## ニューラルネットワークとディープラーニング

ディープラーニング（深層学習）が機械学習の1種であることは分かっていても、ディープラーニングとニューラルネットワークは何が違うのか、分かりづらいという方がいるかもしれません。

この記事では、*ニューラルネットワークとディープラーニングとの違いをテーマに、改めてAI（人工知能）に関する基本を確認していきます。*まず初めに、AI、機械学習、ディープラーニング（深層学習）の関係と、それぞれの概要を改めて確認しておきましょう。

今や一般用語となったAIですが、AIの明確な定義は定まっていません。AIは「Artificial Intelligence」（人工知能）の略語で、人工的に人間の知覚や知性を再現したものがAIです。

一般社団法人の「 人工知能学会」では、**「AIは知的な機械、特に知的なコンピュータプログラムを作る科学と技術である」と紹介しています。**そして、今話題の生成AI、ChatGPTはまさしく典型的なAIの1つと言ってよいでしょう。

【参考】：[一般社団法人「 人工知能学会」](https://www.ai-gakkai.or.jp/)

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

ChatGPTとは？今話題のAIチャットボットの概要や仕組みを解説！

最初にAI（人工知能）と機械学習、ディープラーニングの関係を確認しておきましょう。AIの構成要素として機械学習がありますが、その機械学習の1手法としてディプラーニングが存在しています。

それらの関係性を図式化すると、**『AI>機械学習>ディープラーニング』という関係になり、これらをまとめて「AIの三大分類」と言われています。**

AIを学習させる方法とは？機械学習やディープラーニングについて解説

機械学習とは、まさに機械（コンピュータ）自身が反復学習して、読み込んだデータから、データの背景にあるパターンやルールを見出す方法のことです。英語ではMachine Learningと呼びます。

ポイントは機械が単に丸暗記するのではなく、ある事象から特徴をつかむ点です。**機械学習では特徴から法則を見出し、見出した法則から予測や判断を行います。**機械学習には「教師あり学習」と「教師なし学習」、「強化学習」の3種類があります。

### ディープラーニング（深層学習） とは

ディープラーニングは深層学習とも呼ばれ、機械学習の1つの手法です。**ディープラーニングではデータからルールやパターンを学習する際に、多層的な構造で捉えてデータの複雑さに対応し、データの分析精度を向上させます。**

例えば、ディープラーニングが活用される画像認識では、画像を構成する要素、すなわち形や色以外に、明暗や色相といった要素から多くの特徴を数値化し、入力した画像の特徴を中間層として構造化し、画像が何の画像なのかを判断します。顔認証、音声認識、自然言語処理などはディープラーニング技術を用いています。

ディープラーニングとは？機械学習との違いもわかりやすく解説

自然言語処理とは？注目される理由やできることをわかりやすく解説

### ディープラーニングとニューラルネットワークの違い

ここまで、AIとその構成要素である機械学習、さらには機械学習の1つの手法であるディープラーニングについて、おさらいをしました。しかし、AIを語る上で忘れてはならない「ニューラルネットワーク」があります。

**ニューラルネットワークは機械学習において欠かせないアルゴリズムの1つであり、そのニューラルネットワークを応用したものがディープラーニングです。**

ニューラルネットワークとは？仕組みや関連用語をわかりやすく解説

## ディープラーニングとニューラルネットワークの関係

機械学習について学び始めると、必ず登場するディープラーニング、そのディープラーニングを行う上で外せないのがニューラルネットワークです。

では、ディープラーニングとニューラルネットワークはどのような関係なのかを見ていきましょう。

### 機械学習とニューラルネットワーク

**機械学習のアルゴリズムとして用いられるニューラルネットワークは、人間の脳に似た働きをコンピュータ上で再現したものです。**人間の脳には大量の神経細胞（ニューロン）が存在し、ニューロンに電気信号を伝達をすることによって情報が処理されます。

この伝達を数理モデルにし、複数を組み合わせてニューラルネットワークが形成されます。ニューラルネットワークを例えるなら脳であり、神経細胞に当たるものを「パーセプトロン」と言います。

