Ed Burns

量子コンピュータは、機械学習をはじめとする人工知能技術の可能性を広げると専門家は指摘する。両者の組み合わせは、どのような業界に、どのようなメリットをもたらすのか。

中国政府は積極的なペースで人工知能に投資している。そんな中、米国をはじめとする各国は投資を強化するという大きな重圧に迫られている。

人工知能（AI）技術は万能薬ではない。ビジネスにAI技術を利用するのであれば、その限界を知っておく必要がある。AIを有効活用するためのシステム構築のポイントについて説明する。

インテルの新しい開発キットは、CPUや他の種類のチップで深層学習するハードルを下げようとしている。動画データから多くの情報を容易に抽出できるようにすることが狙いだ。

AI（人工知能）についてはこれまで何度も大きく宣伝され、そのたびに期待が急速高まり、失望するというサイクルを繰り返していた。今回はこれまでとは違い「AIの冬」は訪れないだろうと著名なAI専門家は話す。

企業のAI（人工知能）戦略は、効率性よりも成長に照準を合わせる必要があると、McKinseyのアナリスト、ジャック・バギン氏は言う。だが、この助言に耳を傾ける企業は少ないという。

従来のビジネスインテリジェンス（BI）ツールでも、価値ある情報を得ることはできるが、より高度なツールを備えた大掛かりな分析プラットフォームにBIを組み込めば、情報の価値はさらに高まる。

データ分析企業のCambridge AnalyticaによるFacebookデータの不正利用が明るみに出た。今後は、企業による倫理的配慮に基づくデータ収集がますます重要になるだろう。

「Qlik Sense」と「QlikView」にはあまり違いがないように見える。だが導入を検討する企業にとっては、検討すべき重要な考慮事項が幾つかある。

「セルフサービスBI」の主要2ツール「Tableau」と「Qlik Sense」は、互いに似たものになりつつある。高度な視覚化機能と大規模データ分析に対するニーズの高まりが、その背景にある。

機械学習ツールを活用できる分野はデジタルマーケティングだけではない。自動車保険会社のHiRoad Assuranceは、保険加入者の安全運転に機械学習ツールを役立てている。

機械学習市場にはここ数年で多くのベンダーが参入してきた。数あるベンダーの中から最適なベンダーを選ぶのは難しいが、専門家はどう見るのか。選定のポイントを聞いた。

データ量が多いからといって、必ずしも予測分析の精度が上げるわけではない。データを予測モデルに適用する前に、データを吟味して理解することが肝要だ。

クラウドに機械学習の仕組みを実装することへの関心は高まっているが、この最先端のソフトウェアは、どの企業にとっても魅力的であるとは限らない

人工知能（AI）ソフトウェアのビジネスへの導入が進むにつれて、企業は自然言語生成ツールにも力を入れ始めている。

AIアプリケーションは、モノリシック（単一）なツールではなく、高度な機能を提供するために、さまざまなツールや技術の集合体として構築されている。ひと目で分かる図版で説明する。

「AIファースト」戦略を進めるGoogleは、コンシューマー向けサービスで培った技術を生かし、企業向け市場での存在感を高めようとしている。

企業のチャットbotへの投資は十分な効果をもたらすが、それでも顧客サービス部門は複雑な問題に対処し、顧客の言葉に共感し魅力的な意見を提供するために担当者を置き続ける必要がある。

人工知能（AI）技術に関する誇大広告が世にあふれている。AI技術の真の可能性を生かしたいのなら、できること、できないことを正しく理解することが大切だ。

今後、AIが企業に導入されるケースが増えれば、職場の様相は一変する。そこで重要なのは、従業員が「人間が強みとする分野」をどう磨きあげるかだ。

ディープラーニング（深層学習）モデルを本番環境に導入して、ビジネスに良いインパクトを与えようとするなら、モデルの設計やテストのような基本事項に目を向けることが重要となる。

クラウドベンダーの機械学習機能を巡る戦いが激しさを増している。本稿では主要クラウドベンダー4社が提供する機械学習機能の比較表を掲載する。最適なプラットフォームを決める際の参考にしてほしい。

現在のAIツールはまだ、真の人工知能とは呼べない。このことは近い将来、企業がこのテクノロジーをどのように使用するかに影響するかもしれない。

AI（人工知能）自社導入の準備を整えるため、eBayなど大企業数社がグループを組み、競合を二の次にして課題解決に取り組んでいる。eBayIT部門の関係者がTechTargetのインタビューに応じ、グループ加入に踏み切った理由を説明する。

