AI（Artificial Intelligence）とは、推論・判断・意思決定など人間の知的機能の一部を代替するために作られたコンピュータシステムのことを意味します。

例えば、将棋のプロでも敵わないアルファゼロという将棋ソフトウェアがその典型です。
AIの歴史は古く、1950年代末期に第1次AIブームがあり、1980年代に第2次ブームがあり、そして今日は第3次ブームに位置付きます。

第1次ブームでは述語論理をベースとした推論システムの研究開発が行われ、第2次ブームでは人間の脳の神経細胞を模したニューラスネットワークシステムの研究開発が行われました、今日の第3次ブームでは統計解析を利用したシステムの研究開発が行われているとともに第1次、第2次の技術が再興しています。

今日話題となっているオントロジーは、第1次ブームで研究された推論システムの発展形であり、機械学習は第2次ブームのニューラルネットワークシステムの発展形です。

AIは今日様々なシステムに導入されています。
例えばアマゾンのレコメンド機能や交通動態予測、認証のアルゴリズムなどが代表例です。

AIの定義として強いAIと弱いAIの概念があります。
曰く、

・強いAI：人間の知性により近づくことを目的としたAI。
・弱いAI：人間の知的機能を応用して実用化されたコンピュータシステム。

今日のAIの隆盛は第1次ブーム以来の基礎研究が進んだこと以上に、コンピュータ装置の性能が著しく向上いたことによるものです。
例えば冒頭に上げたアルファゼロですが、将棋ソフトのアイデアは昔からありました。

それにも関わらず今になって人間のプロ棋士を凌駕するようになったのは、AIの知性が向上したからではなく、膨大な棋譜を記録するメモリとそれを利用して高速にデータを処理できるCPUの発達が寄与するところが大きいです。

その意味では、今日のAIの発展は強いAIの発展というよりも弱いAIの普及拡大の意味合いが強いでしょう。

データクレンジング・名寄せを行う際、単純な表記ゆれは機械処理である程度補正することが可能です。
しかし、概ね半数以上のデータは単純な機械処理では捕捉ができないような表記のゆれ方をしており、機械的な対応だけでは十分な結果が得られないというのが今までの実態でした。

しかしながら、AIの進化により、今まで人の目を介して初めて捉えていたような事実を、オントロジー（概念）レベルで機械的に紐づけ、マッチングをさせていくような技術研究が各所で進んでいます。

これらのテクノロジーを使いこなすためには、機械にインプットする「教師データ」が必要になります。
この「教師データ」を構築し、学習方向を補正し、機械が判断する際の誤り率を減らす舵取りは、やはり人間の手を介さざるを得ません。

NTTデータ バリュー・エンジニアはこうした、AIをはじめとする最新技術に対するインプットデータの構築についても、ご支援をさせていただいています。

 

 

詳細は以下をご覧ください。

 

>   NTTデータ バリュー・エンジニアのデータクレンジング 単なる作業としてではなく、お客様の利用目的や実際のデータ状態を確認した上で最適なデータクレンジングの設計をします。   >   NTTデータ バリュー・エンジニアの名寄せ 一見簡単そうに見える「名寄せ」ですが、やみくもに実施すると連携している別システムに影響が出たり、名寄せ後のデータ活用で品質の問題が出てきます。品質の良い名寄せのポイントを紹介しています。   >   データマネジメントを成功させるポイント NTTデータ バリュー・エンジニアが考えるデータマネジメントを成功させる3つのポイントを紹介しています。