MatrixFlowAI活用事例・AI導入事例

プログラミングしてAIを開発する場合、そもそも何が必要なのでしょうか。
AIの開発に必要なものを、最小限の3つに絞ってご紹介します。

・プログラミング言語
・開発環境
・ライブラリ

プログラミング言語・スキル

AI開発に必須なのは、プログラミング言語です。
プログラミング言語とは、コンピュータ専用の言語のことをいいます。コンピュータは人間の言葉を理解できないため、コンピューターが理解できる言葉で指示する必要があります。そのために必要なのがプログラミング言語です。
Webサイトの作成に使われる言語や、アニメーション作成に使われる言語など、プログラミング言語にも種類があります。AI開発に必要なプログラミング言語については、記事後半で詳しく解説しています。

開発環境

AIを適切に動かすためには、機械学習で膨大なデータを学習させる必要があります。一度学習したら終わりというわけではなく、継続的にデータを学習し続ける必要があるため、大量のデータをストックできる保存場所が必要です。
具体的には、処理性能の高いコンピュータと大容量ストレージが必要になります。コンピュータのスペックでは、基本の処理性能である「CPU」、グラフィック処理を行う「GPU」、データを一時保管する容量である「メモリ」の3点を確認します。
「CPU」は最低でもインテルのCore i5以上が望ましく、スムーズな動作を期待するならCore i7以上を用意しましょう。「GPU」は、NVIDIA社のGeForce GTX1600〜2000番台が使われることが多いようです。「メモリ」は、通常のコンピュータでは8GB搭載が多いですが、AI開発に使うなら16GB以上がおすすめです。
大容量ストレージについては、クラウドサービスの活用がおすすめです。クラウドサービスの場合、課金や月額プランによって保存容量を増やせる上、複数人が同時にアクセスできる、様々な端末からアクセスできるといったメリットもあります。

ライブラリ

ライブラリとは、ソフトウェア開発時によく使われるプログラムを取り出してまとめたもののことをいいます。ライブラリを使うことで、関数やソースコードを簡単に挿入したり、数値計算を自動化したりできるため、開発の手間が大幅に削減できます。そのため、AIをプログラミングする場合はライブラリが使われることがほとんどです。
有名なライブラリとしては、scikit-learn、TensorFlow、Pytorchなどが挙げられます。

プログラミングでAIを開発する手順や大まかな流れを、4つの工程に分けて解説していきます。

1.構想フェーズ
2.PoCフェーズ
3.実装フェーズ
4.運用フェーズ

1.構想フェーズ

開発の1番最初である「構想フェーズ」では、開発前に検討すべき課題・費用・スケジュールの検討を行います。このフェーズで必要なのは、「課題の定義」「ROIの検討」「社内承認の獲得」に大きく分けられます。

課題の定義とは、文字通りAI開発プロジェクトで解決すべき課題の定義を行います。
会社で開発を行う場合、解決したい課題は大小様々な粒度で出てきますが、その中で最も重要な課題を選定することが必要です。具体的な方法としては、重要度と緊急度の4象限で課題をマッピングし、重要度と緊急度どちらも高い課題を見つけましょう。

課題が定義できたら、課題を解決できるのはどのようなAIか、投資に対する利益率（ROI）を計算します。平たく言えば、AI開発の採算が合うのか大まかな計算をするということです。当たり前ですが、課題を解決することで得られる利益よりも開発コストが高い場合、ROIは成立しません。開発にかかる費用・想定される期間・人員を算出し、ROIが成立するのか検討します。
ROIが成立するとわかれば、あとは社内の承認を得るだけです。ROIが成立していても優先度が高いプロジェクトがあったり、人員の確保が難しい場合も想定されるため、各方面に確認して社内稟議を通す必要があります。

