マシンラーニング(機械学習)のITreview Grid

 マシンラーニング(機械学習)とは、人間と同等以上の学習能力をコンピュータで実現する人工知能(AI)分野の技術。コンピュータが大量のデータを読み込み、特徴(パターン、規則性、ルールなど)を学び取り、その結果を土台にして新しい特徴を発見・応用することを目的としている。機械学習を活用することで、画像データを解析し人、モノ、シーン、書かれている文章の内容などを判定する画像認識の技術や、個人の顔を照合し発見する顔認識技術、音声から言語を理解しテキストデータとして書き起こす音声認識技術などに発展させ、利用されている。


マシンラーニング(機械学習)の導入効果


大量のデータを高速かつ正確に学習

 マシンラーニング(機械学習)を利用すると、人が実行するよりもはるかに多く、また高速でデータの特徴(パターン、規則性、ルールなど)を学習できる。また、一度学習したデータは忘れずに蓄積されていくため、学習を繰り返せば繰り返すほど、結果の正確性が高まる。

新しい特徴(パターン、規則性、ルールなど)を発見

 人が処理するよりも圧倒的に多くのデータを学び取ることができるので、これまでは見つけることが難しかった新しい特徴(パターン、規則性、ルールなど)を発見し、さまざまなビジネスに活用できるようになる。

既存のデータ資産を有効活用

 機械学習(マシンラーニング)を利用することにより、これまでは活用しきれず廃棄していたネットワークトラフィックのログデータ、IoTシステムのセンサーデータなどの膨大な既存データを学習に利用するといった有効活用が可能になる。


マシンラーニング(機械学習)の対象ユーザー


導入検討、利用ユーザー
 ・自社ビジネスの戦略立案、事業効率化に取り組むに当たり、人手によるデータ分析や経験値以外の新たな知見を求める部門やシステム開発部門など


マシンラーニング(機械学習)の機能一覧


検知精度を向上させる学習機能

機能 解説
予測モデル作成 ラベルを指定したデータを学習させ、予測モデルを作成する
正解ラベルの指定と、画像カテゴリー分類 画像と正解ラベルを指定して学習させ、予測モデルを生成して画像をカテゴリー分けする
良品学習 良品画像のみを学習させ、良品と不良品を分類し、良品との相違箇所を検知して不良品を検出する
分割検知 画像を小さい領域に分割し、領域ごとにカテゴリー分けする
教師データの自動生成 教師データの元画像を反転、回転させたり色を変更したりして教師データを自動生成する
精度計算 学習後の予測モデルを使って検知する際に、検知結果の精度を計算する。計算結果は確度のしきい値として利用できる


外部システムとの連携

機能 解説
APIの提供 外部システムから機械学習機能を利用できるAPIを提供する
複数のプログラミング言語対応 統計解析向けのR言語、汎用プログラミング言語のPythonなどを使って機械学習用のプログラミング環境を提供する
ライブラリ(フレームワーク) 機械学習に関するさまざまな機能をあらかじめ組み込んだライブラリ(フレームワーク)を提供する


マシンラーニング(機械学習)の選定ポイント


ツールごとの違い

 機械学習(マシンラーニング)は、大きく分けて以下のようなツールを用いて行う。

・IaaS、PaaSなどのクラウド事業者が提供する学習済みのAI/機械学習サービス
 APIを利用してクラウド上のサービスに接続する。既に学習済みのサービスが利用できる他、学習を繰り返して特定の用途に応用することもできる。

・特定用途に利用するために一から育てる機械学習
 オンプレミスまたはクラウドに機械学習を実行する環境を用意する。学習を繰り返すことで、特定用途に特化したAIを構築できる。

導入形態

 マシンラーニング(機械学習)には、オンプレミス環境に導入するソフトウェアパッケージ製品(オープンソースも含む)と、クラウドサービスとして提供されているツールがある。オンプレミス環境のツールは、工場など生産現場の製造ラインにおける品質管理、生産装置の異常・故障の予知といったスタンドアロン、またはクローズドなネットワークでも利用できる。クラウドサービスは自前でツールを用意することなく、初期投資を抑えながら機械学習を始めることができる。

価格形態・契約形態

 マシンラーニング(機械学習)の価格は、製品・サービスによって異なる。オープンソースの機械学習ライブラリ(フレームワーク)は無料で利用することも可能だ。オンプレミス環境に導入する製品の価格は100〜500万円程度。パブリッククラウドが提供するサービスの場合は利用する機能や利用時間、学習させるデータ容量などによって異なるが、例えばAWSの音声認識サービス「Amazon Transcribe」を利用して120分の会議の文字起こしをする場合の料金は2.88米ドルと、非常にリーズナブルな価格設定となっている。