当初、パーセプトロンは入力をもとに出力するという単純なモデルで、線形分類しかできませんでした。

そこで、入力層と出力層の間に隠れ層（中間層）という関数を追加し、非線形分類を可能にした多層パーセプトロンが生まれ、現在のニューラルネットワークの基本モデルとなっています。

*■ DNNとは*
従来のニューラルネットワークの概念では、入力層・隠れ層（中間層）・出力層は各1層の3層で構成されていましたが、ディープラーニングに対応した4層以上に層を深くしたものをディープニューラルネットワーク：DNN（Deep Neural Network）と言い、より複雑な情報処理が行えるようになっています。

### 深層学習（ディープラーニング）

**ディープラーニングは、一言で表すと、ニューラルネットワークの隠れ層（中間層）を増やしたものだと言えます。**関数でもある隠れ層（中間層）を増やすと、より複雑な関数を表現することが可能になり、より複雑な処理ができるようになります。

このように層が多くなり、層が深くなるという意味で、深層学習・ディープラーニングと称されるのです。

ディープラーニングでは、ニューラルネットワークによって脳の動きに近づけることで、機械学習ではデータの特徴を人間が判断していたものを、ディープラーニングではコンピュータが判断するようになりました。

こうして、ディーブラーニングによる画像認識は、自動運転や防犯カメラなどに応用され、自然言語処理は翻訳やチャットボットに応用され、また音声認識は文字起こしに使われているのです。

*■ CNNとは*
CNN（convolutional neural network）はニューラルネットワークの種類の1つで、畳み込みニューラルネットワークとも呼ばれています。ディープラーニングのやり方の1つであり、いくつもの深い層を持ち、主に画像認識分野で成果を上げています。

*■ RNNとは*
RNN（Recurrent Neural Network）もニューラルネットワークの1種で、回帰型ニューラルネットワークとも呼ばれます。CNNとの違いは、RNNはテキストの自動生成が特徴で、CNNと組み合わせて、解析した画像に説明文を自動的に付加するような利用方法があります。

## ディープラーニングやニューラルネットワークを学ぶのにおすすめの書籍

ディープラーニングは機械学習の1つであり、さまざまなアルゴリズムを用いて学習を行う手法であることが分かりました。ここではディープラーニングやニューラルネットワークについて、もう少し掘り下げて、体系的に学びたいという方に、おすすめの書籍を紹介していきます。

### ディープラーニングを支える技術 ——「正解」を導くメカニズム[技術基礎] 

初学者の方を対象にした、ディープラーニングに関する技術解説書です。本書では、ディープラーニングの現在に焦点を当てて、**機械学習の基本からディープラーニングの仕組み、技術的基礎、数学的知識まで広範囲に解説しています。**

▪著者： 近藤 容司郎、藤川 千種、佐々木 歩惟 、松橋 龍貴
▪出版社：技術評論社
▪ページ数：304ページ
▪出版日： 2022年1月8日

【参考】：[ディープラーニングを支える技術 ——「正解」を導くメカニズム[技術基礎]](https://gihyo.jp/book/2022/978-4-297-12560-8)

AIを勉強するのに数学は必要？どこまでの範囲が必要か解説

### Pythonによるディープラーニング (Compass Booksシリーズ)

Pythonで書かれたディープラーニングのAPI、Kerasの開発者であるFrançois Cholletが書いた本がベースの書籍です。**数学などの専門的知識を必要とせず、ディープラーニングの手軽な実装が可能になります。**初学者から経験者まで幅広くカバーする優れた参考書としておすすめします。

▪著者： François Chollet、巣籠悠輔 (その他)、株式会社クイープ (翻訳)
▪出版社：マイナビ出版
▪ページ数：496ページ
▪出版日： 2022年3月23日

【参考】：[ Pythonによるディープラーニング (Compass Booksシリーズ)](https://book.mynavi.jp/ec/products/detail/id=128583)

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

### ニューラルネットワークとディープラーニング (データサイエンス大系)

ディープラーニングとニューラルネットワークを同時に学べる教科書の日本語翻訳版です。幅広い技術の設計思想や応用例が丁寧に解説され、**ディープラーニングとニューラルネットワークの全体像を掴むのに最適な書籍としておすすめします。**

