IT導入支援

会員限定

日本アイ・ビー・エム株式会社提供コンテンツ

2018年04月17日

〜画像・映像解析の課題を解決するツールとは〜

ディープラーニングのビジネス活用、「いざ実践」時の課題はどこに?

医療現場における画像診断や自動運転、製造業での品質検査や故障予知など、さまざまな領域で活用が進んでいる「ディープラーニング」。しかし、ディープラーニングをより効果的に実施するためには、データの蓄積からクレンジング、タグ付けなど膨大で地道な作業が必要となる。ビジネスへの適用を検討する企業は多いものの、どこから手を付けていいのかと悩む企業も少なくない。

photo

ディープラーニングはいよいよ実装フェーズに来た

(©taa22 - Fotolia)


ディープラーニングの進化とビジネス実装における課題

 現在は「第3次人工知能(AI)ブーム」だといわれている。その背景にあるのが、急速な進化を遂げている「ディープラーニング(Deep Learning:深層学習)」技術である。

 ディープラーニングとは、人間が行うタスクをコンピューターに学習させる機械学習の手法の1つだ。2000年代から提唱され始め、現在ではさまざまな分野での実用化が進んでいる。

 その理由は、クラウドコンピューティングやスマートフォンの普及に加え、ハードウェア技術の向上によって大容量データの高速リアルタイム処理が可能となり、ディープラーニングの実用化に必要な環境が整備されつつあるからだ。

 また、ディープラーニングのビジネス活用で優れた成果を挙げるためには「認識精度の向上」も重要な要素であることは言うまでもないが、特に画像の認識・解析領域において、ディープラーニングはすでに人間の認識能力を超えるまでになっている。

 こうしたテクノロジーの進化を受け、最近ではディープラーニングを活用し、業務プロセスの最適化や新サービスの提供を目指す企業も増えている。具体的には、製造業における不良品検査や外観検査、小売業においては来店者の顔を検出し、年齢や性別、表情などといった情報を自動で取得するといった取り組みが挙げられる。

 しかし、実際にディープラーニングを自社で実装するには課題も多い。現場担当者とIT部門のディープラーニングに対する知識の差から、データを精査する段階で認識に齟齬が生じ、作業に要する手間や必要コストが膨大になってしまうことも起き得る。

本格的な実装フェーズに入ってきたディープラーニング

この続きは会員限定です