しかし、新たに登場した「ディープラーニング」は、専門家に頼らなくても、大量のデータをコンピュータに学習させることで最適な特徴量の設計を自動的に行うことができます。
データを増やすほどに特徴量の設定や組み合せは洗練され、区別・分類の精度はどんどん高まっていきます。その結果、画像認識や音声認識の分野では非常に高い認識精度を実現しており、人間の能力を超える場合さえあります。
それらは既に実用にも使われています。例えばレントゲン写真から病巣を見つけ出す、大量の文書から裁判の証拠を見つけ出す、ビデオカメラで捕らえた人間の挙動から不審者を見つけ出すといった実用例が登場しています。
【追記】読者より「ディープラーニングだけで人工知能ができるとの印象を与えるのは間違っている」とのご指摘をいただいたことを受け、以前の記事「コレ1枚で分かる「人工知能の3つのアプローチ」」「コレ1枚で分かる「人工知能の抱える課題と限界」」について、本記事を補足とさせていただきます。また、次の図も、補足としてここに追加いたします。
日本IBMで営業として大手電気・電子製造業の顧客を担当。1995年に日本IBMを退職し、次代のITビジネス開発と人材育成を支援するネットコマースを設立。代表取締役に就任し、現在に至る。詳しいプロフィルはこちら。最新テクノロジーやビジネスの動向をまとめたプレゼンテーションデータをロイヤルティーフリーで提供する「ITビジネス・プレゼンテーション・ライブラリー/LiBRA」はこちら。
Copyright © ITmedia, Inc. All Rights Reserved.