Lightblue Technology

Lightblue AI Blog

最近、デジタルトランスフォーメーションという言葉をよく聞くようになりました。

デジタルトランスフォーメーションとは、「大量のデータとデジタル技術を活用して、ビジネスモデルを変革し、業務プロセス・組織・企業文化をも変革する」考え方をいいます。

デジタルトランスフォーメーションの原動力として、ディープラーニングと呼ばれる技術が挙げられます。

ディープラーニングを理解するためには、隣接した概念である機械学習、そして人工知能との異同を押さえておく必要があります。

この記事では、人工知能・機械学習・ディープラーニング・デジタルトランスフォーメーションのそれぞれの概念を順に整理したうえで、最新のデジタルトランスフォーメーションの技術動向を紹介したいと思います。

人工知能とは?
デジタルトランスフォーメーション(DX)の定義
人工知能の定義

人工知能とは、そもそも一体何を意味しているのでしょうか。

人工知能は、これまで人間にしかできなかった言語の理解や推論、問題解決などの知的行動を、コンピュータに行わせる技術と定義されます。

今日、人工知能といえば機械学習を使ったテクノロジーと考えられがちですが、人工知能にカテゴライズされる技術には、機械学習以外のものも過去ありましたし、今後登場する可能性もあるのです。

機械学習とは?
デジタルトランスフォーメーション(DX)の定義
機械学習の定義

次に、機械学習の定義を紹介します。

機械学習とは、コンピュータに、大量のデータをコンピュータに入力し反復的に学習させることでデータからパターンを見つけ出させ、その学習結果に基づき、未知の入力に対応する出力を求める技術のことです。

とても簡単な例をあげると、たくさんの人の「身長」と「体重」のデータを機会に入力し学習させることで、学習時のデータにはなかった人物の「体重」を「身長」から予測する、といったことができるようになります。

人工知能と機械学習の関係は?

人工知能とは、人間の代わりにコンピュータに知的活動をさせる技術全体をいうのでした。

機械学習は、コンピュータに生データからデータのパターンを見つけさせ(パターン学習)、学習したパターンをもとにしてコンピュータへの入力を処理させる技術を指します。

簡単にいうと、機械学習によって、コンピュータは自律的にデータの中身を判断して、中身に応じた一定の出力を、そしてその出力に応じた対処をすることができるようになります。

