1. TOP
  2. ブログ
  3. 当たり前すぎて気がついていない!?身近すぎるAI3選

当たり前すぎて気がついていない!?身近すぎるAI3選

「人工知能(AI)を活用したビジネスを展開し・・・」などと、どこででも耳にする昨今。
しかしながら、実際はどんなサービスや商品でAIが活用されているのか知らずに、AIという言葉だけが独り歩きしているのかもしれません。
本記事では、AIが活用されている身の回りのサービスや商品3つについて、そのしくみをご紹介していきましょう。

 

Facebookの自動顔認識機能

 

Facebookに写真をアップロードすると、写真の中から自動的に顔を認識して、一致した人をタグ付けするよう提案されることがあります。
これは、Facebookの人工知能研究機関「Facebook AI Research(FAIR)」が開発したニューラルネットワーク技術を用いた機能により実現されています。
この技術では、写真に含まれる物体を検出して、Facebookのプロフィール写真とFacebookでタグ付けされた写真に基づいて一致した人物を候補として表示しています。
顔認識を担う、この高度な顔認識ソフト「DeepFace」では、3Dモデリング技術と人工神経回路網を用いて、無数の写真の中から特定の人物が写った写真を見つけます。写真の角度や表情が異なっていても支障はなく、その一致精度は97・25%。平均的な人の認識力とほぼ同等です。

「IBMワトソン」による銀行のコールセンターの効率化

 

日本のすべてのメガバンクのコールセンターには、IBMの人工知能Watsonが導入されており、業務の効率化に一役買っています。
IBM Watson(ワトソン)は、機械学習と自然言語処理を使用して、大量の非構造化データから推測や洞察を行うプラットフォームです。
コールセンターを補助するWatsonの機能には次のようなものがあります。

 

学習する質問応答システム

 

“質問応答システム”とは、ユーザーの質問への解答を提示するシステムのこと。より自然な文など人間らしいコミュニケーションに近い方法でやり取りできるという点で、従来のコンピューターとまったく異なります。
質問に回答する技術を基本とし、大量のデータから学習と経験を積み重ねて、人間が決断を下す際の有益な判断材料を提供する、コンピュータシステムです。
人工知能は、判断材料の元となる膨大なビックデータにより、さまざまな答えの可能性を認識し、総合的に判断する能力を身につけています。

 

論理的な推論だけでなくあいまいさも考慮

 

単純に真偽を推論するだけではなく、人間の知能に近い推論をするには、状況に応じた判断を組み込む必要があります。
実際に起こるさまざまな問題の解決には、真か偽かの推測だけではなく、ある判断がどのくらいの頻度・確率で起こり得るかも考慮する必要が出てきます。論理的に推論するだけでは、100回に1回だけ起こるものと、99回起こるものを判別することは困難でした。
例えば、英語の「bank」という単語には、”銀行”、”土手”という2つの意味があります。一般的には”銀行”という意味で使われることのほうが多いですが、「川のそばのbank」となった場合には”土手”とすべき可能性が高くなります。Watsonではこういった文脈内での統計的な計算も可能にしています。

 

自然言語の言い回しの多様性

 

人工知能というと、「スイカを食べたい」という言葉に対して「赤いです」などという人間の会話としては不自然な返答をするイメージがあります。Watsonでは、質問応答の枠組みの中には、計算より導き出された解答候補とその根拠に基づいて、多数の観点から確信度を計算することができます。
言語では表現の曖昧さなど常に不完全さを含みますが、これにより、部分的な解釈の誤りや情報の欠如が補えるようになっています。Watsonでは、オペレーターの会話を解析し、確認事項と質問に対する答えの表示を可能にしています。
このような「オペレーターのサポートシステム」の活用で、顧客対応時間が約20%減。顧客満足度のアップとオペレーター不足の解消が同時に実現しています。

 

白黒写真を一瞬でカラーにするサービス

 

早稲田大学の研究室が開発した「 Neural Network-based Automatic Image Colorization 」。

白黒写真をAIを活用して一瞬でカラーに変えるサービスです。任意の白黒写真をアップロードすると、すでにシステムが大量に読み込ませた白黒写真と色付けした写真から、どのように着色すべきかが決定されます。決定するのは、ディープネットワークを用いて学んだアルゴリズムです。
モデルの学習には、既存の大規模な画像分類のデータセットを利用し、それぞれの画像の色とラベルを同時に学習に用いることで、効果的に特徴を学習できるようになっています。
以下の写真では、左が変換前の白黒写真、右が自動でのカラー変換後です。白黒画像のカラー画像は存在していない写真ですが、猫や石、木の色も不自然さはまったくありませんよね。

サービスは非営利目的にのみ利用が可能ですので、試してみてください。

身の回りの隠れたところで活用されているAI。すでになくてはならない存在になりつつあるようです。

    ホワイトペーパーフォームバナー

    【DL可能な資料タイトル】

    • ・プログラムによる建築/土木設計のQCD(品質/コスト/期間)向上
    • ・BIM/CIMの導入から活用までの手引書
    • ・大手ゼネコンBIM活用事例と建設業界のDXについて
    • ・デジタルツイン白書
    • ・建設業/製造業におけるデジタルツインの実現性と施設管理への応用

    詳細はこちら>>>

    PAGE TOP