Pythonや数学の基礎から機械学習、ディープラーニングまで実践的に学べる学習プラットフォームの運営です。AIを体系的に学べる日本初のプログラムがあり、未経験レベルから日本ディープラーニング協会のE資格取得レベルまであらゆる方に合わせた教育サービスを提供しています。

意外にそうでもありません。ユーザー側の企業さんも多いです。今はノーコードで作れるツールも多いので、画面上で選択していくだけで予測モデルや画像認識モデルを作ることができるため、エンジニア中心の企業でなくともAIに触れる機会は多いです。またデータ活用やデータ分析の基礎の部分での研修の要望も多いです。

ノーコードとはいえ、AIが出した答えをどう解釈すべきなのか、作るときにどんなことに気をつけなければいけないかなど、AIの仕組みを理解しておく必要はあります。そこで当社の「スキルアップAI」の研修で、データ分析やAIについて学んでいただいています。

実際に自社のデータに基づいて売り上げの予測をしたり、検品の正確性を高めたりするなど、かなり実践的な内容が多いです。いわゆる動画学習は事前学習という位置付けで各自理解を深めてもらい、ライブ配信や対面講義で実践的な内容に取り組む構成が多くなっています。

実務経験豊富な講師から実務に活かせる内容を学ぶことができるため、データを扱った経験の少ない会社でもデータ分析の活用方法を具体的にイメージできるようになります。医療AIや気象データ講座など、専門領域に特化した講座も用意しています。

さまざまな分野が注目されていると思うのですが、個人的なトレンド感でお話をすると、自然言語処理が急速に伸びていることを実感しています。

AIが得意とする「画像認識」、「音声認識」「予測」のここ数年の伸びに比べて、「自然言語処理」は他の分野と比べると内容が難解なこともあり開発・活用が遅れていた印象でした。しかし今話題になっているChatGPT含め、近年急速に技術的な進化が進み、広く使われるようになってきています。

はい、ChatGPTは2020年に発表されたGPT3という言語モデルを元に作られており、今はGPT4にバージョンアップされているのですが、新しいモデルが発表されてから2年ほどで一般活用されています。技術の進歩も速くなっていますが、社会実装の速度も上がっていることを実感しますね。

たくさんの人にAIをより身近に楽しんでいただく目的で開発しました。AI関連の勉強をしたことのある方なら、一度は見たことのあるような単語が並んでいます。日本ディープラーニング協会のG検定で頻出するキーワードを中心に収録しているため、テスト対策の一環としてもおすすめです。

カルタなので絵があるのですが、AIの概念的な言葉をどう図示するかは色々と議論しました。デザイナーさんがAIに詳しいわけではないので、どう分かりやすく絵や図にするかは苦労した部分ですね。AIの知識がない方に、どう教えたら簡単に理解できるか、私たちも学びながら作りました。

企業で購入いただくことも多く、AI研修の導入として、アイスブレイクも兼ねて使っていただいています。人数がいると盛り上がるので、企業の研修にはもってこいのようですね。また、展示会などで置いていると、関心を持っていただくことが多いです。Amazon Alexaスキルに対応しており、Alexaが読み札を読み上げてくれるため、1人で学習するときにも使えますよ。

今後エンジニアが気にしておいた方が良い単語としては、「XAI」ですかね。簡単に言うと「説明可能なAI」ということですが、AIの社会実装が進むにつれて重要になってくると思います。

基本的にAIはブラックボックスなので、回答の根拠がわかりません。例えば「明日の天気は？」と聞いて「晴れ」と返ってくることはあっても、なぜ晴れという回答を導き出したかは分からない。雨雲や気圧の流れなどのデータについて気象予報士が解説してくれるのとは異なり、計算結果の「晴れ」という回答しか示されません。