2.PoCフェーズ

PoC（Proof of concept：概念実証）フェーズではAIの仮モデルを作成し、現実的・技術的に構想しているAIが実現可能なのかを検証します。具体的には「データと機械学習モデル」、「オペレーション」、「ROIとスケジュール」の3つの軸で検証を行います。

AIは過去のデータを学習することでデータの特徴や課題発見を行うため、機械学習データの前処理を行い、データの量と質を担保することが重要です。AI開発に必要なだけのデータが収集できるのか、ない場合はどのように収集するのかなどを決めます。また、仮作成したAIモデルで期待する精度のアウトプットが出力できるか、処理速度は足りているかなどを検証します。

オペレーションやスケジュールに無理はないか、当初想定したROI成立は現実的に可能かといった目線で詰めていくフェーズともいえます。

3.実装フェーズ

実装フェーズでは、いよいよ本番のAI開発を行っていきます。
構想フェーズ・PoCフェーズで検証した内容を元に要件定義を行い、機械学習のモデルを最終決定します。要件定義が固まれば、機械学習モデルを設計、開発、テストという流れです。

（1）要件定義・機械学習モデル決定
（2）設計
（3）開発
（4）テスト

AI開発の失敗原因の多くが要件定義の甘さとも言われるため、多少時間をかけてでもプロジェクトチーム全員の認識をすり合わせておくことが必要です。開発が終われば実際に動かしてテストを行い、期待通りの出力ができるか確認します。

4.運用フェーズ

実装フェーズで開発したAIを現場に導入し、実際に運用していくフェーズです。実装フェーズでテスト・微修正していても、実際に使っていく中でさらなる改修が必要になる場合もあります。機械学習モデルのチューニングや、システムの保守・点検を行います。

Python（パイソン）

Python（パイソン）は、WebアプリやAIの開発に使われているプログラミング言語です。
我々が普段使っている動画共有プラットフォームや、写真共有SNSなどにも使われています。AI開発の分野では、大手携帯会社が開発した感情認識ロボットが例として挙げられます。

Pythonの特徴は、（1）文法がシンプルでわかりやすいことと（2）ライブラリが豊富なことです。
Pythonは少ないコードで動作の指示ができるため、自分以外の人が書いたコードでも読みやすいという特徴があります。そのため、複数人でコードを書く場合でもコードの修正や追加がしやすい点がメリットです。

また、数万を超える専門的なライブラリが整っています。Webページから必要な情報を抽出するWebスクレイピングや画像認識、暗号化など、ライブラリを利用すればプログラミングせずにこうした機能を実装できます。

R

R言語は、統計分析に特化したプログラミング言語です。
機械学習、統計解析、データ分析、データマイニングなど様々な分野で活用されています。R言語はオープンソースソフトウェアなので、ソースコードを無料で入手可能です。

AIプログラミングの言語という点でPythonと比較されるR言語ですが、活用の分野は少し異なります。
Pythonはディープラーニングや機械学習に用いられることが多く、R言語は統計解析やグラフでのデータ可視化に利用されることが多いです。初心者向けのPythonに比べR言語は英語の情報収集が必要なことも多く、PythonよりもR言語の方が習得難易度が高いといえます。

Julia

Juliaは、機械学習や高度な数値計算と相性の良いプログラミング言語です。
Juliaは2009年頃から開発が始まった言語で、開発者本人が「他のプログラミング言語の良いとこどりを目指した言語」と述べています。開発の目標通り、JuliaはPythonのような汎用性の高さ、C言語のような速さ、R言語の統計処理といった様々なメリットを持っています。特にJuliaの特徴として挙げられるのは、動作が高速であること、シンプルな構文、外部ライブラリとの連携の3点です。

JuliaやPythonといった「動的言語」と呼ばれる言語は、処理スピードが遅めです。ですが、Juliaは「静的言語」と呼ばれるC言語やJavaと同等レベルの処理速度を誇ります。また、構文がシンプルなため読む方も書く方も負担が少ないです。Juliaは、PythonやJavaなどの汎用性の高い言語に比べ、ライブラリの種類はまだまだ多いとはいえません。その代わりに、外部モジュールを使ってPythonを呼び出すなど、外部ライブラリと連携できる点がメリットです。