これは、人間による認識や予測、判断といった知的活動を代替しているともいえます。

つまり、機械学習は人工知能を実現させている一つの技術ということができます。

機械学習はどのようなことで使われているのか

機械学習は主に3つの用途に活用されています。

第1に、データから何かを認識するために活用されています。

画像認識や音声認識、文字認識や異常検知といった技術がこれに当たります。

第2に、将来のデータを予測するために活用されています。

機械学習の技術は、与えられたデータからパターンを導き出すことに長けています。

そのため、過去の実績データから、結果を左右する変数を抽出したうえで、変数相互の関係をモデル化することで、将来の予測を立てる作業に応用することが可能になります。

例えば、顧客と自社とのコンタクトの内容から、契約解除や退会の申し出を予測して、その顧客に対して何らの働きかけをする、といった用い方がされています。

第3に、人間の意思決定をサポートするための最適解を提示することが試みられています。

わかりやすい例として、電力の需給に応じて送配電量を加減するスマートグリッドを挙げておきましょう。

その仕組みは、コンピュータによって認知したインプットをもとに、結果の予測を行い、その結果に基づいて最適なアクションをリコメンドする、というものです。

ディープラーニングとは?
アフターコロナ・Withコロナ時代にデジタルトランスフォーメーション(DX)が必須な理由
ディープラーニングの定義

それでは、ディープラーニングとは何かについて説明します。

ディープラーニングは、コンピュータに機械学習をさせるための一つの手法と位置付けることができます。

機械学習を実現させるための手法はいくつか知られていましたが、実用化に堪えうるだけのパフォーマンスを出せるものがなかなかありませんでした。

そのような状況の中で、ディープラーニングは、はじめて機械学習を高いパフォーマンスで実現させたのです。

ディープラーニングは、ニューラルネットワークという手法を発展させたものです。

ニューラルネットワークは、人間と同じように思考させるために、人間の脳神経に似たものを人工的に作ってみようという発想のもとに作られました。

初期のニューラルネットワークは、データの入力を受ける入力層、処理したデータを出力する出力層の間に、1層からなる隠れ層の3層構造を持っていました。

人間の脳神経が複雑になればなるほど発達するのと同様に、入力層と出力層の間の隠れ層を、何層にもわたって増やした回路を用いるのが、ディープラーニングです。

ディープラーニングの技術によって、入力データの「特徴量」をコンピュータが自動で捉えられるようになりました。

つまり、データの異同を識別するために、入力データのどこに着目したらいいかをコンピュータが自律的に把握できるようになった、ということです。

例えば、梨の画像とラ・フランスの画像を区別するには、球体か或いはひょうたん型かに着目したらいいことを、コンピュータ自身が大量のデータを処理することで学ぶといったことができるようになりました。

機械学習とディープラーニングの関係は?

機械学習にディープラーニングという手法が取り入れられたことで、どのような進歩があったのでしょうか。

ディープラーニングが登場する前の機械学習の技術として、比較的広く普及したものに、マシンビジョンというものがあります。

これは、コンピュータに画像や動画を処理させて、一種のセンサーとして活用しようという技術です。

このマシンビジョンの問題点は、入力される画像や動画の中に映る客体を意味あるモノとして認識するために、その特徴をあらかじめ細かく人間がコンピュータにインプットしておく必要があったことです。

一々人間が特徴を定義して、コンピュータにインプットするのには時間がかかりますし、例外的なケースまで含めて抜け漏れなく人間が定義することは、非現実的です。

そのため、使い勝手が悪かったのです。

この点、ディープラーニングの手法を取り入れることで、コンピュータはどんなデータが来た時に、意味ある客体であると認識すればいいかを自分で把握するようになりました。

このことによって、コンピュータは人手を離れてデータを認識し、データをもとに思考し、予想することができるようになりました。

ディープラーニングの実用化の原動力となったGPU

ところで、特徴量をコンピュータによって認識させるためには、極めて大量の生データをコンピュータにインプットし、これを処理することが必要です。

この点、PC等の端末に広く使われているCPUでは、処理能力が不足することがネックでした。

そこで導入されたのが、GPUです。

GPUはもともとリアルタイム画像処理に特化したプロセッサとして開発され、限られた種類の単純な演算を大量に処理することを得意としています。

この点、ディープラーニングが行うパターン学習の用途と、相性がよかったのですね。

その結果、ディープラーニングの演算速度が飛躍的に向上し、ディープラーニングの利用が広がる原因となったのです。

画像認識から医療、株価予測まで無限に広がる応用の可能性

ディープラーニングによって処理できるデータ量が増えたことで、これまで理論的には可能でも現実的に実装が難しかった分野にまで、応用が可能になってきています。

例えば、データ認識の分野では、人間の認識能力を超える精度でのディープラーニングによる画像認識が実現しつつあります。

一例を挙げると、Googleの開発したFaceNetというディープラーニングモデルは、800万人の2億枚の顔写真を、人間を上回る精度でクラスタリングすることに成功しました。

データ認識に基づく判断の分野でも、例えばこれまで人間による判断が必須と考えられてきた医療分野での活用が現実的になりつつあります。

そもそも、医師は患者の様子や問診の内容、検査結果の数値など無数の要素をもとに、病状を絞り込んでいき、診断を行います。

この点、センシング技術を使って取り込んだ大量の入力情報をディープラーニングによって認識し、そのうえで患者の抱えている疾病の可能性を医師に提示することが可能になりつつあります。

将来データ予測の分野でも、例えば将来の株価予測は既に実用化されています。

日本では大和証券やマネックス証券が、個人投資家の顧客を対象にディープラーニングによる株価予測サービスを提供しています。

このように、データの認識・判断・予測のそれぞれの分野で、ディープラーニングの活用はどんどん広がっています。

デジタルトランスフォーメーション(DX)とは?
デジタルトランスフォーメーション(DX)の定義
デジタルトランスフォーメーションの定義

デジタルトランスフォーメーションとは、大量のデータ利活用を行うことで、企業のビジネスモデルや、企業の業務の在り方を根本的に変えてしまうことを指します。

デジタルトランスフォーメーションは、技術そのものではなく、社会・企業に生じる変化についての概念である点がポイントです。

略語がなぜ「DT」ではなく「DX」なのか?