マシンラーニング(機械学習)のシステム要件・他システムとの連携方法


導入時に必要なもの

 オンプレミス環境に導入するソフトウェアパッケージ製品の場合は、ソフトウェアをインストールして実行するためのサーバ、大量の学習用データを格納するストレージが最低限必要となる。パブリッククラウドの機械学習サービスの場合はハードウェアを用意する必要はないが、学習用データは用意する必要しなげればならない。

機械学習技術を活用したサービス

 機械学習技術を活用したサービスの代表例は以下のようなものが挙げられる。クラウドサービス事業者によって精度や特徴はさまざまであるため、選定時にはそれぞれを試用し、精度やニーズが実現できるかといった観点を確認する必要があるだろう。

・画像認識
 画像データの視覚的な内容を解析し、人、モノ、シーンなどを判定する。撮影した写真から不良品を検知する品質管理、不適切なコンテンツの検知などに利用できる

・動画解析
 動画データの視覚的な内容を解析し、人、モノ、シーンなどを判定する。映像シーンに含まれる人やモノの動線を捉えて制御する

・顔認識
 画像や動画に含まれる人の顔を分析し、性別、年齢層、表情、目や髪の色といった属性を抽出する。また、特定の顔を設定すれば、群衆の中から対象者を発見できる

・文字認識
 画像データの中に含まれる文字列を検知・認識し、テキストデータに変換する

・音声認識
 音声データまたは動画データの音声を認識し、テキストデータとして書き起こす。会議の議事録作成などに利用できる

・音声合成
 テキストデータを読み上げ、人に近い自然な音声に変換する

・翻訳
 文字認識した結果を自動翻訳する。または音声認識した結果を翻訳し、その言語で読み上げる

・チャットbot
 入力されたテキストデータの意味を理解して返答する。問い合わせに対応したり必要に応じて人にエスカレーションしたりするbotを用意できる

他製品との連携方法

 例えば独自に構築した監視システムのようなアプリケーションから、クラウド上にある機械学習サービスにWeb API経由で接続すれば、対象物が持ち去られた際にそれを検知してアラートを上げたり、特定の人物が写り込んだ際に顔を認識してアラートを上げたりできるようになる。また、統計解析ツールやデータ可視化ツール、BI(ビジネスインテリジェンス)などを組み合わせて利用すれば、大量データ処理にも大いに活用できる。

マシンラーニング(機械学習)のメニュー

マシンラーニング(機械学習)の基礎知識

 マシンラーニング(機械学習)とは、人間と同等以上の学習能力をコンピュータで実現する人工知能(AI)分野の技術。コンピュータが大量のデータを読み込み、特徴(パターン、規則性、ルールなど)を学び取り、その結果を土台にして新しい特徴を発見・応用することを目的としている。機械学習を活用することで、画像データを解析し人、モノ、シーン、書かれている文章の内容などを判定する画像認識の技術や、個人の顔を照合し発見する顔認識技術、音声から言語を理解しテキストデータとして書き起こす音声認識技術などに発展させ、利用されている。


マシンラーニング(機械学習)の導入効果


大量のデータを高速かつ正確に学習

 マシンラーニング(機械学習)を利用すると、人が実行するよりもはるかに多く、また高速でデータの特徴(パターン、規則性、ルールなど)を学習できる。また、一度学習したデータは忘れずに蓄積されていくため、学習を繰り返せば繰り返すほど、結果の正確性が高まる。

新しい特徴(パターン、規則性、ルールなど)を発見

 人が処理するよりも圧倒的に多くのデータを学び取ることができるので、これまでは見つけることが難しかった新しい特徴(パターン、規則性、ルールなど)を発見し、さまざまなビジネスに活用できるようになる。

既存のデータ資産を有効活用

 機械学習(マシンラーニング)を利用することにより、これまでは活用しきれず廃棄していたネットワークトラフィックのログデータ、IoTシステムのセンサーデータなどの膨大な既存データを学習に利用するといった有効活用が可能になる。


マシンラーニング(機械学習)の対象ユーザー


導入検討、利用ユーザー
 ・自社ビジネスの戦略立案、事業効率化に取り組むに当たり、人手によるデータ分析や経験値以外の新たな知見を求める部門やシステム開発部門など


マシンラーニング(機械学習)の機能一覧


検知精度を向上させる学習機能

機能 解説
予測モデル作成 ラベルを指定したデータを学習させ、予測モデルを作成する
正解ラベルの指定と、画像カテゴリー分類 画像と正解ラベルを指定して学習させ、予測モデルを生成して画像をカテゴリー分けする
良品学習 良品画像のみを学習させ、良品と不良品を分類し、良品との相違箇所を検知して不良品を検出する
分割検知 画像を小さい領域に分割し、領域ごとにカテゴリー分けする
教師データの自動生成 教師データの元画像を反転、回転させたり色を変更したりして教師データを自動生成する
精度計算 学習後の予測モデルを使って検知する際に、検知結果の精度を計算する。計算結果は確度のしきい値として利用できる


