第三次人工知能（AI）ブームが、メディアなどでクローズアップされ始めたのは2011年頃から。その中心にあったのが、IBMのワトソンとディープラーニング（深層学習）と呼ばれる新技術だ。ワトソンは人工知能が商用で利用できることを世間に広め、一部機能が日本語化された。一方、ディープラーニングは、画像分野で精度を上げ、その応用としてグーグルの「AlphaGo」が囲碁の世界王者にも勝ち、大きな話題を振りまいた。人工知能とは一体何なのか。その基本とビジネス活用事例、最新動向、今後の展望について、野村総合研究所 上席研究員の古明地正俊氏が解説する。

「ニューラルネットワーク（Neural Network:NN）」とは、人間の脳内にある神経細胞（ニューロン）とそのつながり、つまり神経回路網を人工ニューロンという数式的なモデルで表現したものだ。近年、人工知能（AI）領域がブームになっているが、ニューラルネットワークは機械学習や深層学習（ディープラーニング）などを学ぶ際に知っておくべき基本的な仕組みである。NVIDIA（エヌビディア）CUDA & Deep Learning Solution Architect 村上真奈 氏が、ニューラルネットワークを学ぶ入門編として、仕組みや構造、機械学習、ディープラーニングとの関係性、さまざまなアプローチの具体例やディープラーニングの流れなどを解説する。

今年6月、ある美術展に関連し、フェイスブック CEO マーク・ザッカーバーグ氏、米国大統領 ドナルド・トランプ氏らの偽動画が公開された。こうした動画は「ディープフェイク」と呼ばれ、注目を浴びている。同時に、あまりに本物そっくりなので、社会問題になりつつある。ディープフェイクとはどういったもので、どんな可能性を秘めているのか。タイ・VISTEC（Vidyasirimedhi Institute of Science and Technology）で動画生成技術を研究するスパソーン・スワジャナコーン氏と、AIスタートアップ AppierでチーフAIサイエンティストを務めるミン・スン氏に話を聞いた。

現場に近いデバイス（エッジデバイス）に人工知能（AI）の学習モデルを実装し、異常判定を下したり、予兆保全を行ったりする「エッジAI」が注目を浴びている。最近ではさらに一歩進んで、エッジ側で学習モデルから予測までの処理が完結できるソリューションも登場してきた。なぜクラウドではなく、エッジで処理する必要があるのか。従来からあるクラウドAIとエッジAIの違いは何か。

次代のコンピューター基盤とサービスの覇権をとるべく、AIチップの開発競争が始まっている。Nvidia、Google、Facebook、Apple、Amazonなども新世代のデバイスやサービスの開発に向けてオリジナルチップ開発に舵を切った。その開発レースの（現時点での）全貌を明らかにした上で、この流れに対して日本はどのようなポジションにあるか、どのようなギャップがあるか解説する。

「全脳アーキテクチャ・イニシアティブ」（WBAI:Whole Brain Architechure initiative）の主催により、「第3回全脳アーキテクチャ・シンポジウム」が開催された。WBAIは「脳全体のアーキテクチャに学び、人間のような汎用人工知能を創ること」を目指している団体だ。従来の特化型AIと、汎用型人工知能（AGI：Artificial General Intelligence）の違いとは何か。そしてWBAIは、どんなアプローチでAGIを開発しようとしているのか。その際に求められる技術とは何か。同イベントの詳細を複数回にわたって紹介したい。

ITシステムに対する脅威は、近年、ますます巧妙かつ高度になり、セキュリティ対策も難しくなっている。「質の高い論文の割合が高い研究機関ランキング」で、東京大学を上回り日本トップになった沖縄科学技術大学院大学（OIST）は、AIを活用した最新のセキュリティ対策ツールを多層的に導入することで、安定したセキュリティ基盤を実現した。ここでは、OISTの具体的な成功事例と、セキュリティ対策ツールの導入ポイントについて紹介しよう。

ソフトバンクグループの代表取締役会長兼社長の孫正義氏の、近年のAI（人工知能）領域への傾倒は目に明らかだ。同グループの投資ファンド「ソフトバンク・ビジョン・ファンド（SVF）」はAI（人工知能）企業に特化し、80社を超える企業に巨額の投資を行っている。なぜ、孫社長はAIにこれほど期待するのか。これまでの技術と何が違うのか。SoftBank World 2019の基調講演で語った。

