昨今、ChatGPTをはじめ、その精度の高さや便利さが取り沙汰されているAIですが、当社ではAIを用いた地盤情報の予測をしています。今回は、当社の地盤情報予測にも用いられているAIの基本的なしくみや手法について解説していきます。
AI
そもそもAIとはArtificial Intelligenceの略で、日本語では人工知能と訳されます。明確な定義はありませんが、一般的に、人間の知覚や知性をコンピューターにより人工的に再現したもの、とされています。その活用方法は多岐にわたり、チャット型テキスト生成AIであるChatGPTやスマートフォンなどの音声アシスタント、お掃除ロボットや自動車の自動運転までさまざまな分野で活用され、生活の利便性や業務効率化に貢献しています。
AIに内包される用語として、機械学習、ニューラルネットワークおよびディープラーニングがありますが、これらの関係は下図のようになります。
機械学習
機械学習とは、機械（コンピューター）が自動で学習し、データのパターンや傾向を発見し、モデルを導き出すデータ分析手法のひとつです。機械学習の学習法には大きく分けて、教師なし学習、教師あり学習および強化学習の3つがあります。
教師なし学習
教師なし学習とは、教師となる正解データを与えずにコンピューターにデータを学習させる手法です。コンピューターが自ら共通パターンを見つけ出し、正解となるモデルを形成していきます。教師なし学習の主な手法には、クラスタリング（クラスター分析）と次元削減があります。
クラスタリングとは、データの類似性を発見し、似た特徴のものをまとめて分類する手法です。
次元削減とは、大量の入力データから重要なデータを抽出し、要約する手法です。高次元データは処理が難しいため、データの特徴を要約することでより効率的な解析を可能とします。
教師なし学習は、教師あり学習の前段階として利用できるほか、コンピューター自らがデータの類似性からパターンを導き出すため、未知のパターンを見つけることが可能で、代表的な活用例に、購買データの分析や自動運転の開発などがあります。
教師あり学習
一方、教師あり学習とは、学習データに正解を与えた状態で学習させていく手法です。正解が明確である場合には教師あり学習を用います。正解データを必要とするため、教師なし学習よりも手間とコストがかかりますが、より高精度に予測でき、学習速度も早いです。
教師あり学習には、主に回帰と分類という2種類の手法があり、回帰では連続する数値の予測をします。たとえば、ある商品の売り上げを予測するとき、過去の売り上げデータをもとに未来の売り上げを予測します。
分類では、データのカテゴリーを予測します。データをYes or Noのいずれかに分類する場合（二値分類）、入力データを二分する境界線を求めることでカテゴリー分けをします。例としては、Aさんがある飲食店に行くかどうかを、Aさんが過去に訪れた飲食店の情報をもとに予測します。
教師あり学習の代表的な活用例には、メールのスパム判定やシステムの不正行為の検出などがあります。
強化学習
強化学習とは、与えられた環境の中で試行錯誤を繰り返しながら目標値に近づくための学習を行う方法です。強化学習は、教師あり学習、教師なし学習とは異なり、学習データの収集や前処理がほとんど必要ありません。環境と目標値を与えるだけでコンピューター自らがトライ＆エラーをくりかえし、価値を最大化していきます。
強化学習の活用例としては、ニュースなどでも話題になったAI棋士があげられます。学習データとして将棋のルールを与えられただけのAIが独自に学習を繰り返し、最適な対局方法を学習していくというしくみです。
ニューラルネットワーク
ニューラルネットワークとは、人間の脳神経を模した方法でデータを処理するアルゴリズムです。ニューラルネットワークは、情報を数値として受け取る「入力層」、入力層から受け取った情報を処理し、計算する「中間層」、最終結果を数値として出力する「出力層」の3層で構成されています。
ディープラーニング
ディープラーニングとは、中間層が複数あるニューラルネットワークのことです。中間層を多層化することで、AIがデータをより深く理解することが可能となります。一定量のデータを連続的に読み込むことでデータのどこに着目するべきか特徴を学習し、その特徴を用いて識別、判断を行います。
ディープラーニングでは、機械が特徴を自動定義するため、人間が認識しにくい特徴を見つけ出すことが可能です。画像認識や音声認識など高性能な認知能力を必要とする分野において活躍しています。
さいごに
今回のコラムを通してAIの概要をおわかりいただけたかと思います。コンピューターを使用すると大量のデータをすばやく処理することが可能なため、ビッグデータの取り扱いには非常に便利です。当社ではAIを用いた地盤調査結果の予測をしています。詳細は事業内容ページ「AIによる予測技術」からご覧ください。
