AIができることとは?AIの得意なこと・不得意なこと解説

AI技術の進展は、2010年代に入ってからどんどん加速しています。

AI(人工知能)には日本でも大きな期待が寄せられています。しかし、実際にはAIがどんなことができるのか、いまいちわからない…という方も少なくありません。

AIは、我々が日々当たり前のように使っているものもありますが、実に広範囲の分野で使われているのです。

そこで今回は、AIが得意なことや不得意なことをしっかり解説していきます。AIの得意分野や不得意分野を知ることで、AIは何ができるのかが自然に理解できるでしょう。

AIについてしっかり知りたい方は、ぜひ参考にしてくださいね。

AIについて

まずは、AIについて知っていきましょう。AIは、人工知能という意味を持つArtificial Intelligenceの頭文字を取った言葉です。

AIは、人工知能が意味する通り、人間の脳が普段行っているような思考や学習、認識、予測などの活動を、コンピューターを使用して再現するシステムのことです。

そんなAIは、特化型AIと汎用型AIに分けることができます。

特化型AIとは、画像認識や音声認識、自然言語処理のように、限定された領域の課題に特化したAIを指します。

その一方で汎用型AIは、特化型のように特定の課題にとどまらず、さまざまな課題を処理できる人間のようなAIを指します。

AIの得意分野

次に、AIの得意とすることをご紹介します。AIは、大量の単純作業を正確にこなすコンピューターを上回り、いろいろな分野での識別能力が向上しています。

現時点でAIが得意とすることは以下の通りです。

\ ログインしなくても検討機能が使える♪ /
新着のエンジニア案件を見てみる

画像や音声、映像などの解析

AIは、非テキストベースのデータを高精度で解析できるといった特徴があります。画像から年齢や性別を推論したり、映像内で人通りをカウントしたり、音声で入力されたものを自然言語処理に組み合わせて文字起こししたりと、その解析はさまざまです。

このような識別は、人間でも簡単にできます。しかし、人間が行うと数多くの作業が必要になるので、AIに処理してもらった方が効率的です。

また、人間が細かくチェックしなければならない作業を、AIが肩代わりすることが可能です。

数値化されていることを推論する

AIは、「来週末、アイスクリームがいくつ売れるのか」「二週間後、この銘柄の株価はいくらか」などの予測も得意です。

過去のデータから数値の予測を導き出すことは、AIが生まれる前から統計で行われています。

そもそもAIは、統計モデルがベースになっていて、統計ツールで予測するよりも大量のデータを使用して精度を高め、リアルタイムに近い処理スピードで実行することが可能です。

厳格なルールにおける判定機能

Google Deepmindにより開発された「アルファ碁」は、人類最強と言われているプロ棋士に勝利しています。もはや囲碁に関して、人間はAIにかないません。これは、どのような状態であれば勝てるのか、AIがルールとして厳格に定められているからです。

また、囲碁に限らずゲーム分野でAIが活躍しているのは、厳格なルールがあってこそと言えるでしょう。

インプットしたデータに基づいた単純作業

AIは、インプットしたデータに基づいた単純作業が得意です。既に、AIを活用してデータ入力業務などが行われており、作業の効率化が実現しています。具体的には、経費計算や経費業務などでAIを導入している企業が存在しているのです。

データ入力のように数値や文字をコピーペーストしたり、未入力項目をチェックしたりといった単純作業はAIによる自動化・効率化を進めやすい領域です。

AIに作業ロジックをインプットさせれば、あとはAIが同じ作業を勝手に進めてくれるので、人間が実施するよりもミスを減らすことができるでしょう。

また、AIは計算や分析のみならず、物流倉庫や製造業における単純作業も得意分野になります。

実際に、Amazonの物流倉庫ではロボットが作業を行っています。

AIの不得意分野

AIが得意なことをいくつかご紹介しましたが、AIには不得意なこともあります。簡単に言うと、AIは学習ができない状態で、ゼロから新たなものを生み出す作業が苦手です。