▪著者： Charu C. Aggarwal、竹村 彰通 (監修)、今泉 允聡 (監修, 翻訳)、その他
▪出版社：学術図書出版社
▪ページ数：520ページ
▪出版日： 2022年3月30日

【参考】：[ニューラルネットワークとディープラーニング (データサイエンス大系)](https://www.gakujutsu.co.jp/product/978-4-7806-0714-7/)

データサイエンスとは？注目されている理由と基礎スキルについて解説！

## ディープラーニングに強いAIエンジニアを目指して

ここまで、ニューラルネットワークとディープラーニングとの違いをテーマに、AIと機械学習、ディープラーニングとの関係や、それらを学ぶのに適した書籍を紹介しました。ニューラルネットワークは人間の脳に相当し、神経細胞に相当するものがパーセプトロンであることも学びました。

*顔認証、音声認識、自然言語処理などAIに欠かせない技術はディープラーニングによって成り立っており、ディープラーニングはニューラルネットワークによって進化してきました。*

これからもAIは発展を続け、大きく私たちの生活や仕事を変えていくでしょう。この記事でニューラルネットワークとディープラーニングに興味が湧いたら、紹介した書籍を参考に知識を深めましょう。

AIができることとは？活用事例やできないことも併せて紹介

AIを活用した便利なツール10選！メリットや注意点も解説

AIについて学ぶと必ず登場するディープラーニングとニューラルネットワークですが、両者は何が違い、どのような関係なのでしょう。この記事では、ディープラーニングとニューラルネットワークの違いをテーマに、AIや機械学習との関係、おすすめの書籍などについて紹介します。

AIの三大分類と呼ばれるAI、機械学習、ディープラーニングの関係

ニューラルネットワークとディープラーニングとの違い

ディープラーニングやニューラルネットワークを学ぶためのおすすめの書籍

ディープラーニングとニューラルネットワークの違いが分からない？わかりやすく解説

## Adobe Fireflyの多言語対応版発表

Adobe社は2023年7月12日、「Adobe Firefly」の対応言語を拡張して、日本語でのプロンプト入力を可能にしたと発表しました。Adobe FireflyはAdobe社が提供している画像生成AIサービスです。Adobe Fireflyは、2023年3月からベータ版の提供が始まりました。

同サービスはAdobe社が独自に開発したAIモデルを採用しており、モデルの学習では同社のAdobe Stockを利用しているため、生成AIでは起こりがちな著作権、肖像権等の問題がクリアされている点が特徴です。

それは生成物には加工履歴を保証するAdobe社独自の「コンテンツクレデンシャルタグ」が自動的に付与されるため、作成された画像の全てに透明性が担保されるからです。*この記事では、Adobe Fireflyの概要、基本的な使い方、メリットや気を付けることなどについて解説をします。*

【参考】：[Adobe、Adobe Fireflyのプロンプト入力を日本語を含む100以上の言語に展開](https://www.adobe.com/jp/news-room/news/202307/20230712_adobe-firefly-prompts.html)
【参考】：[Adobeについて](https://www.adobe.com/jp/about-adobe.html)
【参考】：[Adobe、「Adobe Firefly エンタープライズ版」を発表](https://www.adobe.com/jp/news-room/news/202306/20230608_firely-and-express-to-enterprises.html)

Adobe Fireflyは、Adobe社が開発した生成AI製品で、今後はACC（Adobe Creative Cloud）などのAdobeクラウドサービスに組み込まれる計画です。2023年3月に発表されましたが、現時点ではベータ版での提供となっています。

Adobe Fireflyは個人向けとして登場しましたが、*2023年6月9日に企業向けの「Adobe Fireflyエンタープライズ版」が発表され、2023年下半期の提供開始が予定されています。*ここでは、Adobe Fireflyで何ができるのか、基本的な使い方を紹介していきます。

【参考】：[生成塗りつぶしで創造力をさらに広げよう](https://www.adobe.com/jp/sensei/generative-ai/firefly.html)
【参考】：[Fireflyエンタープライズ版  - アドビ](https://www.adobe.com/jp/sensei/generative-ai/firefly/enterprise.html)