世界的にディープラーニングに関する取り組みが急速に進む中、グローバルから出遅れた日本企業に勝ち筋はあるのか──。国内No.1ダウンロード数のヘルスケアアプリを提供するFiNC Technologies 代表取締役CTO 南野 充則氏が、「日本ディープラーニング協会」最年少理事としての知見を交えながら、人工知能ビジネスにおける日本の現状と人材育成のポイントを解説した。

FAなど、工場の自動化設備メーカー大手のファナックは、生産現場の高度化支援を目的に自社製品のネットワーク接続に取り組んでいる。目指すのは、データにより生産現場を可視化し、高度な分析で問題の原因を探り、それをロボット制御にフィードバックして改善サイクルを回す次世代の工場だ。ファナック 代表取締役会長兼CEOの稲葉善治氏が同社の技術開発の最前線を明らかにした。

ディープラーニングが第3次AIブームを牽引し、機械学習、ディープラーニングといったテクノロジーが実際にサービスに組み込まれる事例も増えてきた。いよいよ「実用段階」にシフトしてきたAIの最新動向や、日本を含むグローバルでの取り組みはどうなっているのか。東京大学大学院 工学系研究科 特任准教授の松尾 豊氏を始め、楽天 執行役員 兼 楽天技術研究所 代表の森 正弥氏、ABEJA 代表取締役社長 CEO 兼 CTOの岡田 陽介氏らが、今後のビジネス活用のために、日本企業がとるべき「AI戦略」について提言した。

国連は2015年、貧困や飢餓の撲滅、質の高い教育など17の目標からなる「持続可能な開発目標（Sustainable Development Goals、以下SDGs）」を掲げた。そして、そのゴールを2030年に設定している。一方、日本ではその年に約40~80万人規模のIT人材不足に陥ると推測されている。なぜ、そんなことになってしまうのか。どうすれば最悪のシナリオを回避できるのか。東京大学大学院 情報理工学系研究科 ソーシャルICT研究センター次世代認証技術講座 電子情報学専攻 兼担 特任准教授 山口利恵氏に話を聞いた。

Softbank World 2019に登壇したソフトバンクグループ 代表取締役会長兼社長の孫正義氏は「これから起こるAI革命では起業家が推進のエンジンになる」と話し、ソフトバンク・ビジョン・ファンドの投資対象であるスタートアップ4社のCEOを紹介した。いずれもAIで業界に破壊的な革新を起こしており、通常では考えられないような実績を叩き出している企業だ。

AI（人工知能）関連の技術は日月進歩で、日々、新しいものが登場している。キャッチアップも難しい中で、いかに企業はAIの研究・開発で価値を創出していけばよいのか。楽天の平手 勇宇氏、TISの久保 隆宏氏、LINEの並川 淳氏という日本を代表する開発者ら3名が集まり、自身の経験や知見をもとに、企業をまたいだAI活用の本音の議論を交わした。モデレータをつとめたのはFRONTEOの門前一馬氏だ。

企業向け物流サービスを提供している日立物流は現在、事故防止に向けて機械学習を活用した安全運行システムの開発を進めている。物流業界では現在、高齢化の進行による運転手不足に悩まされており、運転者の健康状態に起因する事故が増加の一途をたどっているという。そこで、機械学習のほか、IoT（Internet of Things）、通信技術など、複数の技術を組み合わせて、運転手を事故から守り、命を守るシステムを開発するという。その経緯と、開発過程で発生した問題、それを解決した方法などについて聞いた。

国内トップのオンライン旅行代理店、エクスペディア。その技術力には絶対の自信を持ち、同社の日本支社エクスペディア・ジャパン 代表 石井恵三氏は、「GAFAと並ぶ」と豪語する。同社はその技術と戦略をもって、どのようにして日本の旅行業界を変革していくのか。

現在、AI（人工知能）ソリューションを試験的に導入する企業が増えている。AIはもはや構想ではなく実用化のフェーズに差し掛かった。AIソリューションを提供しているスタートアップには知名度は高くないものの、ユニークな企業が多く存在する。そこで本稿では国内外で注目を集めているAIスタートアップ企業33社を、J-Startup選定企業およびデロイト トーマツ イノベーションサミット参加企業などをもとにピックアップし、その事業内容とともに総覧として紹介する。

