Skip to Content
お問い合わせ

機械学習

機械学習や拡大する人工知能(AI)の世界は、もはや SF の題材ではありません。すでに身の回りに存在しているのです。多くの企業がそのメリットを享受しはじめています。機械学習(および深層学習)は、明示的なプログラミングを必要とせず自ら学習できる新種のソフトウェアとして、人間の能力の届かない方法でビッグデータを収集、分析し、パターンを見つけ出すことができます。ビジネスに対するメリットは計り知れず、その市場価値は 2020 年までに 470 億ドルに達すると予想されています。

SAP の機械学習テクノロジをご覧ください。

機械学習の概要

人工知能(AI)、機械学習、深層学習という言葉はしばしば区別せずに使われますが、厳密には同じものではありません。一言で言うと、インテリジェントに振る舞う機械の概念を広く表す言葉が AI です。機械学習と深層学習は AI の概念の一部であり、大量のデータにアクセスして機械が自ら学習できるというアイデアに基づいています。深層学習と機械学習、その他の重要な用語の詳細をご確認ください。

機械学習とは

機械学習の最も簡潔な定義とは何でしょう。それは、「コンピューターに膨大な量のデータを見せて、パターンの識別方法や関連付けの方法を教える作業」です。つまり、特定のタスクを完了するためにソフトウェアをプログラムするのではなく、機械がビッグデータと高度なアルゴリズムを使用して、自分自身でタスクの実行方法を学ぶのです。機械学習ではアプリケーションが「考え」、誰にも頼らずに自ら判断を下したり予想したります。これは、予測分析やビッグデータアナリティクスを超える機能であり、多くの場合人間の能力も超えています。機械学習の一般的な消費者向けアプリケーションの例として、オンライン小売環境で使われるレコメンドエンジンがあります。

深層学習とは

深層学習は、機械学習の高度な形態であり、コグニティブコンピューティングと呼ばれることもあります。多層(別名「深層」)ニューラルネットワークを使用して人間の思考プロセスをシミュレートします。これらのネットワークは、人間の脳のシナプスを模した小さな計算ノードから構成されます。入力データセットと高度なアルゴリズムによって、機械は複雑な非線形の問題を解くことができます。音声認識や画像認識および自然言語処理などのブレークスルーをもたらしたのは、この深層学習です。深層学習の一般的な例には次のようなものがあります。
  • 顔認識ソフトウェア
  • 自動運転車
  • スマートホーム用自動化機器

教師あり学習と教師なし学習

機械が「学習」する方法はおもに 3 つあります。
  • 教師あり学習 ー この手法では人間が入力と出力にラベルを付け、モデルがそれら 2 つを結びつける規則性を見つけ出します。
  • 半教師あり(強化)学習 ー 機械は試行錯誤しながらアクションを取り、アクションに対して報酬または罰が与えられ、これに応じてアルゴリズムが調整されます。
  • 教師なし学習 ー アルゴリズムは自力でデータのパターンを見つけるまで放置されます(データはクラスター化されている場合もあります)。
どの種類の学習方法を使用しようと、機械は自力でデータから学習し、時間をかけて新しい行動や機能を吸収していきます。このようにして訓練を積み重ねると、データに基づいて結果を予測できるモデルができあがります。また、モデルは定期的な再訓練により、精度を向上できます。

機械学習が急速に進化している理由

機械学習は新しい概念ではありませんが、最近その発展に拍車がかかっています。なぜでしょう。それは、処理能力とストレージ容量がかつてないほど安価に入手できるようになったこと、さらに、さまざまな情報源(テキスト、画像、IoT 機器など)からのビッグデータが爆発的に増加したことによって、機械の「訓練」や学習が以前より容易になったからです。

活躍する AI と機械学習

機械学習の利点

Previous

意思決定の迅速化

機械学習により、日常的に繰り返される意思決定プロセスを自動化して優先順位付けを行えば、最適の結果をよりすばやく得ることができます。例えば、モノのインターネット(IoT)と組み合わせれば、製造プラントで最初に修理すべき個所を判断する助けとなります。

適応性

データは絶え間なく更新されます。したがって、機械学習モデルも絶え間なく更新されることになります。機械学習では、現在の人間によるモデル開発よりもはるかに高速な更新が可能です。このため、急速に変化するビジネス環境に適応するための新しい洞察を、迅速に導き出し処理できるようになります。

イノベーションと成長

「アルゴリズムが推進するビジネス」は、プロセスの自動化や意思決定の改善を推進するために高度なアルゴリズムを使用します。機械学習への移行により、総合的な知識取得が加速され、革新的なビジネスモデル、製品、サービスへの道が拓かれます。
Next
Previous