すると、略語は「DT」となるように思われますが、実際には広く「DX」が使われています。

英語で Trans とは、「変化する」という意味の接頭辞ですが、これを英語圏ではXの文字で略すことがあります。

略語にあえてXの文字を入れ込むことで、このトレンドが世の中に与える変化の大きさを強調しているのですね。

デジタルトランスフォーメーションの結果やってくる未来

それでは、デジタルトランスフォーメーションが進むことで、今後どのような社会が出現するのでしょうか。

ここで、デジタルトランスフォーメーションを少し細かい技術要素に分解してみます。

ビッグデータアナリティクス・モバイルネットワーク・IoT・クラウドコンピューティングの4つの要素を挙げることができます。

IoTの技術によって、小さな端末が社会の至る所に無数に行き渡るようになり、多様なデータが収集でき、かつ演算結果に基づく制御を至るところに利かせることができるようになりました。

ビッグデータアナリティクスの技術により、無数の端末から収集された大量のデータを解析することで、リアルタイムな予測や制御が可能になりました。

このようにして得られた予測や制御の結果を、人間はポータブルな端末をモバイルネットワークに接続することにより活用します。

そして、このような巨大なデータの通信と処理は、クラウドコンピューティングの技術で支えられているのです。

4つの技術要素の発展によって、ありとあらゆるところから、大量のデータが収集され、解析されて、有用な知見を生み出し、かつ人間はこれをどこでも活用できるようになりました。

デジタルトランスフォーメーションによって、人はコンピュータから、将来の予測や、取るべき最適な行動に関するレコメンデーションを受け取ることができるようになりました。

なぜ今、デジタルトランスフォーメーション(DX)が注目されているのか?
経済産業省が警鐘を鳴らす「2025年の崖」とは
モノからコトへ。新しい価値製造。5G、IoT、AIの活用がさらに進む

人間の経済活動は、主に衣食住といったモノの生産・売買にフォーカスしてきました。

しかし、人間に代わってコンピュータが将来の予測や最適解の判断を行えるようになると、今までよりもはるかに低いコストで様々な知的活動の成果が得られるようになるはずです。

結果、あたかも化石燃料の活用が可能になったことにより人間が大量の「モノ」を享受できるようになったように、AIの活用により「コト」の活用が進むことが予想されるのです。

そのような社会では、まず、データを収集するセンサーを持ち、同時にAI等による将来予測や最適解判断の結果をもとに、あらゆるものを制御できるような機構が必要です。

そのため、IoTの普及が予測されるのです。

あわせて、大量のデータ送受信が必要となるために、5G技術が広く普及するはずです。

「2025年の壁」への対応も視野

企業は、生き残りのために、「モノ」中心のビジネスモデルから「コト」中心のビジネスモデルへの転換が求められます。

そのためには、提供する商品やサービスを変えるだけでなく、企業の業務の在り方の見直しや組織文化の改革をも含めて必要となります。

システム投資も、デジタルトランスフォーメーションのための新規投資に振り分けることが望まれるのです。

しかしながら、2018年に経済産業省の報告書によると、日本企業のシステム投資の8割以上が、既存システムの保守管理費用に充てられているとされています。

さらに、2025年には、幅広く利用されている基幹システムソフトであるSAP ERPの公式サポート期限が切れる見通しで、さらに既存システムの維持管理費がかさむ見通しとなっています。

こうなると、デジタルトランスフォーメーションの推進に向けたシステム投資を行う余力がますます小さくなり、日本企業のデジタルトランスフォーメーションの遅れが懸念されます。

この問題は「2025年の崖」と呼ばれており、2025年の崖問題の回避のためにも、日本企業には既存システムを見直し、むしろこれを機にデジタルトランスフォーメーションに適したシステムへと作り替えることが求められています。

