DXTコンサルティングの
兼安 暁（かねやす・さとる）です。
昨日は、
「デジタル時代のサブスクリプションの勝ち方」
というテーマでお話ししました。
サブスクモデルは、
古くからあるものの、
デジタル技術の発展によって、
そのビジネスモデルの何が変わったのか？
一番の大きな変化は、
商品中心が顧客中心に変わり、
一人ひとりの会員が何を求めているのか？
この答えは、
デジタル技術の発展によって、
以前よりもはるかに
把握しやすくなったことです。
一度、
NetflixやAmazonの
会員になった顧客は、
自分にとってサービスの価値を
より多く感じ、
サービスを解約するのは、
勇気が必要となります。
Netflixが
自ら莫大な製作費をかけて
大作を作る理由も、
Amazonが
プライム会員への
サービスを増やすのも・・・
「如何に（会員に）使い続けてもらうか」
この、
デジタル時代のサブスクリプションの勝ち方を
知っているからでしたね。
今日は、
「一括りにしてはいけない「AI」」
というお話です。
昨今、
AIブームと言って良いほど、
AIが注目を浴びています。
その証拠に、
AI関連企業の価値はうなぎ登り。
必然的に時価総額も高くなっています。
ところで、
AIといっても、
その中身がさまざまってことを
ご存知ですか？
実は、
AIは、学習の深さによって、
「機械学習」と「深層学習」
のどちらかに
大別されているのです。
機械学習のAIは、
分類や識別、予測を得意とします。
分類や識別は主にパターン認識で、
例としては、
不良品検知や不正検知
YesかNo、
あるいはいくつかのパターン分け等です。
顔認証も画像認識を使った
機械学習になります。
一方で予測は、
回帰分析による予想となります。
こちらの例は、
株価予測や降水量の予報で、
連続値を出力します。
そして、
機械学習の中で、
さらに下記の３つに分類されます。
①教師データがある場合（Supervised Learning）
②教師データがない場合（Unsupervised Learning）
③強化学習（Reinforcement Learning）
①教師データがある
「教師あり学習」は、
原因と結果の両方を学習させます。
大量のデータをプログラムに
読み込ませることで学習させ、
未知のデータを与えて
結果を予想するというものです。
株や為替の自動売買システムや、
不良品検知、不正検知等に使われます。
②教師データがない
「教師なし学習」は、
人間が正解となるデータを与えずに、
入力データのみを与えて、
そのデータから特徴を見出す学習法です。
例えば、
不整脈を見つけたり、
異常な振動パターンを見つけて故障を予兆したりするなど、
一定のパターンから外れたデータを見つけるのが得意です。
最後に、
③強化学習とは、
明確なデータを与えて学習させるのではなく、
リアルタイムに発生するデータから、
報酬が得られたパターンだけを強化していく
という学習方法です。
犬に芸をしつけるときに、
報酬（オヤツ）を目当てに
「お手」や「お座り」など覚えていきますね。
強化学習は、
芸を覚える犬の姿をイメージすると
分かりやすいと思います。
一方で、
深層学習（ディープラーニング）は、
機械学習の中でも、
人間の脳の仕組みと似た
ニューラルネットワークを利用した学習方法です。
音声認識や画像認識、
自然言語処理、異常検知が得意です。
深層学習では、
データが多いほど精度が上がるものの、
データが少ないとあまり役に立たないと
言われています。
今日は、
「一括りにしてはいけない「AI」」
というテーマでした。
AIが、
学習の深さによって、
「機械学習」と「深層学習」
二つに大類されていて、
「機械学習」の中でも、
例題と答えについてのデータ
“教師データ”の有無によって、
①教師データがある場合（Supervised Learning）
②教師データがない場合（Unsupervised Learning）
に分類されるということ、
他に、
犬に芸をしつけるときのように
AIに報酬目当てに学習させる仕組み
③強化学習（Reinforcement Learning）
があるということ。
つまり、
AIの中にも
学習の深さ、学習方法による分類
があるというお話でした。
明日は、
AIと非常に関係性が深いIoTについて。
IoTという言葉も、
AIと同じくらい、
見聞きするようになったと思います。
整理もかねて、、、
「部下には聞けない「IoT」とは何か？」
というテーマでお送りします。
お楽しみに！