ユニークな洞察

機械学習で最も期待される使用法の 1 つが、ビッグデータから、現在の人間では思いつかないようなパターンを導き出し、具体的なアクションのきっかけを提供することです。例えば、潜在的な商機を予測し、成約につながるアクションを提案します。

ビジネスの加速

ビジネスプロセスを機械で支援したり、ワークフロー全体を高速化することによって、事業運営、製品やサービス提供を最適化できます。これによって、バックオフィスのコストや TCO を削減しながら売上を伸ばすことができます。

より良い成果

AI と機械学習は、人為的ミスを撲滅し、アウトプットの品質を高めるとともに、サイバーセキュリティを強化します。セキュリティは、機密情報の保護や規制準拠が求められる金融サービスなどの企業では欠かせない要件です。

Next

機械学習のユースケース

現在実用化されている機械学習の最も一般的な例は、レコメンデーションエンジンやスマート機器などの消費者向けアプリケーションです。しかし、機械学習技術は企業間(B2B)活動のユースケースにおいても極めて有望です。ここでは、機械学習テクノロジーが最もその威力を発揮すると SAP が考えている 2 つの重要な領域を紹介します。 
Previous

スマートなビジネスプロセス

機械学習は従来のルールベースのプロセスを、よりインテリジェントなプロセスへと移行させます。このプロセスは巨大で構造化されていないデータセットの中から新しいパターンを見出し、自力で戦略的な予測を行うことができます。さらに、請求書や旅費支出の正確さチェックなど、極めて反復性の高い作業への適用も可能です。

デジタルアシスタントとボット

AI テクノロジーの発展は、自己学習型アルゴリズムが一定のパラメーター条件内で独自の結論を導き出し、状況に応じた行動を構築できるようになる日が近いことを示唆しています。会議のスケジュール設定や文書の翻訳、その他の日常業務は、デジタル機器が肩代わりするようになるでしょう。
Next

機械学習に関する FAQ (よくある質問)

結果の正確性はどのようにして保証するのですか。

機械学習に関しては誤検知やバイアス(判断の偏り)に注意する必要があります。しかし、これらには比較的明快な解決策があります。機械学習の精度を向上するには、次のような対策を講じます。

  • クリーンなデータセットから学習を始めます。さらに入力データが正確にラベル付けおよび分類されていることを確認して、誤検知を最低限に抑えます。
  • データに内在的に潜在する偏った傾向(バイアス)に注意します。ごみを入力すれば、ごみしか出力されません。これを防ぐために、入力するデータを見直すための問いかけを行い、アルゴリズムを評価する手順を作成します。
  • 目標に合った、適切なアルゴリズム訓練方法を使用します(例:既知の変数に基づいて家の販売価格を予想する場合は教師あり学習を使用するなど)。
  • 機械学習の訓練を徹底的に行い、学習成果を大幅に高めます。

詳細は、ブログ 「AI のバイアスを取り除く方法(How AI Can End Bias)」および「アルゴリズムの無意識のバイアスを明らかにする(Unmasking Unconscious Bias in Algorithms)」をお読みください。

Collapse
機械が下した判断など信用できるのですか。

機械に人類の生命や生活を乗っ取られるという考えは人気映画にはよく見られますが、そうした劇的な状況は現実とはかけ離れたものです。とはいえ、機械学習プロセスによって判明した結果を盲信してよいことにはなりません。信頼できる結果を生成させるための AI の管理方法は次のとおりです。 

  • 概念実証(プルーフオブコンセプト)を行い、下される判断に対する信頼感を確立します。
  • プロセスや結果を監視して、必要に応じて調整します。
  • アルゴリズムにビジネスルールを適用して信頼レベルを調整します。
  • 機械学習の訓練プロセスにフィードバックの仕組みを組み込みます。
Collapse
データはどのようにして用意すればいいのですか。

大容量データセットにアクセスできてはじめて機械学習は機能します。したがって、重要な最初のステップは、情報の縦割り管理をできるだけなくすことです。 

  • 関連するあらゆるデータにアルゴリズムがアクセスできるように、企業データ(サプライヤー、パートナー、顧客、その他多くの情報源を含む)を統合します。
  • 機械学習プロセスに貴社の最高データ責任者(CDO)にも参画してもらいます。
  • 各種データソースから収集統合した大容量データを処理できる、クラウドプラットフォームの利用を検討します。
Collapse
どうすれば機械学習を職場になじませることができますか。
機械学習は既に世界中のオフィスで歓迎されています。どんな役割を与えるか?日常業務で人間を支援するのです。機械学習テクノロジーの進歩は、次のような特性を備えた、数え切れないほどの新しいシナリオ、チャンス、ビジネスモデルへの可能性を開きます。
 