それでは、AIの不得意分野を詳しく見ていきましょう。

気持ちを汲み取ること

人間同士のコミュニケーションの場合は、発した言葉が本来の意味とは異なった気持ちを示していることや、無音の空気の中で人の気持ちやその場の雰囲気が流れていることが多々あるでしょう。

このようなシチュエーションで相手の気持ちを考えたり、空気を読んで動いたりする人間の脳は、非常に高度な情報処理を行っています。

そんな処理をAIが行うのは、難しい課題と言えます。ですが、SoftbankのロボットであるPepperは、既に感情認識機能が搭載されており、AIやクラウドAIにより感情を学習すると言われています。

今後は、人の脳の活動メカニズムの解明がどんどん進み、脳の中でどんな処理が行われているのかがより明確になれば、その処理をAIに再現させるスキルの検討も進んでいくでしょう。

クリエイティブ作業

AIは、人間のアーティストが行っているように、ゼロから新しい音楽や絵画などを生み出すことができません。AIがそのスキルを発揮するには、いくつもの学習の蓄積を経て、推論モデルを構築する段階が不可欠だからです。

しかし、裏を返せば、AIは学習すれば再現ができるということになります。実際に、過去のアーティストの作品データをAIに学ばせることにより、AIがその作風を真似し、作品作りを再現することは既に可能です。

少ないデータで推論する

幼い子供でも、猫を一度見れば次から猫を識別することは簡単です。しかし、現時点でのAIは確率で推論するので、事前に大量のデータが必要になります。

学習させるために、データに対して正解をタグ付けして学習させる必要もあります。

そのため、少ないデータでは、AIが推論することは困難です。

ですが、人間の脳と同じようなものを目指す汎用型AIは、人間はデータが用意されていなくても自分で情報を取りに行って学習するという研究が行われています。

将来的には、少ないデータでもAIが使えるようになるかもしれません。

合理的でない判断を下す

合理的ではない判断を下すことが不得意なAIは、AIが得意な厳格なルールにおける判定や数値化されていることを推論することの裏返しでもあります。

ビジネスの場面で、ルールで厳密に判断できることは意外と少ないでしょう。臨機応変に判断を変えることも多いので、いろいろな事情からやむをえず合理的でない判断をする可能性もあります。

また、数値化されていないものは、はっきりとした差が出ないので合理的でないとも言えます。

\ ログインしなくても検討機能が使える♪ /
新着のエンジニア案件を見てみる

まとめ

現在はAIの研究がどんどん進んでおり、AI技術を使用したいろいろなサービスの開発や業務への組み込みが可能となっています。

AIは、まるで何でもできる魔法のようなイメージを持たれていますが、こちらの記事でご紹介したように、得意なことと不得意なことがあります。

また、AIと一口に言っても、AIを構成する技術や学習・構築のための手法は実にさまざまです。その学習方法だけを見ても、機械学習や深層学習、強化学習、CNN、RNNなどがあります。

AIは現在不得意なこともありますが、今後はできるようになっていることも考えられます。そのため、今あるデータを整備しつつ、技術情報などをしっかりチェックしておくことが大切です。

【お知らせ】
現在、エンジニアルートではフリーエンジニアを中心とした、フリーランスの お仕事紹介、お悩み相談を承っております。

一対一のカウンセリングに基づき、スキルやキャリアプランなどのご要望をお伺いしピッタリの案件をご提案します。ご参画中のご相談・節税対策、適正な給与なのか知りたい、マージンを下げたいなど何でもサポートをいたします。

案件獲得までには早ければ1〜3日、平均的に2週間以内には複数案件から選べる状況になっています。将来的な独立の相談のみでも承っております。お気軽な気持ちでご登録ください。
フリーランスを考えてる方やお仕事をご要望、面接指導などをご希望の方は、下記バナーより新規登録をお待ちしております。非公開求人多数です。

よく読まれている記事

「フリーランスの知識」でよく読まれている記事