Fireflyは100以上の言語に対応したテキスト入力によって、AIイラストなどの画像作成、テキストの変形、色合いの変更などができる画像生成AIです。*最大の特徴は、著作権の問題を気にせず安心して使えることと、Adobe CCとの連携に優れている点です。*

### 画像生成AIの著作権問題をクリア
画像生成AIではデータの元になる素材の著作権という問題があり、特に企業が使用する場合にはリスクがありました。

「Firefly」の画像生成では、ストックフォトとして最大手の「Adobe Stock」上で使用許諾した画像、オープンライセンス作品、著作権期限切れコンテンツのみを使用するため、著作権トラブルの問題をクリアしています。

さらに、コンテンツ履歴の保持機能を持つCAI（Content Authenticity Initiative）などの仕組みを活用し、**著作権を気にせず商用利用が行えます。**

【参考】：[コンテンツ信頼性イニシアチブ](https://contentauthenticity.org/)

ACCとはAdobe Creative Cloudを指します。ACCは、Adobeが開発するグラフィックデザイン、動画編集やウェブデザインなどのソフトウェアをサブスクリプション方式で利用ができるサービスと、それらを提供するクラウドサービスの総称です。

**FireflyはPhotoshopやIllustratorなどとシームレスに連携し、例えばPhotoshop内で画像の選択範囲にテキストから生成した画像を合成するといったことが可能になります。**

【参考】：[AI画像生成・生成塗りつぶし - Adobe Photoshop](https://www.adobe.com/jp/products/photoshop/generative-fill.html)

ここでは、Adobe Fireflyに関する素朴な疑問をまとめてみました。

*Q1.正式版はいつから提供されますか？*
　Adobe Fireflyエンタープライズ版は2023年下期から提供開始と公表していますが、個人向けのリリース時期は未公表です。

*Q2.Adobe Fireflyの料金は決まっていますか？*
　個人向けFireflyの単体利用は無料ですが、PhotoshopなどのAdobe製品と連携させて利用する場合は、各ツール（ソフト）の利用料金が掛かります。エンタープライズ版の料金は未定です。

【参考】：[Adobe Creative Cloudの詳細と製品情報 | アドビ公式](https://www.adobe.com/jp/creativecloud/plans.html)

*Q3.Adobe Fireflyで生成した画像の商用利用はOK？*
　正式版がリリースされれば生成画像の商用利用はできますが、ベータ版ではできません。ベータ版で作成した画像には「商用目的ではない」ことを示す透かしが入ります。

 Adobe Fireflyは実際に試すことで、その素晴らしさを実感できるでしょう。 Adobe Fireflyを試す方法としては、*公式ページ上で行う方法と、 Photoshop 2023のベータ版をダウンロードして使う方法の2種類があります。* Photoshopに慣れている方は、後者の方法をおすすめします。 

Adobe Fireflyのベータ版は、以下の「Firefly公式ページ」にアクセスし「ログイン」することで試用ができます。既に日本語対応されていますので、日本語を選択します。

**このサイトでは、「テキストから画像生成」、「ジェネレーティブフィルで画像生成」、「テキスト効果で画像生成」などの機能を試すことができます。**

【参考】：[Adobe Firefly (ベータ版)](https://firefly.adobe.com/)

### Adobe Photoshop 2023のベータ版で試す

Adobe Fireflyの機能は、Adobe Photoshop 2023に搭載される予定です。その結果、文言で指示するだけで画像に新たなコンテンツを追加したり、既存の画像を修正や削除したりすることができるようになります。

例えば、画像に映っている人物の横に別の人物を追加したり、景色を夏から冬に変更したりといったことが言葉で指示するだけで簡単に行えるのです。**このような「ジェネレーティブ塗りつぶし」機能はAdobe Photoshop 2023のベータ版で無料で試すことができます。**

以下の参考リンクにアクセス、最上段の［無料で始める］ボタンをクリックし、記事内の案内に従ってPhotoshop（Beta版）をインストールしてみましょう。

## Adobe Fireflyのメリットと注意点

Adobe Fireflyの概要や試す方法については理解できたと思います。実際に試した方は、生成AIの威力を実感されたことでしょう。ここでは、*Adobe Fireflyの特徴についておさらいをする意味で、メリットと利用に当たって気を付けることを確認してみましょう。*