幅広い事業を手掛け「インターネットカンパニー」を掲げてきたディー・エヌ・エー（DeNA）は、2016年から長期経営方針に「AI」というキーワードを追加。AIを事業推進のドライバーとして全社横断的に取り組む姿勢を強調している。DeNA 経営企画本部 IT戦略部 部長、成田敏博氏にその真意を聞いた。

ゲーム業界においては、すでにAIを活用したさまざまな取り組みが進められている。前回に引き続き、ディー・エヌ・エー 甲野佑氏、スクウェア・エニックス 三宅陽一郎氏、カプコン 新野恵貴氏、コナミデジタルエンタテインメント 岩倉宏介氏がゲーム開発におけるAI導入の未来を語った。

クラウドで実現した画像認識や音声認識などの機械学習の能力を、クラウドだけでなく、WindowsマシンやLinuxマシンにも、そしてスマートフォンやRaspberry Piやドローンといった小さなデバイスにも組み込んで、さまざまな場所で機械学習を活用する。これがマイクロソフトが米国シアトルで開催中のイベント「Build 2018」で示した同社のAI戦略の骨子です。

ビジネスにおいてKPI（重要業績評価指標）は不可欠だ。目標の達成度を客観的に評価するためにも、KPIの明確化は重要である。では、AI（人工知能）を導入する場合のKPIは、どのように決定すべきなのか。今回はビジネスのKPIだけでプロジェクトを進めた結果、AI導入に失敗した保険会社の例を紹介する。失敗の原因は「決断できない担当者」である。

これまでの連載では、AIのPoCとITのシステム開発の違いについて述べてきた。PoCのあとにはシステム開発が待っていることを理解しなければAIプロジェクトを本当の意味で成功に導けるとは言いがたい。そこで今回は、PoCを乗り越えながらも、本番のシステム開発フェーズに入って失敗した例をもとに、AI導入という目標は同じであるものの、仕事の進め方が変わることを提示したい。

PoC（概念実証）の対象となる機械やシステムなどの規模が大きくなると、多くの人がプロジェクトに参加するようになる。その結果、担当者間のコミュニケーション不足や急な設計方針などで問題が生じることがある。つまり、PoCがうまくいかないケースには、そうしたAI技術以外が原因となることも多い。そこで今回はどうすればAI活用のPoCが成功するかについて、実際の製造企業の失敗例を基に考えてみる。

「AIとITのプロジェクトは進め方が違う」ことは、AIプロジェクトを進めるうえで重要なポイントであり、陥りやすい“ワナ”である。技術の内容が違うことを理解していても、仕事の進め方が変わることが理解しにくいからだ。第2回目は、あるネット専業銀行の失敗例を紹介する。 CIOの肝煎りではじまったAIプロジェクトは、何がいけなかったのだろうか。

最近になって、AI（人工知能）のPoC（概念実証）に関する記事、さらにはAIプロジェクトの失敗に言及する記事が増えてきた。私は2016年からこの問題を語り続けてきたが、中にはビジネス側とシステム側の対立を煽り、ビジネス側を勉強不足と切り捨てるものも見受けられる。しかし、万人がビジネスとAIを深く理解した、超人になることは現実的ではない。異なる強みを組み合わせ、1人ではできないことを成し遂げてこそ、組織は価値あるものになる。本稿はAIプロジェクトの失敗例を通じて、つまづきやすいポイントを提示するとともに、発注するビジネス側が何をしなければならないかを明確にしていきたい。

新商品開発に人工知能（AI）を導入することで、AIと協働して新たなアイデアを生み出すことはできないだろうか。たとえば、新たな商品をAIから提案されたらどうだろう。消費者の好み、ニーズ、これまでの販売数を加味し、その傾向を踏まえた商品を開発するのだ。我々は提案された多様な商品から選択し、さらにその上で創造力を発揮することにより、これまで以上に受け入れられる商品を生み出せるかもしれない。

人間に代わって数多くの業務を遂行できるとして注目されているAI（人工知能）。技術の進化によって、文書に対する理解力や読解力が求められる業務にも活用されるケースが増えてきた。たとえば、契約書のように重要な書類をレビューするAIサービスも登場し始めた。

