SFから現実へ：モダンエンタープライズへのAIの歩みを辿る

「人工知能」という言葉を聞いて、多くの人はAlexaやSiriを思い浮かべるでしょう。また、『ターミネーター』や『2001年宇宙の旅』のような映画を連想する人もいるかもしれません。

しかし真実は、人工知能（AI）が遠いSFの概念などではないということです。実は、私たちの身の回りのあらゆるところに存在しています。Netflixが次の視聴番組をレコメンドしたり、Uberが最適な帰宅ルートを計算したりするのも、すべてAIの働きです。

AIは、数十年かけて進化し、今も進化し続ける、モダンで相互接続された技術の洗練されたエコシステムです。したがって、AIの歴史が複雑で多層的であるのも不思議ではありません。現在のAIを形作った、変化し続ける多様なツールと機能の歴史なのです。

AIが今日なぜ重要なのかを理解し、明日に備えるためには、AIがどこから始まり、どのように進化してゲームチェンジャーとなったのかを知ることが役立ちます。

20世紀のAI：野心的な概念実証

現代的なAIは、エリート大学の研究室という学術的な空間で誕生しました。そこで学者たちは、コンピューティングの未来について深く思索しました。しかし、データとコンピューティングパワーの不足により、初期のAIはこれらの部屋に閉じ込められたままでした。

1956年、ダートマス大学で「ダートマス夏季人工知能研究プロジェクト」というワークショップが開催され、これがAI学術研究への決定的な第一歩とされています。このワークショップでは、20人の研究者が「学習を非常に精密に記述できるため、機械がそれをシミュレートできる」という仮説の証明を目指しました。

翌年1957年、アメリカの心理学者フランク・ローゼンブラットが、ダートマスの研究を発展させ、パーセプトロンを開発しました。これは二値分類を正しく実行できるアルゴリズムで、人工ニューロンがデータから学習できるという有望な証拠が初めて示された瞬間です。

さらに翌年、ダートマス会議に出席していたジョン・マッカーシーとMITの複数の学生たちが、新しいプログラミング言語Lispを開発しました。数十年後、マッカーシーの研究は、自然言語プログラムSHRDLU、代数システムMacsyma、論理システムACL2といった、さらにエキサイティングなプロジェクトを生み出すことになります。

これらの初期実験を振り返ると、AIがハイレベルな研究の世界から、実用的なコンピューティングの世界へと、最初の頼りない一歩を踏み出した様子が見て取れます。

1960年には、人口統計に基づいて投票行動を予測すると主張するSimulmatics社が登場しました。

1965年には、いわゆる「エキスパートシステム」が開発されました。これらは、事実の集合と推論エンジンを組み合わせ、データを解釈・評価することで、コンピュータシステム内の専門的問題を解くことを可能にしました。

その翌年1966年、MITのジョセフ・ワイゼンバウム教授が、イライザ（Eliza）というパターンマッチングプログラムを設計しました。ユーザーが情報を入力すると、精神療法士を装ったイライザが開かれた質問で返すことで、ユーザーに「AIは知的だ」と感じさせました。

1970年代半ばには、政府と企業がAIへの信頼を失いました。資金が枯渇し、その後の期間は「AIの冬」として知られるようになります。1980年代と1990年代に小規模な復活はありましたが、AIは概ねSFの領域に追いやられ、真面目なコンピュータ科学者たちはこの用語を避けるようになりました。

1990年代後半から2000年代初頭にかけて、Microsoftによるベイズ法を用いたスパムフィルタリングや、Amazonによる協調フィルタリングを用いたレコメンデーションなど、機械学習技術の大規模適用が見られるようになりました。

21世紀のAI：大成功を収めたパイロットプログラム

2000年代に入ると、コンピューティングパワーの向上、大規模データセットの利用可能化、オープンソースソフトウェアの台頭により、開発者たちは比較的短期間で、科学、消費者、製造、ビジネスの各コミュニティに革命をもたらす高度なアルゴリズムを作れるようになりました。AIは今や多くのビジネスにとって現実のものです。例えばマッキンゼーは、企業が現在AIを用いてビジネス課題を解決している事例を400件発見しています。

Webがデータ整理の新たな道を開く

2000年代初頭から半ばにかけて世界を席巻したWeb革命は、AI研究の世界にも重要な変化をもたらしました。XML（Extensible Markup Language）やPageRankといった基盤技術が、AIが利用できる新しい形でデータを整理したのです。

XMLはセマンティックWebと検索エンジンの前提条件となりました。Googleの初期イノベーションであるPageRankは、Webをさらに整理しました。これらの進歩により、Webがより使いやすくなり、大量のデータがAIにとってよりアクセスしやすくなりました。

同時に、データベースはデータの格納と検索が上達し、開発者たちはデータ操作を容易にする関数型プログラミング言語に取り組みました。研究者と開発者がAI技術をさらに発展させるためのツールが揃ったのです。

ニューラルネットワークとディープラーニングがAIの可能性を実証

20世紀にはAIへの大きな夢がありましたが、コンピューティングパワーの制約で実現はほぼ不可能でした。しかし21世紀には、コンピュータが大量データの格納、処理、分析において指数関数的に強力になりました。これにより、ニューラルネットワークとディープラーニングという高遠な目標が現実のものとなりました。

研究者たちは、機械の訓練に特化したデータセットを開発し、AlexNetのようなニューラルネットワークを生み出しました。それ以前は機械訓練用データセットは数万件規模でしたが、GPU（グラフィックス処理装置）の進歩により、新しいデータセットは数千万件規模になりました。