まず初めに Adobe Fireflyの主なメリットについて、3つ紹介します。

*■ 著作権侵害の心配が要らない*
Adobe Fireflyは、ストックフォトとして知られた「Adobe Stock」から使用許諾された画像、オープン ライセンスの作品、著作権期限が切れたコンテンツを利用する仕組みのため、基本的に著作権を侵害する心配がありません。そのため企業やクリエイターは安心して商用利用ができます。

*■ Adobe製品と連携できる*
Adobe FireflyはPhotoshopやIllustratorなどのAdobe製ソフトと連携できますので、Adobeユーザは違和感なく直ぐに利用できます。また今後、サードパーティ製のソフトにも Fireflyが追加されていくことが想定され、実質的にFireflyが画像生成AIの標準となる可能性もあります。

*■ 生成画像が高品質でカスタマイズもしやすい*
Adobe Fireflyはまだ完成版はリリースされていませんが、ベータ版を試しただけでも品質の高さが実感できます。

例えば、「背景の季節を冬にして」といったテキストによる指示で、AIは意図を理解して指示通りの画像を生成してくれます。これまでこうした操作にはある程度の技術が必要でしたが、Adobe Fireflyを使えば素人でもプロ並みのコンテンツを作成できるようになります。

### Adobe Fireflyの利用で気を付けること

次にAdobe Fireflyの利用において、気を付けることを確認しておきましょう。

*■ 学習データは限られている*
著作権の問題が最大の理由ですが、 Adobe FireflyのAIが学習しているデータはAdobe Stockデータやオープンライセンスの画像などに限られ、自分の持っている画像などでトレーニングができません。ただし、Adobeでは今後対応策を検討していくとしています。

*■ 言語能力が求められる*
生成AIでは、AIに対していかに的確な指示を与えられるかがアウトプットの成否に大きく影響します。利用に当たっては、プロンプトエンジニアに要求されるような会話スキルや自然言語スキルを磨いておく必要があります。

プロンプトエンジニアとは？プロンプトの基礎や仕事内容、年収を紹介

プロンプトエンジニアリングの効果的な学習方法は？学ぶ意義も紹介

## Adobe Fireflyを実際に利用してみよう

ここまでAdobeの画像生成AI、Fireflyの特徴や機能、試し方、メリットとデメリット、FAQについて紹介してきました。*これまで画像処理は専門的なスキルが求められましたが、画像生成AIのFireflyでは複雑な画像処理をテキストで指示するだけで、簡単にやってくれます。*

しかも、商用利用では著作権という問題がつきまとい、頭を悩ませるケースが少なくありませんでしたが、Adobe Fireflyは著作権や倫理面の問題も解決しています。この素晴らしいサービスをぜひ1度試してみることをおすすめします。

Adobe社の画像生成AI「Adobe Firefly」ベータ版が、エンタープライズ版の発表に続き、日本語などに多言語対応し、Adobeソフトのベータ版に組み込まれました。ここではAdobe Fireflyの概要、試用方法、メリット、FAQなどを紹介します。

Adobe Fireflyはアドビ社が開発する画像生成AIで、ベータ版がリリースされている

Adobe Fireflyの特徴としては、著作権問題への対応と、同社ソフトやクラウドとの連携がある

Adobe Fireflyを試す方法としては公式サイト利用か、 Photoshop 2023のベータ版利用がある

Adobe Fireflyとは？アドビの画像生成AIがついに登場！

AIは人間を超える存在になるという見方があります。2045年にはシンギュラリティが訪れ、人間の仕事の多くはAIに代替されるという意見もあります。しかし、AIは万能ではありません。AIには「できること」「できないこと」があります。

もちろん、AI技術の発展により、AIができることは増えていますが、元々AIには苦手な領域があります。*そういったことを正しく理解して、AIの開発や活用を考えていくべきでしょう。*この記事では、AIができること、できないことにフォーカスして解説していきます。