一方で近年開発されたばかりの言語のため、他のプログラミング言語に比べて学習教材が少ないデメリットもあります。初心者でAI開発やプログラミング言語を学びたい方は、本や講座が充実している言語の方がおすすめです。

JavaScript

JavaScriptは、わたしたちが普段使っているWebサイトやアプリに使用されているプログラミング言語です。簡単に説明すると、JavaScriptはブラウザを動かす指示ができます。例えば、Webサイトやアプリ上でアニメーションが動いているのを目にすることがありますが、あれはJavaScriptの指示によって動いています。

JavaScriptの特徴は、高い汎用性です。ブラウザを動かすプログラミング言語はJavaScript以外にも数多くありますが、汎用性の高さから現在の主流はJavaScriptになっています。他の言語と組み合わせることで、どんなWebサイト・アプリの制作にも使えます。

C++

C++は、プログラミング言語である「C言語」を機能拡張した言語のことです。
C言語の特徴を持ちながら、プログラミングでできるほとんど全てのことができるくらい、汎用性の高い言語といえます。

C++最大の特徴は、他の言語に比べて圧倒的に処理速度が速いことです。これは、C++がコンピュータの理解できる機械語に近いプログラムを作れることが要因として挙げられます。

処理速度が速いため、機械学習やデータ解析といった大量のデータを扱う分野で活躍します。C++の派生元であるC言語から長らく技術・情報が蓄積されているため、習得しておいて損はないプログラミング言語です。

Java

JavaはC言語をベースに開発されたプログラミング言語です。世界中で使用されているプログラミング言語で、大手検索エンジンも開発に使用している言語の一つとして知られています。
Javaの大きな特徴は、異なるOSでも実行できる構造です。サーバー、家電、スマホ、パソコンなどのOSの違いを吸収し、プログラムを適切に実行する機能を備えています。
Javaは世界中のプログラマーが使っているため、バグの修正がされやすく、学習教材が豊富な点もメリットです。

「会社でAIを開発してくれと言われた」「自分でAIを開発してみたい」など、独学でAI開発を試みている方も多いのではないでしょうか。
結論から言うと、独学でAIをプログラミングすることはできます。ですが、AIプログラミングについて本や動画などで学習しなければならないことは多いです。そのため、明確な目標・目的を持っていないと途中で挫折してしまう可能性が高いでしょう。
独学でAIをプログラミングするにあたり、最低限必要な知識は以下の通りです。

・基礎数学の知識
・プログラミング言語の知識
・機械学習モデルの知識

AIを学び始めるとわかりますが、AIが動く仕組みやデータ処理方法については数学や統計学が使われています。そのため、基礎的な数学・統計学の知識を身につけていないと、AIに関する書籍・動画が何を言っているのかわからないという事態が起きます。AIプログラミングに必要な基礎数学は以下の通りです。

AIプログラミングに必要な基礎数学
・微分積分
・線形代数
・基礎統計
・単回帰分析
・重回帰分析の数学

基礎数学を学んだら、次はプログラミング言語の習得です。本記事でも様々なプログラミング言語をご紹介しましたが、初めてプログラミング言語を学ぶならPythonをおすすめします。

最後に、機械学習モデルについて学びます。一口にAIといっても、画像検索に特化したAI、音声認識、自動翻訳など様々な種類のAIがあります。これらAIの機能の違いを支えているのが機械学習モデルです。詳しくは、機械学習の予測モデルについて解説した記事をご覧ください。

AI開発にはプログラミングが必須と思われがちですが、プログラミングせずにAIを開発できるサービスもあります。
「MatrixFlow」は、プログラミング不要のAI開発プラットフォームです。画面上でブロックを操作する工程がプログラミングに相当しており、視覚的な操作で簡単にAIを開発できます。
プログラミングが不要なため、社内に開発人材がいない・不足している場合でもAI開発が可能です。

