AIとは Artificial Intelligence の頭文字を取った略称で、「人工知能」のことです。
 
近年（2010年代）は “ 第３次AIブーム ” とも言われており、TV番組やニュースなどでも耳にしない日は無いですよね？
 
背景には、

• コンピューター能力の向上
• ビッグデータ^※の蓄積
• 「ディープ・ラーニング（深層学習）」の研究

という３つのブレークスルーがあります。

※ビッグデータ とは、一般的なデータ管理・処理ソフトウエアで扱うことが困難なほど巨大で複雑なデータの集合を表す用語のこと。
 
 

 
 
イメージしやすいものに、ソフトバンクロボティクス株式会社の人型ロボット「Pepper」、iPhone搭載の音声対話型AI「Siri（シリ）」、「自動運転」などが挙げられます。
 
実は「AI（人工知能）」の定義は専門家の中でも統一されておらず、未だ曖昧なのが現状です。（2018年11月現在）
 
ひとくちに「人工知能」と言っても、哲学的な見方や物理的な見方、認知科学的な見方など沢山の切り口があることもあり、人工知能学会監修の書籍「人工知能とは（2016年）」では、ズバリ13人の専門家にAIの定義を尋ねていますがその回答はバラバラでした。
 

 

AIについて語られる際、「強いAI」「弱いAI」という言葉を耳にすることがあります。
一体どういう意味なのでしょうか？
 
これは、ジョン・サール（John Rogers Searle　1932年7月31日-）というアメリカの哲学者が1980年に提唱した概念だそうです。
 
「強いAI」とは、人間のような自我や自意識を持ち色々なことが汎用的に出来る人工知能で、「弱いAI」とは、特定の課題に対して人間の学習能力をコンピュータで実現しようとした人工知能、のことです。
 
強いAIは、とても人間に近いイメージですね。
 

 
 

ちなみに近年ニュースなどで頻繁に話題になっている技術はすべて、「弱いAI」になります。
 
韓国のプロ棋士に勝利した囲碁AI「AlphaGo(アルファ碁)」 も “感情は持っていません” し、“囲碁以外の意思決定が出来るわけではない” ですよね。

そして、AIを実現する手法として注目が集まっているのが、Deep Learning（深層学習）で、「機械学習」という手法の一つです。
 

 
Deep Learning（深層学習）は、その機械学習を発展させた手法です。
 
人間の神経を模倣した「ニューラルネットワーク」を何層も重ねたアルゴリズムを使います。
 

 
 
今までの機械学習との大きな違いは、
人間が【特徴量^※】についての指示を出さなくても、 “AI自ら学習して特徴量を見つけ出せる” ところです。
※学習データにどのような特徴があるかを数値化したもの。色や形など「どこに注目すれば良いか」という着目点のようなもの。
 

データをAIに渡すと自動的に賢くなっていく、イメージなんですね。
 

そのため、より正しい回答を得るためには読み込ませる「学習データの質」と「学習データの量」が重要になってきます。
 
より良い性能を出すためには

• 読み込ませる学習データは慎重に選ぶこと
• 大量のデータを用意すること

が必要なのですね。
 
 

囲碁AI「AlphaGo（アルファ碁）」やIBM社の質問応答・意思決定支援システム「Watson（ワトソン）」なども、このDeep Learning（深層学習）に該当します。
 

日本システムデザイン(株)は、センシング技術によるロボット開発や画像処理による傷検査装置の開発などが得意ですが、従来の画像処理だけでは難しい分野の場合はAIを活用することも進めています。
 
 
例えば木材の【年輪方向判定システム（画像処理）】をAIを使って評価してみたことがあります。
 

【関連記事：「AIで画像処理」（2018.10.16）】
 
当初Deep Learningを使って40万画像学習させた後の正答率は、約【85%】前後となりました。
 
しかし後日、読み込ませる年輪画像データそのものを変更して学習させてみたところ、2万700画像を50回ほど読み込ませた時点で【98.73％】まで正答率がアップしたそうです。
 

 
このことからも、「どんなデータを読み込ませるかが大切」だということが分かりますね。 
 
 
今後は「画像処理技術の長所」と「AIの得意な分野」を併せて使っていくことで、今よりもシステムの性能をアップできる可能性が広がります。