AIエンジニアを目指す方、AIのビジネス活用を検討されている方の参考になれば幸いです。

AIとは、Artificial Intelligenceの略語で、人工知能と訳されています。**AIは人の知的能力を模倣した技術を意味し、 データを分析して推論したり、判断を行ったり、最適化の提案、課題の定義や解決を行ったり、自ら学習を行ったりできます。**

AIには機械学習が必須ですが、機械学習とは人が行う「学習」と同様の仕組みをコンピュータで実現します。機械学習では、読み取ったデータから見出したパターンやルールなどを新たなデータに当てはめ、データの識別や、未来予測を行うことができます。

機械学習の1つの手法であるディープラーニングでは、人の脳の神経回路構造を模した数理モデルであるニューラルネットワークを利用して、人間が学習しているのと同じようにコンピュータが学習を行います。

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

### AIを機能で分けると2つの種類がある

**AIの種類は、機能的な視点から「特化型AI」と「汎用型AI」の2つに分かれます。**ここでは、特化型AIと汎用型AIの違いについて解説します。

【参考】：[人工知能技術戦略会議（ 第6 回）｜内閣府](https://www8.cao.go.jp/cstp/tyousakai/jinkochino/6kai/sanko1.pdf)

*■ 汎用型AI（AGI）とは*
汎用型AIとは、AGI（Artificial General Intelligence）とも呼ばれ、特化型AIのように役割が限定されておらず、同時に様々な役割を担えるAIシステムです。人と同じような思考回路を持ち、自ら判断することができるAIです。

AIの概念が登場した頃は、AGIの実現は困難だという意見が多勢でしたが、ディープラーニング技術の登場によって、その実現性が一気に高まっています。今話題のChatGPTきはAGIの先駆け的な存在ですが、まだ現段階では優れた学習能力と自然言語処理能力を持つソフトのレベルに留まっています。

*■ 特化型AI（ANI）とは*
私たちが普段AIと呼んでいるのは特化型AIという種類です。ANI（Artificial Narrow Intelligence）とも呼ばれ、ある特定の分野や領域に特化したAIのことです。特化型AIは最初から役割が決められており、限定された範囲内で動作したり、処理を行ったりするシステムのことを意味します。

特化型AIの例としては、1人1人の顔を見分けて防犯に活かす顔認識システム、ヘルプデスクなどで活用されているチャットボット、自動車の自動運転システムなどがあります。このように、特定のタスクでは人間を上回るパフォーマンスを発揮しますが、感性や思考といった面では人間を超えることはできていません。

AIは既に様々な分野に導入され、成果をあげています。ここではAIができること、得意なことについて一覧で紹介していきます。

**音声認識とはAIが人の言葉を音声として認識し、さらにテキスト化する技術のことです。**単にテキスト入力の代替というだけではなく、AIが人の言葉を理解することで、コンピュータと人との会話を実現することができます。

音声によって動作するスマートスピーカー、コールセンターに導入されているボイスアシスタントなどがあり、すでに実用化されている機能です。

**画像認識とは、画像として映っている人、モノ、景色などを認識する技術のことです。**画像に映っているものが何であるのかを解析します。

画像認識はパターン認識技術の1種であり、最近ではディープラーニング（深層学習）によって、さらにその精度が向上しています。セキュリティシステムでの活用や、性別や年齢判別などのマーケティング領域でも活用が進んでいます。

**自然言語処理（NLP）は、人が日常的に使用している自然言語をコンピュータに認識させ、処理させるための一連の技術のことです。**コンピュータに「言葉」を教える分野であるともいわれています。

最近では高精度な翻訳ツール「DeepL」が登場したことや、Googleの検索エンジン精度が向上したことで、コンピュータが長文の文章でも正確に処理ができるようになっています。ChatGPTやスマホの音声アシスタント機能にはまさに、この自然言語処理技術が使われています。

工場などでは昔から機械による制御が行われていましたが、近年は自動車、センサーなどの制御に「機械制御AI」が活用されることで、AIがデータを学習しながら、より最適な制御を行うことができるようになっています。

