2020年におすすめの優れた人工知能システム

優れた AI システムは、企業に大きな競争上の優位性をもたらすことができます。理論的には、AI と機械学習ソフトウェアは企業のビジネス プロセスを自動化し、従業員がより効率的に作業できるようにし、顧客エクスペリエンスを大幅に向上させることができます。 AI システムは大規模なデータ分析や予測分析に使用でき、最終的にはビジネス管理と意思決定を改善します。 AI はクラウド コンピューティングを活用して計算能力を高め、より高速なデータ マイニングを可能にします。

人工知能は何十年にもわたって発展してきました。 1980 年代に人工知能が初めて爆発的に普及した後、1990 年代には「AI の冬」が訪れました。 2015年以降、コンピューターのクラウド化とクラスタリングによってコンピューティング能力が大幅に向上し、ディープニューラルネットワークが現実のものとなり、人工知能が再び繁栄しました。多くの企業や投資がこの機会を捉えたいと考えており、AIは理論と実践の両面で大きな進歩を遂げています。

2020年、企業がAIを活用しなければ、たちまちスタートラインに遅れをとることになるともいえるでしょう。

誰もが AI に突入していますが、AI は依然としてさまざまな考え方が存在する競争の激しい分野です。適切な AI システムをどのように選択するかは、誰もが悩む問題です。この記事では、最も人気のある AI システムの実装について紹介します。

テンソルフロー

キャッチフレーズ: 開発者に愛される、機械学習のオープンソースリーダー。

公式サイト: https://tensorflow.google.cn

[[336460]]

Google が開発した TensorFlow は現在最も人気のある AI システムであり、業界では機械学習の代名詞となっています。 TensorFlow は無料のオープンソースであり、オープン モデルにより広く採用されています。 TensorFlow は、エンドツーエンドのオープンソース機械学習プラットフォームです。ツール、ライブラリ、コミュニティ リソースの包括的かつ柔軟なエコシステムを備えており、研究者は機械学習の最先端技術を進歩させることができ、開発者は機械学習を活用したアプリケーションを簡単に構築および展開できます。 TensorFlow はオープン アーキテクチャを採用しており、GPU (グラフィックス プロセッシング ユニット、AI を駆動する「スーパーチャージされた」ハードウェア) または CPU (中央処理装置、それほど高速ではないハードウェア) での計算に使用できる柔軟性を備えています。 Tensorflow は、機械学習モデルの構築と展開のための世界最高の AI ツールであると言っても過言ではありません。

Tensorflow は、グラフ分類、音声処理、推奨システム、自然言語処理などのシナリオで幅広い用途があり、現在最も人気のある機械学習フレームワークです。

拡張アプリケーションに関しては、TensorFlow は Python、C/C++、Java、Go、R などの他のプログラミング言語用のインターフェースも提供します。

簡単な例:

H2O.ai

スローガン: すべての人にAIを。

公式サイト: h2o.ia

H20 は多様な AI ソフトウェア製品スイートを提供しています。これらには、オープンソースの機械学習プラットフォーム、Spark とのオープンソース統合、スケーラブルな自動機械学習を可能にする AutoML と呼ばれるツールが含まれます。これらの中で最も興味深いのは、企業が独自の AI アプリケーションを作成できるようにする H2O Q です。これらの AI アプリケーションには、多数のコネクタから取得できるリアルタイム データで更新される一連のダッシュボードがあります。

H20 は使いやすく、R、Python、Java、Scala、REST などの複数の言語をサポートしており、Flow を使用してコーディングせずに直接モデルの構築を開始することもできます。

H20 は、Gradient Boosting Machine (GBM)、Deep Learning など、幅広いアルゴリズムをサポートしています。

H20 には豊富な外部拡張機能があり、HDFS、S3、SQL、NoSQL など複数のデータ インターフェイスをサポートしています。また、POJO を統一された形式でエクスポートできるため、モデルをアプリケーション形式に書き直すのに必要な時間が短縮されます。

例:

パイトーチ

スローガン: 研究から生産へ。

公式サイト: https://pytorch.org/

[[336461]]

PyTorch は、Facebook がオープンソース化した Python 機械学習ライブラリで、主に自然言語処理などのアプリケーションに使用されます。

PyTorch は、強力な GPU アクセラレーション テンソル計算 (NumPy など) と、ディープ ニューラル ネットワーク用の自動微分化システムを提供します。

PyTorch は、GPU サポートを備えた numpy と見なすことができ、自動微分機能を備えた強力なディープ ニューラル ネットワークとも見なすことができます。 Facebook に加え、Twitter、CMU、Salesforce などの機関でも採用されています。

PyTorch には、TensorFlow のような豊富なコミュニティ サポートがあります。 TensorFlow と同様に、PyTorch の計算ユニットも Tensor であり、内部に計算グラフを持っていますが、その変数には勾配を自動的に計算する機能があります。 Tensorflow の計算グラフは静的ですが、PyTorch のグラフは動的です。

Pytorch は現在 Caffe2 コードを組み込んでおり、最も人気のある ML フレームワークの 1 つになっています。多数の研究やシステムで Pytorch が使用されています。

Pytorch の最新バージョンは 1.6 です。

例:

MXネット

スローガン: 研究から生産へ。

公式サイト: mxnet.apache.org

mxnet は、軽量でポータブル、かつ柔軟な分散/モバイル ディープラーニング システムです。これは、後に Amazon AI チームに加わった中国の科学者 Li Mu によって開発されました。これは、Amazon によってオープンソース化され、推進されているディープラーニング フレームワークです。 mxnet は幅広い言語をサポートしており、Python、R、Julia、Scala、Go、Javascript などの言語で使用できます。

例:

ケラス

スローガン: 授業のための機械学習

公式サイト: https://keras.io

[[336462]]

Keras は Python で開発されたニューラル ネットワーク インターフェイスであり、バックエンドとして TF、CNTK、または Theano を使用して実行することをサポートしています。 Keras は、ML 実験を柔軟かつ迅速に実行し、IDEA を実践に移して結果をより早く得るためのソリューションの開発に基づいています。 Keras を使用すると、ユーザーフレンドリーでモジュール性が高く、拡張性が高いため、簡単かつ迅速なプロトタイピングが可能になります。 Keras は、畳み込みニューラル ネットワークと再帰型ニューラル ネットワークの両方、およびこの 2 つの組み合わせをサポートしています。 Keras は CPU と GPU の両方でシームレスに実行されます。

例:

CNTK

公式リポジトリ: https://github.com/Microsoft/CNTK

CNTK はオープンソースの分散型ディープラーニング フレームワークであり、正式名称は Microsoft Cognitive Toolkit (CNTK) です。 CNTK は、ニューラル ネットワークを有向グラフを介した一連の計算ステップとして記述します。 CNTK を使用すると、フィードフォワード DNN、畳み込みニューラル ネットワーク (CNN)、再帰型ニューラル ネットワーク (RNN/LSTM) などの一般的なモデル タイプを簡単に実装および組み合わせることができます。 CNTK は、複数の GPU とサーバー間での自動微分化と並列化を通じて、確率的勾配降下法 (SGD、エラー バックプロパゲーション) 学習を実装します。

CNTK は、64 ビット Linux または 64 ビット Windows オペレーティング システムをサポートします。バイナリ パッケージ経由でインストールすることも、GitHub ソース コードをクローンしてコンパイルおよびインストールすることもできます。

CNTK は、Python、C#、C++ などの多言語ライブラリを提供し、Python および Java プログラムでの CNTK モデル評価関数の使用もサポートします。

CNTK の現在のバージョンは 2.7 です。

例:

ビッグML

キャッチフレーズ: 機械学習への強い取り組みにより、幅広い ML モデリング ツールを提供します。

公式サイト: https://bigml.com

BigML は、ユーザーがアプリケーションを構築できるようにするさまざまな ML ツールを提供するソフトウェア プラットフォームであり、さまざまな ML モデリング、時系列予測、セキュリティ異常検出などが含まれます。開発者や科学研究者の間で一定の支持を得ています。 BigML は、データをクラウドに埋め込んだり、オンプレミスまたはリモートで展開したりできる便利なモデルに変換できるエンドツーエンドのソリューションを提供します。これには、教師あり学習と教師なし学習のほか、実行可能なシステムの作成を迅速化するための事前構築された ML アルゴリズムのメニューが含まれます。さらに、BigML はコラボレーション システムを提供するため、チームは協力して ML モデルを構築できます。

例:

ヴァロハイ

スローガン: チーム向け MLOps プラットフォーム。

公式サイト：https://valohai.com

Valohai は、機械学習プロジェクトをより迅速かつ効率的に実行するのに役立つという点で、メタ AI ツールと考えることができます。このプラットフォームは、コンプライアンスからテストまで、MLOps を自動化します。 Valohai は、ML チームが使用する多くのタスクとプロセスを簡素化するためにオープンなアプローチを採用しています。

Valohai は、ユーザーが無料で登録して、マシン オーケストレーション、パイプライン管理、バッチ推論を実装できる PaaS プラットフォームです。ユーザーは、Python3 ローカル コード、Github リポジトリ、または Jupyter Notebook を通じてタスクを公開し、計算結果を自分の valhohai で取得できます。

例:

ダイアログフロー

AI の専門用語では、自然言語処理 (NLP) は、実際の人間の発話をその特異性も含めて理解 (または模倣) できる機械システムを指すためによく使用される用語です。

Dialogflow 1 および 2 は、自然言語対話に基づく人間とコンピュータのインタラクション技術開発ツールです。 Dialogflow は 2016 年に Google に買収されました。 Dialogflow は完全な API と Web インターフェースを備えていますが、オープンソースではない商用製品です。

Dialogflow は、チャットボットの作成に使用できる Web インターフェースを提供します。このインターフェースを使用すると、技術者以外の人でも基本的な機能を備えたソフトウェア ロボットを簡単に作成できます。同時に、ユーザーはインテント、エンティティ、アクションなどの基本機能のプロパティを簡単に理解して構成できます。したがって、Dialogflow を使用すると、基本的な質疑応答機能を備えたチャットボットをわずか数時間で作成できます。

Dialogflow は、Google アシスタント、Slack、Facebook Messenger、Skype、Twitter など、さまざまなサービスとの統合を提供します。

その他の商用AI製品

AI市場には競合企業が溢れており、大手企業はすべて独自のAI商用プラットフォームを完成させています。その中でも、よく知られているのは、MicrosoftのAzure ML、IBM Watson、Amazon SageMaker、Engatiチャットボット、Wipro Holmes、Ayasdi AIなどであり、いずれもトップクラスのAIシステムです。ここでは詳細には触れません。