  • 創造性、問題解決、知識労働に重点を置いた、より高報酬の仕事を生み出します。
  • 退屈な反復作業が自動化され、仕事がより興味深く(しかも楽しく!)なります。
  • 最も戦略的な業務や優先順位付けに対するコントロールは、いつでも人間が掌握できます。 
Collapse
機械学習を使いこなすには専門的なスキルが必要ですか。

以前は、言語や方法に関する教育を受けた「クワント(Quant)」、データ規範、機械学習、意思決定の間の橋渡し役として、複雑な結果を実行可能な洞察に再構築する「トランスレーター(Translators)」など、機械学習を機能させるために特別な才能が必要でした。

しかし、現在は不要になりました。今では、最新のビジネスアプリケーションがデータサイエンティストの役割を果たしています。これらのアプリケーションにはユーザーフレンドリーなインターフェースや AI 技術が組み込まれ、ビジネスユーザーは特訓など受けずに、場合によってはボタンを数回クリックするだけで、機械学習の成果を手にすることができます。

Collapse
ROI はどうですか。
B2B アプリケーションにおける機械学習はまだ幼年期にあるものの、企業ではすでに取引の自動化、不正行為の検出、詳細な医療研究などに適用することで、時間とコストを節減しています。さらに、AI をクラウドプラットフォームやクラウドアプリケーションに組み込めば、コスト増を招くカスタム構築なしでシステムの稼働を開始できます。
Collapse

SAP の機械学習アプリ & テクノロジー の詳細

Previous
SAP は世界のビジネストランザクションの 70% 以上に関わっており、それらに現在よりさらに高度な知能を吹き込もうとしています。SAP の目標は、関わっているすべての業務部門および業種の、すべてのソフトウェアに機械学習のテクノロジーを導入することです。SAP のクラウドプラットフォームやクラウドアプリケーションに組み込まれた機械学習知能により、より簡単にアルゴリズムに従った企業運営が実現できます。先例のないユニークな洞察を取得し、より正確な予測を行い、日常業務を自動化すれば、社員はより高価値の仕事に集中できるようになります。
 
以下に紹介する、さまざまな業種のお客様との共同イノベーションによって共同開発された SAP の機械学習アプリケーション、ツール、サービスの第 1 弾が未来を垣間見せてくれることでしょう。
機械学習に対する SAP のビジョン、それはビジネスに計り知れない影響を与える、現実の業務の課題解決に注力することです。 Juergen Mueller, Chief Innovation Officer
Next
Previous

経理:支払の自動化

支払と請求書の手作業による突き合わせは、人件費のかさむ会計処理です。SAPのアプリケーション は、機械学習により自動照合の割合を大幅に増加させます。 

採用:適切な採用候補者を見つける

大量の求職応募のふるい分け作業を省きましょう。SAP Resume Matching を使用すれば、特定の職務明細に最適の候補者を自動的に識別できます。

マーケティング:ロゴおよびブランド認識

企業のイベント後援におけるマーケティング ROI をより正確に評価しましょう。SAPのアプリケーションは画像やビデオ内のロゴを認識できます。

Next
Previous

顧客サービス:ニーズの予測

最高速で顧客フィードバックを収集、分析、対策しましょう。自社宛のソーシャルメディア投稿、電子メール、その他多くのチャネルからのフィードバックに対して効率的なタグ付けおよびクラスター化を行い、自動的に分類、転送、応答の判断を下します。

セールスとマーケティング:ロイヤルティと顧客維持 

高度な機械学習によって主要な顧客離れ兆候のマイニング、予測、収集を行い、顧客の取引行動に関する洞察を瞬時に引き出し、何らかの対策を講じることも可能になります。

Next

今すぐ始める機械学習


Previous

適合性の判断

機械学習は、複雑なルールと未知の要素を含むシナリオ、履歴データではなく新しいデータに基づく予測、反復性が大きい作業の自動化などに適しています。ただし、システムが命令を実行する際の条件を、すべて正確に把握できている場合は、ルールベースのプログラミングで十分です。

短期集中コースの受講

企業環境に機械学習を適用する方法が今一つしっくりとしませんか?SAP の無償コース openSAP が、適切な課題の見極め方から複雑な環境におけるデータの作成方法まで、貴社が次に取るべきステップを順を追ってご案内します。さらに、ユースケースやプロトタイプ、AI 製品の構成要素、その他多くについても紹介します。

専門家から学ぶ

記録的なスピードで AI を導入しましょう。経営コンサルティング能力と IT ノウハウを併せ持つ SAP のビジネス変革サービスグループが短期導入を支援します。貴社の人員、プロセス、テクノロジーを整合させ、実績のある方法論とサービスによって最新のデジタル技術と機械学習テクノロジーを迅速に展開します。 

Next
Back to top