コンピュータチップメーカーのNVIDIAは、2006年に並列コンピューティングプラットフォームCUDAを発表しました。このプラットフォーム内でNVIDIAはGPUを用いて計算を高速化しました。この性能向上により、TensorFlowやPyTorchといった機械学習ライブラリで書かれた大規模で複雑な機械学習モデルを、より多くの人が実行できるようになりました。

その後、これらのライブラリがオープンソース化し、技術がよりアクセスしやすくなるにつれ、広範な実験が促進されました。このAIの民主化が、AlphaGo、Google DeepMind、IBM Deep Blueといったエキサイティングな新ツールを生み出す土壌となりました。

コンピュータビジョンが新たな業界応用の扉を開く

2000年代まで、AIはテキスト処理にしか役立ちませんでした。しかし世紀の変わり目に、コンピュータビジョンの進歩により、コンピュータが画像を認識・解釈できるようになり、AIのユースケースが新たな高みに達しました。

今回のパイオニアたちはアカデミックな研究者ではありませんでした。彼らは私たちの家庭の中にいて、掃除（ルンバ）やゲーム（Xbox Kinect）をこれまで以上に簡単にし、コンピュータビジョンを世界中の家庭に届けました。

また、自動運転車への応用や、病院での病変や肺炎の自動検出にもコンピュータビジョンが使われるようになりました。

業界固有のユースケースにとどまらず、コンピュータビジョンの多様性は、ロボティックプロセスオートメーション（RPA）の進歩にも火をつけました。🎉 OCR（光学文字認識）と組み合わせることで、RPAロボットは構造化・非構造化の両データを処理できるようになり、データ分析の世界を一変させました。

データ分析がAIビジネス応用を改善

過去20年間で、自動化とAIが複雑なビジネスユースケースに耐えうることが証明されました。AIがデータ分析においてさらに優れるにつれ、企業はAIをさらに活用して、よりスマートかつ効率的に働けるようになります。

銀行では、年間で大量に届く非構造化メールから顧客問い合わせを分類するのにAIを活用しています。このプロセスは手作業では膨大な労力がかかり、ルールベースのキーワード分類では精度が出ません。AIを使えば、高精度でメールを分類し、平均処理時間（AHT）を短縮できます。

AIと自動化は金融サービスだけでなく、医療保険分野でも貢献しています。ハイリスク妊娠の早期特定を加速させています。ソフトウェアロボットが検証済み患者データを読み込み、予測モデルにアクセスしてリスクスコアリングを行い、適切なケアマネジメントプランを決定します。その結果、低出生体重児の正確な特定が24%増加し、44%の低出生体重児を回避し、年間1,100万ドルのコスト削減を実現しました。詳細はこちら。

自然言語処理と音声認識がAIの使いやすさを向上

AIはテキスト分析から始まりましたが、決してそれをマスターしたわけではありません。最近まで、OCRを使ってもテキストは機械可読フォーマットで構造化する必要がありました。自然言語処理（NLP）の分野が、コンピュータに自然言語を理解させるプログラミングの最先端を押し広げてきました。

NLPのよく知られた例の一つが、GPT-3（Generative Pre-trained Transformer 3）です。2020年5月に発表されたGPT-3は、ディープラーニングを用いて人間が書いたテキストに極めて近いテキストを生成します。すでに興味深い応用が現れており、記事執筆（The GuardianがGPT-3に「ロボットの無害さ」についての記事を書かせた）やコンピュータプログラム生成などが挙げられます。

NLPの応用はGPT-3にとどまりません。音声からテキスト生成、テキストの自動要約、多言語翻訳などにも使われます。

NLPはしばしば最先端にありますが、私たちの生活にも浸透しています。AlexaやGoogleアシスタントのようなバーチャルアシスタントは、自然言語リクエストを処理し、実行可能なコマンドに変換します。シンプルな音声指示で、情報検索、ライトやロックなどのスマートデバイスへの命令ルーティングなどが可能です。

AIの未来：エンタープライズのゲームチェンジャー

次の技術成熟の10年に向かうにつれ、エンタープライズにおけるAIのユースケースはさらに拡大し続けるでしょう。過去のツールがAIで可能なことの基盤を築きましたが、これらのツールをスケールさせることで、まだまだ開拓の余地があります。

AIがさらに進化すれば、企業はRPA、機械学習、プロセスマイニング、データ分析を活用し、あらゆる成熟度のビジネスが利用できるようになるにつれ、強力なエンドツーエンドの自動化スイートを構築するようになります。AIはもはや研究者と開発者の専有物ではなく、モダンなツールの助けを借りて、一般ユーザーが自ら特定した問題をAIベースのソリューションで解決できるようになります。

テクノロジーがビジネスユーザーにとってよりアクセスしやすくなるにつれ、自動化のフライホイールが回り始め、企業にさらなるAI応用のアイデアと可能性を提供するようになります。これらの可能性は、最先端の自動化プラットフォームとツールによって支えられ、私たちの働き方をリブートし、革命を起こすでしょう。

UiPath AI Fabric（現AI Center）を使えば、ユーザーはモデルを簡単に起動し、データを流し込み、インサイトを得て、有用性を評価できます。

編集注： 自動化市場の進化に伴い、UiPathプラットフォームもお客様の自動化ニーズに最適に応えられるよう更新され続けています。したがって、この記事の初版公開以降、AI Fabricの製品名は進化しています。最新情報はAI Centerのページをご覧ください。

今日のAI：始めるべき適切な瞬間

今こそ自動化の時です。AIの進化は理論の段階を超え、必須のものとなり、受け入れる企業には数百億ドル規模の価値を解き放つと予測されています。

主要組織がいかに自動化とAIを活用し、「完全自動化エンタープライズ™」のビジョンを現実にしているかをご覧ください：