機械学習の選び方、学習済みか自己学習か、内製か外注か：IT導入完全ガイド（1/3 ページ）

いろいろな企業がAIを活用して付加価値の高いた商品やサービスを開発し始めている。いまから、自社で機械学習を取り入れる際、何を検討すればよいだろうか。考えられる選択肢と判断基準を紹介する。

[吉村哲樹，オフィスティーワイ]

　機械学習や深層学習を、多くの企業ではどのように活用しているのだろうか。本稿では、具体的な適用例に加え、具体的に試してみる際の勘所を紹介する。

機械学習、深層学習は一体どのような課題を解決できるのか？

　深層学習（ディープラーニング）の実用化を契機に、一気に盛り上がりを見せつつあるAIビジネス。世間ではGoogleのAIが最強クラスの囲碁棋士を破るなど、センセーショナルな話題が先行しているが、一方でビジネスの現場では具体的にどのようなAI活用法があるのか、早くも現実的な検討が始まっている。特に機械学習（マシンラーニング）と深層学習（ディープラーニング）は、これまでにない成果をビジネスにもたらす新技術として高い注目を集めている。

　その一方で、SF小説などに見られるような「何でもかなえてくれる魔法の箱」というイメージに引きずられ、AIに過大な期待を抱いてしまうケースも少なくない。実際には機械学習や深層学習は実用化がようやく始まったばかりの段階であり、特定の問題領域においては高い効果を発揮するものの、決してどんな課題も解決してくれる魔法の箱ではない。

　「機械学習ツールやサービスの種類と使いどころを整理する」で言及したように、いわゆるAIと呼ばれるものの中にも多様な実装があり、利用する際に必要な工数もカスタマイズの幅も多種多様だ。先進的な企業では既にこれらの違いを把握し、具体的な適用アイデアを持ち、検証を進めているのが現実だ。

　そこで本稿では、現時点でAIを活用して成果が既に上がっているあるいは成果が期待されているユースケースを幾つか紹介してみたい。特に、大掛かりで高額な仕掛けを用意する必要がなく、一般企業でも手軽に試すことができるクラウド型の機械学習サービスを使ったものを中心に挙げてみた。

学習済みの音声認識、画像認識サービスを組み合わせた例

　クラウド型機械学習サービスは、大きく分けて「学習済みサービス」と「自己学習サービス」の2種類に分かれる。前者は、クラウドベンダーが大量の学習データを使って学習モデルを構築したもので、汎用（はんよう）的な音声認識や画像認識などのサービスがすぐ利用可能な状態でユーザーに提供されている。

　一方の自己学習サービスは、機械学習フレームワークを使ってユーザーが自ら学習データを用意、投入して一から学習モデルを構築するというものだ（詳しくは「機械学習ツールやサービスの種類と使いどころを整理する」を参照）。

　前者の学習済みサービスを使った代表的なソリューション例としては、音声認識サービスや自然言語処理サービスを組み合わせた自動応答システムなどが挙げられる。例えばコールセンターにおいてユーザーからの問い合わせに応対する自動応答システムや、チャットサービス上でユーザーとのやりとりを自動的に行うチャットBOTなどの分野でAI技術の導入が進んでいる。

　近年では、これに顔認識の技術を組み合わせた自動受付システムなども実用化されつつある。例えばFIXERでは、ソフトバンクが開発・提供する人型ロボット「Pepper」と、さまざまな機械学習サービスを連携させることで、来訪者の顔を認識して音声で自動応対する受付システムを実現している。

図1　顔認識と自動音声応答や「次」の案内を行うデモ Microsoft Azure Machine LearningとPepperの組み合わせ