人工知能（AI）によってデータを処理、認識する機能については実ビジネスを展開するサービスが多数出現してきた。今後は、ユーザーエクスペリエンス（UX）の領域で人間の感覚を拡張する時にAIが使われるだろう。その際、重要なテクノロジーになりそうなのがバーチャルリアリティ（VR）とオーグメンテッド・リアリティ（AR、拡張現実）である。AIとVR/ARとを融合することにより、人間はどんな感覚を得られるだろうか。

人工知能（AI）で今、最も注目されている技術の一つが「認識」だ。画像認識、音声認識、顔認識など、画像や音声といったデータから何が写っているのか、何を意味しているのかなどを抽出することが可能となった。この認識技術を人間の行動や生体情報に応用することで、より直感的なインタラクションを可能にする研究が進んでいる。そして、人間の行動や生体情報をセンシングし、認識することによって、新たな記憶想起システムが実現に近づくと考えられるのだ。

AI活用の基礎となる、社内でのデータ活用の準備とリテラシー向上について説明してきた本連載。最終回となる今回は、データ分析・AI活用サービス企業mynet.aiで行った従業員向けのデータリテラシー向上の施策と、導入後に社内で起きた変化について、自社の例を用いて紹介しよう。

BIツールなどのデータ分析ダッシュボードは、組織の意思決定に必要であるが、肝心なのは“導入後”だ。「AIドリブンな組織を作る5ステップ」の第4回では、ダッシュボードを利用するユーザーからのフィードバックの収集方法と、ダッシュボードを改善して利用率を向上させる方法について、当社（mynet.ai）の取り組みを踏まえて紹介する。利用率改善には“ユーザーの声を聴くこと”だけが大事だと考えている方にはぜひ読んでほしい。

製薬業界は機械学習の活用が活発な業界の1つです。本稿では、DataRobot社のデータサイエンティストを務める筆者が、製薬企業の「薬の新規開発」「薬の生産」「薬の販売とマーケティング」「既存薬の価値向上」という4つのプロセスにおける業務課題と機械学習の活用シーンを解説します。

人工知能（AI）の手法の1つである機械学習。この機械学習に取り組み始めるのに最適なのは「マーケティング」業務であることをご存じでしたか？本稿では、データサイエンティストである中野高文氏が、BtoBマーケティングおよびBtoCマーケティングでの機械学習活用についても事例を交えながら教えます。リードの獲得や育成、アップセルや解約予測、また広告配信や顧客体験（CX）向上まで、機械学習を使えばどのようなことが実現可能になるのでしょうか。

人工知能（AI）の概念の一部であり、トレーニングすることでコンピューター自身にタスクを学習させる「機械学習」。過去のデータからパターンを見つけ、予測分析に生かすことのできるこの技術は、さまざまな業界で活用されています。本稿では、DataRobotで小売・流通業をメインに担当するデータサイエンティスト・中野高文氏が、5つの業務にわたる事例を基に解説します。「小売×機械学習」の可能性とは？

コンピュータ関連の勉強をする際、数学的な説明が登場するとそれだけで理解する気が失せてしまうこともあるでしょう。特に高校生が苦手とするベクトルや行列などは名前すら聞きたくない人も多いかもしれません。しかし、ディープラーニングの中ではそれ以上に難解な「テンソル」と呼ばれる数字が扱われています。数学的に理解できるほどではなくとも、どんなものなのかというイメージくらいはつかめておくと、ディープラーニングの理解が深まります。今回は、小難しい話は抜きにして、簡単にディープラーニングが扱う数値について説明していきます。

「ディープラーニングによってIT業界が変わりつつある」といった言葉を耳にすることがありますが、「実際にディープラーニングを扱うことは簡単なことではない」とほとんどの人は感じているでしょう。たしかに、知識ゼロから、多層ニューラルネットワークを構築して機械学習を始めるのは簡単ではありません。しかし、ディープラーニングが登場してからAI（人工知能）を使いやすくするためのツールやサービスがいくつも登場しており、今では「誰でもディープラーニングが扱える」ようになっています。今回は、ディープラーニングを使いやすくするためのツールについて解説していきます。

近年、「ディープラーニング」が画像認識に強く、画像診断・顔認証・不具合検知など、さまざまな用途に使われているということが広く知られるようになってきました。ただ、その背景にある「ニューラルネットワークのアルゴリズム」についてはそこまで理解されていません。今回は、画像認識におけるディープラーニングの強さを世間に知らしめる一因となったアルゴリズムである「畳み込みニューラルネットワーク」について簡単に解説していきます。