こんにちは、ドラ蔵です。
今日は鉄道業界を賑わすAI・IoT化について考えてみたいと思う。
ちなみにドラ蔵は元鉄道業界であり、現在はまさに上記の課題をビジネスにする立場にある。要はシステムとかそういう会社にいる。
知らなかったでしょ？言った気はするけど。
鉄道業界も例外ではなく、各職種でAI・IoT化が進むと見られていた。
実際それ自体はまぁ否定はしない。
鉄道業界の場合、人口減少と自動車社会の進展の影響をモロに受ける為、
経営と人員に余裕のあるうちに各種施作の手を打っていきたいというのが本音だろう。
今回はそもそもAIとは？という基本的な部分と、鉄道業界での使われ方等について簡単に触れさせていただく。
そもそも「AIとは何か？」がわからない人向けに、説明するよ！
コンテンツ
現状の社会のトレンドと、AIの進展した理由
そもそも、AIがなぜブームになっているのかというのを知る前に、今の社会の流れを知っておく必要がある。
まずAIブームの裏には
- IoT化の進展
- ビッグデータが手に入る
- ハードウェア・データ処理技術の発展
- AIの発展
- ロボティクス化の進展
という流れがざっくりある。
要は「IoT」であらゆるモノの情報がネットワークを通じて入手可能になる
↓
それにより従来手に入らなかった「ビッグデータ」が入手され、
↓
それを処理する為のハードウェアの処理機能や、データの取捨選択を行う
分析技術が発展し
↓
AIによる学習・高度な判断支援が可能になり
↓
ロボットなどに組み込むことで多様かつ複雑な作業も可能になっていく。
て流れです。
このIoTに担を発し、AIの進展がもたらす産業構造の変化を
「第４次産業革命」と言っている。
で、当たり前ながら、この先に関して言えば
当然新しいビジネスチャンスが生まれると同時に、
低付加価値の単純労働が駆逐されていく、という話になるわけっすわ。
これが今鉄道業界だけでなく、多くの業界が置かれている現状です、はい。
AIとは何か？簡単に言うと
はい、まずAIとはなんぞやと言うところです。
AIとは、「人工知能」でございます。
・・・・・
・・・・・・
そうだよね、違うよね。
真面目に言うと、AIの定義は各社により微妙に違う為、
あくまで一例として聞いてほしい。別にどこかをディスるつもりはない。
一応、弊社の中では
AI＝ヒトの知的活動をコンピュータ化したもの
と定義している。
ではヒトの知的活動とは何か？という問いに対し
知的活動を
- 学ぶこと（学習すること）
- 認識・理解していくこと
- 予測すること（推論とか）
- 計画すること（最適化とか）
とざっくりではあるが定義付けている。
AIで何が出来るのか？いつからAIブームが起こったのか？
AIで出来るであろうことは現状こんな形
AIで出来ることってじゃあ何なんすか？て部分は当然あると思うけれども
基本的にまだ某映画のよう自律的な意思決定をすると言うよりは
ヒトが担っていた部分の代替or判断支援の要素が強い。
つまりざっくりと言えば
- 見る（画像認識）
- 聞く（音声認識）
- 考える（予測・推論）
- 話す（テキスト・文字認識）
- 行動する（対処）
と言う部分で説明できるものが殆ど。
スマートスピーカーとか、車の自動運転技術とか、売上予測とか
ありとあらゆる部分で使われている。
ただ、”行動する”と言うフェーズに関しては、ロボットとの関連（ロボティクス化）が強い為、ハードウェアを作れるメーカーに分があるのが現状。
AIブームはいつから起こっているのか？
当然AIブーム自体はいきなり起こったものではない。
上述の通り、AIブームに至るにはIoTとビッグデータという流れがある。
ただ、基礎研究自体はもう50年近く行われていて、決して新しいものではない。
むしろドラ蔵より遥かに年上。
第一次としては1950年代
実用化を目指すとかではなく、単純におもちゃのような位置付けで誕生。
第二次は1980年代
この時はもう少し進化してルールベースで学習できるシステムとして発展。
つまり、人がルールと手順を教えれば、その通りに実行してくれるというもの。
これだけでも十分だけども
人が教えなくても、自分で規則性とか法則を導き出して学習してくれると良いよね？てことで