また、AI開発に必要なデータの処理作業もMatrixFlow内で行えるため、開発期間・手間を大幅に削減できます。
AI開発にかかるコストの多くは人件費のため、必然的に開発コストも下がります。
MatrixFlowのサービス詳細については、こちらからお問い合わせください。

AIでできること・活用方法を大きく3つに分けてご紹介します。

事例1.画像検索

ショッピングサイトやSNSでは最近、画像検索で欲しい情報が得られるサイトが増えてきました。
画像検索は、AIが活用されているサービスの1つです。
これまではSNSや街中で気になる商品を見つけても、商品名がわからなければ特徴から推測して調べる必要がありました。今では商品の画像さえあれば、画像検索で商品の名前から価格、販売サイトまで調べられます。画像検索で調べられるのは商品だけではなく、地図アプリであれば建物の画像から名前やそこまでのルート検索が可能です。
画像検索はユーザーの利便性を向上するだけでなく、企業にとってもユーザーとの新たなタッチポイントを作ることができ、売り手・買い手双方にとってメリットがあるといえます。

事例2.スマートスピーカー

ここ数年で普及しはじめたスマートスピーカーにも、「音声認識」と「自然言語処理」といったAIの機械学習システムが応用されています。
スマートスピーカーでは聞き取った音声をテキストデータに変換し、クラウド（AIアシスタント）にテキストデータを送ります。クラウド（AIアシスタント）がその内容を理解し、返答内容を音声として出力するという仕組みです。これによって音声だけで調べ物をしたり、音楽の再生などができます。
その他にも、インターネットと繋がった家電（IOT家電）とスマートスピーカーを連携すれば、音声だけで操作することも可能です。玄関の鍵やシーリングライト、リモコンなどIOT家電を使えば鍵のかけ忘れ、電気の消し忘れといったうっかりも今後減っていくでしょう。

事例3.自動翻訳

自動翻訳には、AIの「自然言語処理」という機能が活用されています。英文の翻訳や英会話などで使われている方も多いのではないでしょうか。
自動翻訳は入力された言語をAIが理解し、文法や単語のつながりから翻訳文をつくるという仕組みです。
一見簡単なように思えますが、単語と単語を翻訳しただけでは自然な言葉になりません。
微妙やニュアンスや口語表現にも対応できるよう、AIが膨大なデータを機械学習することでパターンを発見・翻訳の精度を上げているのです。もちろんプロの翻訳家には劣りますが、翻訳のスピードや量はAIの自動翻訳に軍配が上がります。日常的に翻訳業務がある企業の場合、大幅な工数削減・人件費削減が可能です。

プログラミングでAIを開発する方法を解説しました。
AIをプログラミングするのに必要なのは、「プログラミング言語」「ライブラリ」「開発環境」の3つです。

プログラミング言語にはいくつもの種類がありますが、AIの開発に向いているのはPythonです。
Pythonは初心者でも比較的学びやすく、「ライブラリ」と呼ばれる便利なコード集も豊富に用意されています。これらを駆使すれば独学でもAIをプログラミングすることは可能ですが、一人で学習を進めるためには根気と体力が必要なため、明確な目標を持って取り組むのがおすすめです。

AIにはプログラミングが必須と思われがちですが、AIプラットフォームの「MatrixFlow」を使えばプログラムせずに開発できます。AIプラットフォームの「MatrixFlow」では、プログラミングを全くせずに機械学習モデルの作成が可能です。画面上の操作がプログラミングと連動しており、開発の知識がない人でも一からAIの作成が可能です。

作成したAIは画像検索や売上予測、自動翻訳など、様々な用途で活用できます。
プログラミングでAIを開発してみたい方は、ぜひ本記事を参考に開発に挑戦してみてください。