ルールベースのAIと機械学習の主な違いは、さまざまな業界の企業が検討し、実装している点です。

さまざまな業界の企業が、ビッグデータからロボット工学まで、ビジネスプロセスの自動化、顧客体験の向上、製品開発の革新を目的とした人工知能 (AI) プロジェクトを模索し、実装しています。マッキンゼーによると、「AI を導入すると、生産性と経済成長への貢献を通じて、企業と経済に大きな利益がもたらされる」とのことです。しかし、この期待には課題も伴います。

[[330115]]

コンピュータや機械は、物事がどのように機能するかについての生来の知識や理解を持ってこの世に生まれてくるわけではありません。人間と同じように、彼らにも赤信号は止まれ、青信号は進めということを教える必要があります。では、これらの機械は実際に、運転や病気の診断などの作業を実行するために必要な知能をどのようにして獲得するのでしょうか?

データまたはバブル崩壊

AI を実装する方法は数多くありますが、そのすべてにおいて必要なのはデータだけです。高品質のデータがなければ、人工知能は単なる夢物語に過ぎません。 AI を実装するためにデータを操作するには (ルールまたは機械学習を通じて) 2 つの方法があり、2 つのアプローチのどちらかを選択するのに役立つベスト プラクティスがいくつかあります。

ルールベースのシステム

AI や機械学習 (ML) がハイテク分野以外で主流の用語になるずっと前から、開発者は人間の知識をルールとしてコンピューター システムにエンコードし、知識ベースに保存していました。これらのルールは通常、「If」ステートメントの形式でタスクのさまざまな側面を定義します (「A の場合は B を実行し、それ以外の場合は X の場合は Y を実行する」)。

記述する必要があるルールの数は、システムで処理する操作の数によって異なりますが (たとえば、操作が 20 個の場合、少なくとも 20 個のルールを手動で記述してコーディングする必要があります)、ルールベースのシステムは、ルールが自動的に変更または更新されないため、一般的に作業が少なく、コスト効率が高く、リスクが低くなります。しかし、ルールによって AI がプログラムされたことしか実行できない厳格な知能となり、AI の能力が制限される可能性があります。

機械学習システム

対照的に、ルールベースのシステムは「固定された」知能を持つと考えられますが、機械学習システムは適応型であり、人間の知能を模倣しようとします。基礎となるルールの層はまだ存在しますが、人間が作成した固定セットではなく、マシンが独自に新しいルールを学習し、機能しなくなったルールを破棄することができます。

実際には、機械はさまざまな方法で学習できますが、多くの場合、教師ありトレーニング（機械にトレーニング用のデータが与えられる）が機械学習プログラムの最初のステップとなります。最終的には、機械がラベルのないデータや未知の情報を独自に解釈、分類し、その他のタスクを実行できるようになります。

組織の AI 戦略から始めましょう。

AI によって期待されるメリットは大きいため、企業が AI 導入の早い段階で下す決定が成功の鍵となります。基礎とは、AI が達成する基本的なビジネス目標に合わせてテクノロジーの選択を調整することです。どのような問題を解決しようとしていますか、あるいはどのような課題に直面していますか?

ルールベースまたは機械学習システムを実装するという決定は、企業の AI プログラムの開発と拡張に長期的な影響を及ぼします。組織にとって最適なアプローチを評価するときは、次のベスト プラクティスを考慮してください。

ルールベースのアプローチを選択することは理にかなっています。

• 固定された結果: 結果の数が少ないか固定されている場合。たとえば、「カートに追加」ボタンには、押されているか押されていないかの 2 つの状態しかありません。機械学習を使用してユーザーがボタンを押したかどうかを検出することは可能ですが、この種のアプローチを適用しても意味がありません。
• エラーのリスク: エラーのペナルティは誤検知のリスクを冒すには高すぎるため、100% 正確なルールのみを適用する必要があります。
• ML の計画がない: システムを保守する人が機械学習の知識を持っておらず、ビジネスが前進する計画がない場合。

機械学習を適用するタイミング:

• 単純なルールは適用されない: 単純なルールを使用してタスクを解決する方法が簡単に定義されていない場合
• 変化のスピード: 状況、シナリオ、データの変化が、新しいルールを継続的に作成する能力よりも速い場合。
• 自然言語処理: 言語の理解または自然言語処理を必要とするタスク。何かを表現する方法は無限にあるため、一般的な言語のルールを記述することは、まったく不可能ではないにしても非現実的です。機械学習の固有の適応型インテリジェンスは、スケールに合わせて最適化されています。

AI の可能性は現実的ですが、多くの組織にとって、どこから始めるかが課題となっています。このカテゴリに該当する場合は、まずルールベースのアプローチと ML アプローチのどちらが自社組織に最適かを判断します。