外部システムとの連携

機能 解説
APIの提供 外部システムから機械学習機能を利用できるAPIを提供する
複数のプログラミング言語対応 統計解析向けのR言語、汎用プログラミング言語のPythonなどを使って機械学習用のプログラミング環境を提供する
ライブラリ(フレームワーク) 機械学習に関するさまざまな機能をあらかじめ組み込んだライブラリ(フレームワーク)を提供する


マシンラーニング(機械学習)の選定ポイント


ツールごとの違い

 機械学習(マシンラーニング)は、大きく分けて以下のようなツールを用いて行う。

・IaaS、PaaSなどのクラウド事業者が提供する学習済みのAI/機械学習サービス
 APIを利用してクラウド上のサービスに接続する。既に学習済みのサービスが利用できる他、学習を繰り返して特定の用途に応用することもできる。

・特定用途に利用するために一から育てる機械学習
 オンプレミスまたはクラウドに機械学習を実行する環境を用意する。学習を繰り返すことで、特定用途に特化したAIを構築できる。

導入形態

 マシンラーニング(機械学習)には、オンプレミス環境に導入するソフトウェアパッケージ製品(オープンソースも含む)と、クラウドサービスとして提供されているツールがある。オンプレミス環境のツールは、工場など生産現場の製造ラインにおける品質管理、生産装置の異常・故障の予知といったスタンドアロン、またはクローズドなネットワークでも利用できる。クラウドサービスは自前でツールを用意することなく、初期投資を抑えながら機械学習を始めることができる。

価格形態・契約形態

 マシンラーニング(機械学習)の価格は、製品・サービスによって異なる。オープンソースの機械学習ライブラリ(フレームワーク)は無料で利用することも可能だ。オンプレミス環境に導入する製品の価格は100〜500万円程度。パブリッククラウドが提供するサービスの場合は利用する機能や利用時間、学習させるデータ容量などによって異なるが、例えばAWSの音声認識サービス「Amazon Transcribe」を利用して120分の会議の文字起こしをする場合の料金は2.88米ドルと、非常にリーズナブルな価格設定となっている。


マシンラーニング(機械学習)のシステム要件・他システムとの連携方法


導入時に必要なもの

 オンプレミス環境に導入するソフトウェアパッケージ製品の場合は、ソフトウェアをインストールして実行するためのサーバ、大量の学習用データを格納するストレージが最低限必要となる。パブリッククラウドの機械学習サービスの場合はハードウェアを用意する必要はないが、学習用データは用意する必要しなげればならない。

機械学習技術を活用したサービス

 機械学習技術を活用したサービスの代表例は以下のようなものが挙げられる。クラウドサービス事業者によって精度や特徴はさまざまであるため、選定時にはそれぞれを試用し、精度やニーズが実現できるかといった観点を確認する必要があるだろう。

・画像認識
 画像データの視覚的な内容を解析し、人、モノ、シーンなどを判定する。撮影した写真から不良品を検知する品質管理、不適切なコンテンツの検知などに利用できる

・動画解析
 動画データの視覚的な内容を解析し、人、モノ、シーンなどを判定する。映像シーンに含まれる人やモノの動線を捉えて制御する

・顔認識
 画像や動画に含まれる人の顔を分析し、性別、年齢層、表情、目や髪の色といった属性を抽出する。また、特定の顔を設定すれば、群衆の中から対象者を発見できる

・文字認識
 画像データの中に含まれる文字列を検知・認識し、テキストデータに変換する

・音声認識
 音声データまたは動画データの音声を認識し、テキストデータとして書き起こす。会議の議事録作成などに利用できる

・音声合成
 テキストデータを読み上げ、人に近い自然な音声に変換する

・翻訳
 文字認識した結果を自動翻訳する。または音声認識した結果を翻訳し、その言語で読み上げる

・チャットbot
 入力されたテキストデータの意味を理解して返答する。問い合わせに対応したり必要に応じて人にエスカレーションしたりするbotを用意できる

他製品との連携方法

 例えば独自に構築した監視システムのようなアプリケーションから、クラウド上にある機械学習サービスにWeb API経由で接続すれば、対象物が持ち去られた際にそれを検知してアラートを上げたり、特定の人物が写り込んだ際に顔を認識してアラートを上げたりできるようになる。また、統計解析ツールやデータ可視化ツール、BI(ビジネスインテリジェンス)などを組み合わせて利用すれば、大量データ処理にも大いに活用できる。