デジタルトランスフォーメーション(DX)の導入事例
デジタルトランスフォーメーション(DX)の緊急性が求められる業界
AIカメラ監視システム

デジタルトランスフォーメーションの波は、社会の隅々まで届くことになります。

例えば、人工知能の画像認識機能を活かした製造ラインのカメラ監視システムが実用化されています。

製造ラインに対して人工知能による画像解析を行い、不良品や機器の異常の発生を判断、この情報を警告システムに流すことで、人手をかけずにミスなくライン製造を行うことができるようになります。

Web会議システム

それから、人工知能の言語抽出技術を活用した議事録作成ツールも誕生しています。

会議の議事録作成は、多くの工数を必要とします。

この新技術を使うことで、音声データから言語情報を抽出し、かつその要点を文字に起こしてくれる議事録作成ツールにより、会議の参加者が、より付加価値の高い作業に時間をかけることができるようになります。

業務改善や安全性向上を実現するヒューマンセンシングAI

そして、今後の産業社会に大きな影響を与えることが予想されるのが、ヒューマンセンシングという技術です。

人工知能の画像解析技術をさらに洗練させたもので、人間の姿勢を画像解析技術によって解析し、作業中の人間の状態をパターン化して整理、可視化することができます。

その結果を受けて、作業中の一つ一つの動作・作業を改善させていくことができます。

AIにより24時間365日電話での注文受付が可能に

「東海コープ事業連合」は、音声認識による自動音声注文サービス「AIコンシェルジュ」を導入しています。AIコンシェルジュは、人の発話を認識しそれに対して、適切な回答を行うシステムです。AIのため、24時間365日フル稼働できます。

いつでも注文受付が可能となったため、注文機会損失が回避できるようになり、またオペレーターの人手不足という課題も解決されました。

無人AIレジの設置

設置型のAI搭載レジも開発されています。コンビニやスーパーでよく見られる「セルフレジ」とは違い、商品を置くだけで、AIが画像認証技術により商品を識別し支払額をすぐに計算してくれます。これは端末利用に慣れない利用者にとっては特に使いやすいですね。

また、山手線に新たにできた「高輪ゲートウェイ」駅には完全無人の「無人コンビニ」が設置されました。「無人コンビニ」では店内に大量に設置されたカメラにより、商品を自分のバッグに入れてレジにいくだけでお会計ができます。

設置型のAI搭載レジも開発されています。コンビニやスーパーでよく見られる「セルフレジ」とは違い、商品を置くだけで、AIが画像認証技術により商品を識別し支払額をすぐに計算してくれます。これは端末利用に慣れない利用者にとっては特に使いやすいですね。

また、山手線に新たにできた「高輪ゲートウェイ」駅には完全無人の「無人コンビニ」が設置されました。「無人コンビニ」では店内に大量に設置されたカメラにより、商品を自分のバッグに入れてレジにいくだけでお会計ができます。

人工知能からデジタルトランスフォーメーションまで まとめ

機械学習、特にディープラーニングの実用化によって、コンピュータが巨大なデータをインプットに将来予測や最適解を私たち人間に提示できるようになりました。

IoT、モバイルネットワーク、ビッグデータアナリティクス、クラウドコンピューティングといった周辺技術によって、ディープラーニングの応用可能性は大きく広がっています。

このデジタルトランスフォーメーションのトレンドに沿って、自社の製品やサービス、ビジネスモデルや組織文化などを変革することで、競争優位を獲得しようとする動きが、国境を越えて進むことが予想されます。

デジタルトランスフォーメーション時代の自身の将来について、真剣に考える必要があります。

このブログについて

このブログは、工事現場・建設現場や工場、あるいは駅や商業施設など、人が行き交う「リアルな現場」におけるAI導入に関する情報を発信するブログです。
運営は株式会社LightblueTechnologyが行っております。

よく読まれる記事

カテゴリー欄:

タグ欄:

日付アーカイブ欄

LightblueのTwittter窓:

採用はこちら

>   採用ページ