**AIは単に決められた制御を行うだけではなく、制御を繰り返し行いながら、そこから得られたデータを用いて学習を続け、時間とともにより高精度な制御が実現されるようになっていきます。**

異常検知は製造・生産などの現場で、機械や設備などを監視し、停止や故障の前に何らかの異常を検知して、トラブルの発生前に警告を発したり、予防保守を促したりします。

これまでは異常検知は人の目視や経験、勘に頼っているケースが多くありましたが、**積み上げられた故障データ、稼働データなどを機械学習することで、AIによる異常検知を実現しています。**これによって、有人監視を減らし人の負荷を減らすとともに、故障率の低減にも役立っています。

**AIの未来予測とは、収集した大量の過去データを解析し、そこから予測することで予測制度を高める技術です。**「ビッグデータ解析」とも呼ばれ、近年様々な分野で注目を浴びています。AIの未来予測では、製品の需要予測、売上予測などで実際に活用されています。

天気予報の精度が上がっているのも、AIの未来予測技術が用いられているからです。このAIによる未来予測はあらゆる分野で導入が始まっており、例えば高速道路の渋滞予測や感染症の感染予測など、私たちが日頃目にしているものも少なくありません。

AIは既に私たちの身の回りでも活用されており、私たち自身も既にAIを用いたサービスや製品を利用しています。ここではAIの活用事例について一部紹介します。意外な活用方法、面白い活用策をぜひ確認してみてください。

【参考】：[自治体におけるAI活用・導入ガイドブック｜総務省](https://www.soumu.go.jp/main_content/000820109.pdf)
【参考】：[中小企業のＡＩ活用促進について｜経済産業省](https://www.meti.go.jp/policy/it_policy/jinzai/AIutilization.html)

### 音声入力により看護記録の入力効率化

聖マリアンナ医科大学病院では、看護師による看護記録の入力をタイピングから音声入力に切り替えました。*その結果、記録スピードは約4.5倍に向上し、時間外労働は半減、患者に対する直接ケア時間が4.6%増えたという成果に繋がっています。*

【参考】：[ICT や IoT 等を活用した働き方　P12~17｜厚生労働省](https://www.mhlw.go.jp/content/12602000/000727855.pdf#page=44)

### AI活用による住民サービスの充実

岡山県和気町では住民からの相談、問い合わせに対する各担当職員による直接応対に加え、*チャットボットを用いて、24時間いつでも、どこからでも問い合わせに対応する体制を構築しました。*

その結果、問い合わせ担当窓口ごとに分かれていた情報を一元化し、利用者が簡単に必要な情報を入手することができるようになり、住民サービスの向上にもつながっています。

【参考】：[地方自治体におけるAI・ロボティクスの活用事例  P4｜総務省](https://www.soumu.go.jp/main_content/000595981.pdf)

AIはDX推進の一環として導入されるケースが少なくありませんが、*不二家では赤字事業の洋菓子部門から、需要予測にAIを活用しています。*

AIによって商品ごとの需要予測の精度を高め、欠品による売上損失を減らし、また過剰製造による廃棄ロスを減らして、売上や利益を向上させるとともに、従業員のモチベーションアップなどの副次効果も得られています。

【参考】：[きっかけはAI導入、不二家など3社の事例から学ぶDX戦略の極意とは？｜マイナビニュース](https://news.mynavi.jp/techplus/article/20211013-2124552/)

DX推進が捗らない企業が、喉から手が出るくらいに欲しいIТ人材とは

ここまでAIができることや活用事例を挙げてきましたが、*AIは決して万能ではありません。AIのできないこと、苦手なことを理解した上で、AIの有効活用を図っていくことが重要です。*

人間は相手の表情、目の動き、声のトーンなどから相手の感情を理解することができます。一方、AIはあくまでも人の言葉をテキストとして認識するため、感情や心理を読み取ることは苦手です。

**AIの学習能力を高めることで、ある程度人の感情を理解できるようになるかもしれませんが、感情の理解という面では人間には及びません。**しかし、最新のAI技術を駆使して「感情認識AI」が研究開発されています。これが実用化されれば、さらにAIと人とのコミュニケーションが円滑化するでしょう。

【参考】：[道徳感情数理工学｜東京大学](http://meome.t.u-tokyo.ac.jp/)