多忙な教員にとって、学校が新しく導入したシステムの使い方を学ぼうという気持ちには、なかなかなれない。ある学校は、教員がシステムの使い方を楽しく学べる仕組み作りに取り組んでいる。

深層学習は従来の機械学習と似ているが、モデル構造と出力の点で大きく異なる。専門家が解説する。

セルフサービス型のBIツールはビジネスインテリジェンスソフトウェアの主力定番になっている。一方でベンダーは、企業のニーズや高度な分析への対応方法を再考する必要に迫られている。

コンサルティング企業のDeloitteが新しく公開したレポートによると、非構造化データとその他のいわゆる「ダークデータ」を分析することで、大きなビジネス価値を得られる可能性があるという。

自社開発したデータ視覚化ツールのオープンソース化に踏み切ったUber Technologies。その狙いは、イノベーションを自社に環流させることにある。

主要なセルフサービスビジネスインテリジェンス（BI）ツールである「Tableau」「Power BI」「Qlik Sense」の長所と短所とは。機能やクラウド対応状況、価格、サブスクリプション制限といったポイントで比較した。

強力で先進的なBI（ビジネスインテリジェンス）ツールを選ぶ際にはさまざまな側面の検討が必要になる。だが経験者は「Tableau」などのセルフサービスBIの選択に際して、何よりも使いやすさを重視したと語る。

多くの企業は、今日のビッグデータとデータサイエンスがもたらすチャンスを認識しているが、一方でそのエコシステムの複雑さに手を焼いている。

数年前、テクノロジー業界を席巻したのはソフトウェアだった。そのソフトウェアの中で主役の座に躍り出ようとしているのが機械学習アルゴリズムだ。こうした傾向には相応の理由がある。

GPU技術はかつて主にゲーマーが関心を持つ分野だったが、今では新型GPUがシステムに搭載され、ディープラーニングやAIアプリケーションの実行に使用されるようになっている。

オンラインオークションサイト「eBay」は、自身が選択している言語で出品された商品リストしか表示されないという問題があった。その問題を機械学習を使って克服したというが、どのように対処したのだろうか。

米大統領選挙では、ほぼ全ての予測モデリングアルゴリズムが勝者予想を外した。その原因にデータサイエンティストが注意を払わなければ、今後あらゆる予測分析プロジェクトを迷走させてしまう恐れがある。

スポーツにデータ分析を活用する動きが広がり、行き過ぎではないかとの議論も出ている。データに基づく判断は利益をもたらすが、どんな場合でも正しいとは限らない。

IBMとGoogleが提供する新しい機械学習ツールにより、テキストや音声ベースのアプリケーションを素早く開発できるようになる。市場における競争はさらに活発になるだろう。

「Apache Spark」の商用ディストリビューションの多くには、クラウドのオプションが用意されており、顧客から人気を博している。だからといって、それがあらゆる状況で役に立つわけではない。

人工知能（AI）システムが大いに注目を集めている。AIをどう導入すればビジネスに効果的か、それを理解することは企業にとって緊急の課題となっている。

現代のBIレポートツールは、かつてBIを減速させていたETLなどのプロセスを最低限に抑えることができる。ある衣料品メーカーの実例を紹介する。

人工知能（AI）ソフトウェアが普及すると人間の職が奪われるのではないかと懸念する声がある。だが、ある専門家はそうした影響は少なく、むしろ労働者にとって有益だという。

複雑な解析問題を扱うために設計されている深層学習ソフトウェアは非構造化データを扱うときに最も効力を発揮する。

企業は今こそ機械学習の採用を検討し、最新のトレンドである高度な分析テクノロジーのメリットを享受すべきである。

多くの企業では、これまでに収集してきたあらゆる非構造化データを活用する方法を探している。深層学習アプリケーションがこのような企業の要求を満たす一助となるかもしれない。

シェアリングエコノミービジネスにとって、データに基づいた意思決定はなぜ重要なのか。ドッグシッターのマッチングサービスRover.comの最高技術責任者（CTO）であるスコット・ポラド氏がその理由を説明する。

企業がデータサイエンスチームを形成するときには、希少価値の高い人材を求めるよりも、さまざまなバックグラウンドを持った人材を確保すべきだ。

現在の人工知能（AI）技術を取り巻く実情を評価する際、企業はオールマイティーなツールを求めるのではなく、特定のタスクでAIを機能させる方法を考えなければならない。

ビッグデータ分析に対して、より厳しいデータプライバシー規制を望む人もいれば、政府の関与を望まない人もいる。

人工知能（AI）は50年近くにわたりアプリケーション開発の究極目標となってきた。だが現在進められている各種のプロジェクトがAIという看板を掲げているからといって、それらが真のAIであるとは限らない。