でもデータの根拠が見えないと困るケースが多いんです。例えば、企業が顧客対応にチャットAIを導入するケースが増えていますが、そこで差別的な回答をすると企業の信用は一気に失墜してしまいます。あるいは、自動運転で人を検出できなかったら、なぜ人を検知できなかったのかを解明する必要があります。そういったときにAIの各プロセスを可視化したり、入力変数と出力結果の関係を示すなどにより、AIが導き出した回答を説明可能にするという技術です。

はい。ですから、XAIでAIの品質を担保し、改良を加えていくということはとても重要です。何か問題が起こったときにも、どの工程で不十分な点があったのか、責任がどこにあったのかが議論できるようになります。

いろいろありますが、一つ挙げるとすればAIの学習方法についてでしょうか。AIの学習方法には、教師あり学習・教師なし学習というものがあります。

教師あり学習というのは、AIの学習において、人間が正解を与えた状態で学習させる手法です。例えば犬と猫の画像を見分ける学習をさせるときに、正解の犬の画像はどれか、人間がラベルをつけて示すということです。

教師なし学習の中のクラスタリングでは、いろいろなものがある中で似たものをグループ化することができます。例えばたくさんの花の写真がある場合、分類数を指定してあげるとAIが「赤い花」「白い花」「青い花」のようにグループ化してくれます。学習データやラベル付けが不要であり、時に予想外の結果を得られることもあります。

教師あり学習と教師なし学習の中には、線形回帰やサポートベクターマシーン、k-means法、主成分分析など多数のアルゴリズムが存在します。 これらはG検定でもよく出てくる内容なので、それぞれの特徴をよく理解しておくと良いと思います。

そうですね、AIは全ての仕事において自然に組み込まれていっていますし、より多くの分野で今後AIの技術は求められていくと思います。

例えばGmailの迷惑メールの自動振り分けもAIが処理していますし、特定のサービスを購入するときの自動チャットや、スマホで写真を撮るときに人にフォーカスが当たる技術もAIです。さまざまな場面でAIが活用されているので、AIエンジニアに限らずどんな仕事をしていても自然とAIに関わっていくでしょう。

自分が開発しているサービスの一部にAIが使われることも増えてくるので、AIの仕組みを理解しておくことは全てのエンジニアにとって大切だと思います。

はい。スキルアップAIが独自開発したアセスメントサービス『SkillCheck AI』を用いて、人材の強みや得意領域を定量的に可視化し、企業のニーズとマッチした人材を紹介しています。企業の中に入って人材育成や組織構築を行っているからこそ、人材ニーズを精度高く認識し、求職者の志向とスキルに合った人材紹介が可能です。

今までは製造業の製造ラインの検品作業や、コールセンターでの質問の振り分けなど、企業の内部でAIを活用することが多かったように感じます。でもAIの精度が上がっていくにつれて、今後はtoCサービスにもAIの活用が増えていくのではないでしょうか。

現在AI開発の主流はPythonなので、Pythonの経験がある方はとっつきやすいでしょう。また統計学や数学に知見があると良いですね。自分が向いているか向いていないかを判断する意味合いも含めて、一度G検定を受けてみることをおすすめします。

私自身が現在注力して取り組んでいる分野に量子コンピュータがあります。スーパーコンピュータの開発が進み、計算速度はとても向上していますが、それでもまだまだ足りない領域が存在します。例えば建築資材や衣類など新しい素材を作りたいときにどのような物質を組み合わせれば良いのか、新薬を作るときにどんな化学合成が良いのか。さらには、渋滞を無くすために道路を走っている自動車それぞれの目的地と交通量を考慮し適切な進路を割り出したいなどです。

量子コンピュータはまだまだ開発途上であり、よくニュースなどで言われているような「スーパーコンピュータと比較して何でも爆速で計算できる」わけではありません。ただ、量子コンピュータが解くのが得意な問題というのは徐々に分かってきていますので、いわゆるノイマン型コンピュータと併用するような形で、私たちの生活に大きな変化をもたらしてくれるであろうと予想できます。社会全体がさらに大きく変わると考えられています。