人工知能（AI）
概要と重要性
人工知能（AI）を活用すると、機械が自律的に経験から学び、新たな入力に順応し、人間が行うようなタスクを実行できるようになります。チェスをプレイするコンピューターから自動運転車まで、最近耳にするAIの実用例のほとんどは、ディープ・ラーニングと自然言語処理に大きく依存しています。これらのテクノロジーを利用すると、大量のデータからパターンを認識させるという方法で、特定のタスクを遂行するようにコンピューターをトレーニングすることができます。
人工知能の歴史
人工知能という言葉は1956年に生み出されましたが、データ量の増加、高度なアルゴリズム、コンピューティング能力とストレージの向上により、現在、AI人気はますます高まっています。
1950年代の初期のAI研究では、問題解決や記号的手法などが研究されていました。1960年代に入り、米国防総省はこうした研究に興味を持ち、人間の基本的な推論を模倣するコンピューターの訓練を開始しました。たとえば国防高等研究計画局（DARPA）は、1970年代に街路マッピングプロジェクトを完成させました。そしてDARPAは、Siri、Alexa、Cortanaがよく知られるようになるずっと以前の2003年に、インテリジェントなパーソナルアシスタントを開発しました。
この初期の研究は、人間の能力を補完および強化するように設計できる意思決定支援システムやスマート検索システムなど、今日のコンピューターで見られる自動化と形式的推論への道を切り開きました。
ハリウッド映画やSF小説では、AIが世界を征服する人間に似たロボットとして描かれていますが、現在のAIテクノロジーの進化はそれほど恐ろしいものではなく、それほど賢いものでもありません。その代わりに、AIはあらゆる業界に多くの具体的なメリットをもたらすような形で進化しました。ヘルスケア、小売などにおける人工知能の最新事例を続けてご覧ください。
注目すべき人工知能（AI）のトレンド
さっそく、AIの専門家やデータサイエンスのプロが、今後10年間のAIのトレンドについて語った動画をご覧ください。
AIの未来における倫理の役割とは？ ビッグデータの重要性は？AIの成功にドメイン知識が不可欠な理由とは？
最も重要なのは： 「データを持っているのが誰なのかということです。それこそが王になる人物です」とテクノロジーパイオニアのHarper Reidは語っています。
なぜ人工知能が重要なのか?
AIは、データによる反復的な学習と発見を自動的に行います。 AIは、手作業のタスクを自動化するのではなく、頻繁かつ大量のタスクをコンピュータ化して実行します。そしてそれは疲労することなく確実に行われます。もちろん、システムをセットアップし、適切な質問をするためには、依然として人間が不可欠です。
AIは、既存の製品にインテリジェンスを追加します。Siri が新世代のApple製品に機能として追加されたように、すでに使用している多くの製品がAI機能によって改善されてゆくことでしょう。自動化、会話型プラットフォーム、ボット、スマートマシンを大量のデータと組み合わせることで、多くの技術を向上させることができます。家庭や職場での機能向上は、セキュリティインテリジェンスやスマートカムから投資分析まで、さまざまな領域にわたります。
AIは漸進的学習アルゴリズムを介して適応し、データにプログラミングをさせます。AIはデータの構造と規則性を見つけて、アルゴリズムがスキルを習得できるようにします。アルゴリズムがチェスのやり方を自ら学習できるのと同じように、オンラインで次にどの製品を推奨するかを自ら学習できます。そして、新しいデータが与えられるとモデルがそれに適応します。
多くの隠れ層を持つニューラルネットワークを使ってAIはより多くの、より深い層にあるデータを分析します。これまでは、5つの隠れた層を持つ不正検知システムを構築することは不可能でした。それが、驚異的なコンピューターパワーと ビッグデータによって一変しました。深層学習モデルはデータから直接学習するため、学習には大量のデータを必要とします。
AIは、ディープニューラルネットワークによって驚異的な精度 を達成します。例えば、AlexaやGoogle とのやり取りは、すべて深層学習に基づいています。そしてこれらの製品は、使えば使うほど精度が上がっていきます。医療分野では、深層学習や物体認識のAI技術を用いることで、医療画像上のがんをより高い精度で特定できるようになりました。
全てのデータを最大限に活用。アルゴリズムが自己学習する場合、データそのものが資産となります。答えはデータの中にあります。 ですから、それを見つけるためにAIを適用すればいいだけなのです。データの役割はますます重要になってきています。なぜなら、データが競争優位性を生み出すからです。競争の激しい業界最高のデータを持っている場合には、誰もが同じ手法を適用していたとしても、この最高のデータがあれば勝利できるのです。しかし、そのデータを責任を持ってイノベーションに使用するには、信頼できるAI が必要です。また、それは、AIシステムが倫理的、公平かつ持続可能である必要があることを意味します。
人工知能はどのように使われているのか？
自動化、学習、法的支援、リスク通知、調査に使用できるシステムなど、あらゆる業界でAIの能力に対する高い需要があります。産業におけるAIの具体的な用途には、以下のようなものがあります：
医療
AIを利用することで、医療の個別対応やX線の画像診断が可能になります。パーソナルヘルスケアアシスタントとして利用すれば、ライフコーチのように機能し、薬の服用や運動、健康的な食事のリマインドを行います。
小売