今の第三次ブームが2000年代半ばから起こり、現在に続いている。
つまりビッグデータという大量のデータの中から
規則性や法則・ルールの発見のため、
認識・理解し、学習することに秀でた今の機械学習主流のブームが出来上がったわけ。
＊機械学習・・・AIの中の一つ。
認識・理解し、推論・予測するという人間の知的能力を
コンピュータが実現しようとする技術のこと。
機械学習とは？ディープラーニングとはの違いは？教師あり学習って一体・・・・？
機械学習の教師あり・なし学習の違いと使われ方について
昨今良く聞く、この言葉。
いまいち違いのわからない人もいるのではないかと想定。
一般的に見れば確かに分からないよね、どれも使われているけど何となくの方も
多いことだろう。
まず機械学習については、上記説明の通り、
AIの中の一つ。マシンラーニングというので
大量のデータを機械に食わせていく。
ちなみに機械学習という単語自体は別に新しくはない。
この機械学習という方法には
「教師あり学習」と「教師なし学習」そして「強化学習」
というパターンに分類される。
よく耳にする単語ね。
で、何が違うのか。
教師あり学習：正解データと学習用データの２つセット
教師なし学習：学習用データのみ（正解・答えなし）
強化学習：選択肢が多数ある中で、価値の最大化を目指すもの
ざっくり言うとこんな感じです。
例えば教師ありの例題として、売上の将来予測というものがある。
例）A店での３／１のおにぎりの売上予測をしなさい
という問題に対しては、当然過去の売上データをもらうことになる。
つまり、「過去の３／１にはおにぎりは何個売れた」という正解と、
これからの売上を考える際に、
影響を与えそうなデータ（気候・イベント・発注量など）
を食べさせて正解を出すんだね。
対して、教師なし学習の場合
ざっくりデータだけ与えられて、分類してみてね！という形。
意識調査をした結果をデータに食わすと、
アウトドア志向、健康志向、美容志向に分けられた！
みたいなクラス分けをするイメージを想像してもらうとよい。
いや、クラス分けだけの話ではないけれども。
つまり「データから何か見えてくる？見えてきたらよろしく！」みたいなもの。
そして強化学習。これは
”囲碁の世界チャンピオンをAIが打ち負かした！”
みたいな時に使われている方法。
- 囲碁の目的は勝つこと
- 勝つまでの道のりはズルしない範囲でどんな手でも良い
- 複数の選択肢（攻め方）がある中で、その一手毎の価値最大化が重要ではない場合
に使う。意外と難しそうでしょ？ドラももっと勉強します！
最近よく聞くディープラーニングとは？分かりやすく言うと？
はい、ここで機械学習の説明を思い出して欲しい。
大量のデータをマシンに食わせる。マシンが学習＝機械学習
・・・
・・・・
いやダジャレではなくて。
つまり、ネコの画像を「ネコや！」と認識させるには
- ひげがある
- 耳がある
- 柄はミックスがある
- 真っ黒もあれば真っ白もある
- 目は丸くて・・・・・
みたいな特徴量（見分けポイント）を人が決めて、
ひたすら機械に学習させる必要があるわけね。
ところがこの深層学習（ディープラーニング）というのは
人が特徴量を決めなくても、大量のネコ画像を食わせるだけで
勝手に「ネコの特徴はこんなんやな」みたいに
見分けポイントを自分で学ぶわけ。
賢いでしょ？画像認識とかはまさにこれ。
ただし、当然見分けポイントの精度を上げるためには、
大量の画像を学習しないと、自信を持って「これはネコや！」
と言えないわけっすよ。
つまりデータを大量に用意できないものは、ディープラーニングには向かないぜ！てことを言いたい。
AIはすごい、ただし誤解しないで欲しい
一応、AIてのは確かにすごい。
そして、恐らくながらAI化については進展するだろう。
が、あくまでも、上記を理解した上でAIを語ろう。
つまり、今のところ、最強と言われるものはこの世にはない。
現段階では最強のアルゴリズムを用いて、各社知恵を絞っているのが実状である。
これからより革新的なものも今後出てくると思うが、
現状AIが「人以上のことはあまりできないよ！」てことです。
はい、皆さんこれを機にAI学んでみてね！
コメント