こうした計算の量と複雑さは、状況を分析し、その結果のデータをユーザーとドライバーのアプリケーションにルーティングする機械学習システムがなければ不可能です。もちろん、Lyft と Uber は独自のシステムに記録しており、両社はユーザーの行動パターンに関する膨大なデータを保有しています。

将来的には、これらのサービスは自動運転車の時代に到来すると予想されています（ただし、それがいつ実現するかは、まだはっきりしていません）。人間のドライバーという要素がなければ、システムを実行するプロセスは、より純粋に論理的な機械学習の計算になります。理論的には、これによりライドシェアサービスのコストが下がり、ドライバーを雇うコストも節約できることになる。

12. ソーシャルネットワーキング

主要なソーシャル メディア ネットワークは AI 開発の中心的な推進力です。特に Facebook は AI のあらゆる側面を取り入れているようです。たとえば、そのアルゴリズムはユーザーのタイムラインを定義し、そのタイムラインに友人からの特定の投稿を表示するかどうかを決定します。 Facebook は、ユーザーの友達全員が表示されるとタイムラインが乱雑になり、煩わしくなることを認識しています。その結果、タイムライン アルゴリズムは、ユーザーが誰とやり取りしているか、また通常誰を無視しているかを学習できます。

Facebookにとって最も重要なのは、このソーシャルネットワークがAIを活用してユーザーに広告を配信する方法をパーソナライズしており、広告の表示方法に一定の関連性を持たせていることです。 Facebook では、ユーザーが自分のタイムラインに対する広告の関連性についてコメントできるようになっている点に留意することが重要です。ユーザーのコメントは、システムが学習してさらに改良されるのに役立ちます。 Facebook と Google は、人工知能を使用して表示システムを微調整しているため、オンライン広告市場全体で非常に高いシェアを占めています。

さらに、Facebook は画像認識 AI テクノロジーを使用して写真に写っている顔を識別し、ユーザーにタグ付けを促しています。 Facebookにとって写真が重要であることを考えると、Facebookが顔認識技術に多額の投資をしてきたのは当然のことです。機械を使って写真を「読み取る」ことは、人工知能の時代における最も重要な進歩の 1 つです。