AIは、消費者と話し合いながら、ショッピングの際の選択肢についてパーソナライズされたお勧めを提供する仮想ショッピング機能を提供します。在庫管理やサイトレイアウトの技術もAIによって向上します。
製造
AIは、接続された機器からストリーミングされる工場の IoT データを分析し、シーケンスデータとともに使用される特定のタイプの深層学習ネットワークであるリカレントネットワークを使用して、予想される負荷と需要を予測できます。
銀行・金融
AIは、人間の努力の速度、精度、効率を向上させます。金融機関では、AI技術を使用して、どのトランザクション（取引）が不正である可能性があるかを特定し、迅速かつ正確な信用スコアリングを導入し、手動による多大なデータ管理タスクを自動化することができます。
AIは、ここ数年でSASソフトウェアの不可欠な構成要素となりました。今日の弊社は、AIの進歩を活用する取り組みに関して、あらゆる業種のお客様を支援しており、今後も、SASポートフォリオ全体のソリューション群に機械学習やディープ・ラーニングのようなAIテクノロジーを組み込み続けてまいります。Jim Goodnight CEO SAS
WildTrackとSAS：絶滅危惧種を一度に「ワンフットプリント（one footprint）」保全します。
チーターのような代表的な種が姿を消しつつあります。同時に、生物多様性も消えつつあります。WildTrackは、サバイバル術に長けた先住民と同じように足跡を分析し、これらの絶滅危惧種の動物を絶滅から守るため、保全における人工知能の価値を模索しています。
人工知能の仕組み
AIは、大量のデータを高速に反復処理し、インテリジェントなアルゴリズムと組み合わせることで機能し、ソフトウェアがデータパターンや特徴から自動的に学習することを可能にします。AIは、幅広い研究分野であり、多くの理論、手法、テクノロジーに加えて、以下のような主要なサブフィールドが存在します。：
機械学習
機械学習は分析モデルの構築を自動化します。機械学習は、ニューラル ネットワーク、統計、オペレーションズ・リサーチ、物理学などの手法を使用して、どこを調べて何を結論付けるかを明示的にプログラムしなくてもデータに隠された洞察を見出します。
ニューラル・ネットワーク
ニューラルネットワークは、外部入力に応答して情報を処理し、各ユニット間で情報を中継する相互接続されたユニット（ニューロンなど）で構成される機械学習の一種です。このプロセスでは、複数のパス（経路）が必要で、これにより未定義のデータから繋がりを見つけて、意味を引き出します。
ディープ・ラーニング
深層学習では、多くの層の処理ユニットを備えた巨大なニューラルネットワークを使用し、コンピューティング能力の進歩とトレーニング技術の向上を利用して、大量のデータ内の複雑なパターンを学習します。一般的なアプリケーションには、画像認識と音声認識が含まれます。
この他、次のようなさまざまなテクノロジーが AIを活用しサポートします：
コンピュータビジョン ：パターン認識と深層学習を利用して、写真や動画の内容を認識します。 機械が画像を処理、分析、理解できるようになると、リアルタイムで画像やビデオをキャプチャし、周囲の環境を解釈できるようになります。
自然言語処理 （NLP）：音声を含む人間の言語を分析、理解、生成するコンピュータの能力です。NLP の次の段階は、自然言語対話です。これにより、人間はタスクを実行するために通常の日常言語を使用してコンピューターと通信できるようになります。
グラフィック処理ユニット ：反復処理に必要な大量の計算能力を提供するため、AIの鍵となります。ニューラルネットワークのトレーニングには、ビッグデータと計算能力が必要です。
Internet of Things ：接続されたデバイスから大量のデータを生成しますが、そのほとんどは解析されていません。AIでモデルを自動化することで、AIをさらに活用できるようになります。
高度なアルゴリズム ：これは、より多くのデータをより迅速かつ複数のレベルで分析するために、新しい方法で開発および結合されています。 このインテリジェントな処理は、まれなイベントを特定し、予測することや、複雑なシステムを理解すること、独自のシナリオを最適化する際に鍵としての役割を果たします。
Application Programming Interfaces（API）, ：移植可能なコードのパッケージで、 これにより、既存の製品やソフトウェアパッケージにAI機能を追加することができますホームセキュリティシステムに画像認識機能を追加したり、データを説明するQ&A機能を追加したり、キャプションや見出しを作成したり、データの興味深いパターンや洞察を呼び出したりすることができます。
要約すると、AIの目標は、入力に対して推論し、出力に対して説明できるソフトウェアを提供することです。AIは、ソフトウェアと人間のようなインタラクションを提供し、特定のタスクの意思決定をサポートしますが、人間の代わりになるものではなく – すぐにそうなるわけでもありません。
人工知能向け注目製品
SAS® Visual Data Mining and Machine Learning
データの分析を行い、最新の機械学習アルゴリズムを使用してモデルを開発することで、 テキストアナリティクス を一つの製品に統合することができます。これにより、AIの簡素化が可能です。さらに、SASとPython、R、Java、Luaなどの他の言語を組み合わせたプロジェクトをコーディングできます。
実用的なAIのためのプラットフォーム
Pythonから、Rから、Javaから、さまざまなプログラミング言語でアクセス。SAS Viyaは、機械学習やデータマイニングなどビジネス利用に必要な機能を一つの環境で実現したオープンなAIプラットフォームです。