アラームの音で目を覚ましてから、部屋の電気を消し、スマートフォンを充電器に繋いで、眠るまで私たちは絶えず情報に触れ続けています。

そうして日常で触れる情報量は膨大で、平安時代の一生分の情報量を一日で浴びているとも言われています。

そんな膨大な情報に触れながらも、ある程度快適に生活ができるのはテクノロジーの発展があると言ってよいでしょう。

そんな快適な日常生活にもはや当たり前のように浸透している人工知能、そしてそれを支える機械学習という技術。

詳しく知らないまでも、何となく聞いたことがある方は多くいると思います。

しかし、日常生活に人工知能が浸透するということは、その日常生活を作るあらゆるサービスの中でも人工知能への理解が求められるということです。

ほんの数年前までは「人工知能って聞いたことがある」で済んでいた会話も、ここ最近では、人工知能で何ができて、何ができないのか。そして機械学習をどのように応用するのか、そして会社のサービスに結び付けていくのか、ある程度理解していないと日常の仕事に影響が出るようになったという方も少なからずいるのではないでしょうか。

本記事では、そのように人工知能、とくに機械学習という技術に関して一歩踏み込んだ理解を進めたいという方に向け、わかりやすく解説をしていきます。

とはいえ、新しい技術を理解しようとすると、ディープラーニングだ、ニューラルネットワークだと難しい言葉が多くなって、わからない事を知る過程で、さらにわからないことが増えてしまうのでいつも挫折してしまうという方もいるかと思います。

その為、本記事では平易な表現と具体例を用いて、一読した後に、明日からの会話で利用できる程度に噛み砕いた紹介をしております。

是非あれこれと想像を膨らませながら読み進めていただけますと幸いです。

それでは早速機械学習という技術について解説を進めていきます。

機械学習とは何か

まず、機械学習とはそもそも何なのかについて解説していきます。

機械学習とは「ML（Machine Learning）」と呼ばれるAIを支える技術の一つです。

AIが機能するためには、学習が必要になるのですが、その学習には膨大なデータを分析しその背景にあるルールやパターンを発券する必要があります。

その際のデータを分析する方法の一つが「機械が自動で学習をする」という機械学習となるわけです。

機械学習は、データの中からパターンを見つけ、そこから洞察を生み出し、より良い意思決定と予測を行うサポートを行うため、より多くのデータがあればあるほどより良い回答を導き出すことが可能です。

人間で例えると、今日初めてバスケットボールに触った初心者と、プロバスケットボールで活躍する選手がフリースロー対決をした際に、何万本とシュートを打ってきたプロバスケットボール選手の方がシュートを決める確率が高いのと同様ですね。

数多くのシュートを決めてきた経験と、外してきた経験から確かな学習が積み重なっており多少の状況の変化にも対応してシュートを決めることが出来るというわけです。

機械学習の種類

そんな機械学習には、3種類の手法が使用されます。

一つは、模範とされる入力データと、出力データを用いてモデルを訓練し、将来の出力を予測できる「教師有学習」そしてもう一つは、入力データの隠れたパターンや固有の構造を見出す「教師無し学習」です。

最後は、システム自身が試行錯誤し、制度を高めていく「強化学習」です。

①教師あり学習

教師有学習は、入力データと出力データ（答え）が揃っており、入力データから出力データを推測するために用いられます。代表的な例としては天候、価格、販促等の要因から売上を予測する事などがあげられます。

②教師無し学習

一連の入力データから、データの背景にある隠れたパターンや構造をみつけるものです。

教師有データと比べて、模範となる出力データがないため、各データの類似性などを計算し、データを分類したり、データ間の関係性を推計します。代表的な例としては動画サイトなどのおススメ動画や、ネットショッピングのおススメ機能等があげられます。

③強化学習

教師あり、なし学習と異なり、システム自身が試行錯誤して精度を高めていく学習手法です。例えるなら、飼い犬が人に向かって吠えると飼い主に怒られるということを学習するイメージです。人や物問わず、あらゆるボリュームで吠える度に、怒られるパターンと怒られないパターンを経験することで「人に向かって、鳴き声以上のボリュームで吠えると怒られてしまう」ということを学習する感覚です。

①②③のいずれも、変化の要因に対して、将来の可能性を予測し、求められる成果を最大化する為の入力を考えることを目的としています。

機械学習によって、将来の可能性をただしく把握することで、企業の売上を最大化するための戦略を考えたり、限られた地球の資源を有効的に活用することが出来たりと、様々な分野で応用されることが可能となります。

機械学習の利用例

それでは、そんな機械学習がどのような分野に、どのように応用されているか実例を見ていきましょう。

①金融工学

金融工学では、機械学習を使用して、トレード等のリスク管理に関する意思決定をサポートしています。例えば、金融商品の価格付け、金利の分析、利回りの計算等があげられます。

②画像処理とコンピュータビジョン

カメラなどで取り込んだデジタル画像から、意図した情報を取り出すために処理加工を行うために機械学習が応用されています。画像処理では画像のノイズを取り除いてきれいな画像を出力する以外にも、コンピュータ上で特定の物体を見つける画像認識の活用が増えています。具体例としては、食品工場や部品製造工場での不良品の識別や、車のアイサイトによる対人、対物自己防止システムなどです。

③情報生命科学

生命科学やヘルスケア分野では、多種多様なセンサーが開発普及することで、様々なデータが大規模に蓄積されることで機械学習の適用範囲が広がっています。具体的にはバイタルデータに基づく複合的な医療診断等があげられます。

④自然言語処理

人間の言語（自然言語）を企画学習を使用して処理します。普段の会話で使用される話し言葉から、文章や論文のような書き言葉までを自然言語の対象として、言葉の意味を解析し、言葉の意味を分類します。具体的にはチャットボットや、音声認識アプリケーションなどがあげられます。

いかがでしたでしょうか。

機械学習の仕組みを理解することで、私たちの日常生活にAIがどのように関わってきているか、より具体的にイメージが湧いたかと思います。

本記事の内容を簡単にまとめると

AIを構成する技術に機械学習というものがあり、データが増えれば増えるほどより正確な未来の予測ができるようになる。

その機械学習には主に3つの種類があり、教師あり学習、教師なし学習、強化学習を行うことで私たちの生活の様々な領域に応用されている。

具体的には、金融商品のリスクの分析や金利の計算。不良品検査や自動車の事故防止に用いられる画像認識機能、遺伝子分析や医療診断での疾病の予測や、様々な表現の言葉から意味を推測する音声認識などがあげられます。

それではここまでお読みいただきありがとうございました。

次回の記事でまたお会いしましょう！