基本的にAIは膨大なデータを学習することで、それらのデータから導き出したパターンや結論などから行動します。従って、**AIがレポートをまとめたり、ブログや小説を書いたりできるのは、あくまでも膨大な学習の結果であり、現状はゼロから何かを編み出すことはできません。**

## AIにできること、できないことを正しく認識しよう

この記事では、AIにできること・できないことを中心に、AIの活用事例も交えてAIとは何かを解説しました。AIを有効に活用するためには、まずAI技術、AIの持つ特性に関する理解を深め、AIを開発したり、活用することが大切です。

世の中では大変な勢いでAIの導入や活用が行われています。AIには大きな需要があり、豊かなマーケットがあります。**AIにできることとできないことを正しく理解したうえで、自身の成長や自社の課題解決につなげていきましょう。**

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

身近な存在となったAIですが、AIを開発したり、活用したりする上では「AIにできること」「AIにできないこと」を正しく理解することが大切です。AIの活用に際しては活用事例が参考になります。この記事ではAIにできること、活用事例、できないことを解説していきます。

AIができること、できないことを正しく理解し、AIの開発や活用に生かすことが大切

AIには大別すると「特化型AI」と「汎用型AI」がある

AIができることには、音声や画像認識、自然言語処理、異常検知、機械制御、未来予測がある

前編では、2023年6月にリリースされた新機能『Notionプロジェクト』の使用感についてご紹介しました。

新しくなったNotionはどう変わった？エンジニアに便利な機能を試してみた【前編】

今回は、Notionの日本第1号社員で、現在は営業・マーケティング活動をはじめ、ビジネスオペレーション全般を担当する西勝清氏に、**Notionが目指す世界**や**新機能の開発経緯**についてお話を伺いました。

~~Notion Labs Japan合同会社　ゼネラルマネージャー。<br/>大学卒業後、シスコシステムズへ入社。セールス部門で多数の大手企業のグローバル展開プロジェクトに貢献、社長室戦略チームで事業企画や戦略策定を経験。<br/>2012年 LinkedIn Japanに立ち上げメンバーとして入社。人事向け法人営業部門を統括。<br/>2019年 WeWork Japanに入社。営業シニアディレクターとして戦略と組織を構築、事業拡大を牽引。<br/>2020年9月よりNotion日本1号社員として、営業・マーケティング活動をはじめ、ビジネスオペレーション全般を担当。オランダ・エラスムス大学ロッテルダム経営大学院にてMBA取得。~~

## 多くのファンから歓迎されたNotionのローカリゼーション

#### balloon kaneko left
まずは西さんがNotionにジョインした理由を教えてください。

#### balloon nishi right
**自分自身の興味・関心領域やライフミッションにマッチする仕事であること**。さらに、**日本にインパクトを与えられるとても魅力的なプロダクト**だと感じたことがきっかけです。

#### balloon nishi right
前者に関しては、自分の興味・関心の軸に、ネットワーク・コミュニティ・コラボレーションという要素があります。これまで参画してきた会社や事業にも共通しますが、**「人と人とがつながって、なにかがうまれていく」ことへの興味が強かった**んです。
また私のライフミッションとして、「日本企業の生産性を高め、日本が競争力を保つことに貢献したい」という想いがあるのですが、Notionであればそうした願いを実現できるのではと考えました。

#### balloon kaneko left
2020年時点で、Notionの事業に携わる日本人メンバーは西さんお1人だったんですよね。

#### balloon nishi right
はい。当時50名ほどのメンバーが在籍するなかで、インターナショナルのメンバーは私1人でした。そもそも、私がNotionを知ったきっかけが、当社のCOOであるAkshay Kothari氏から事業の相談を受けたことでした。
Akshayは私がLinkedIn Japanで営業マネージャーを務めていたときの同僚だったのですが、彼が日本でNotionを展開するにあたって、いろいろと意見交換を行っていたんです。私自身もNotionのプロダクトに魅了されていましたので、なんとか彼と一緒に日本でのビジネスを成功させたいな、と。

#### balloon kaneko left
日本でNotionを展開するにあたって、当初どのような戦略を描いていたのですか？

#### balloon nishi right
**「コミュニティの方々と一緒に成長すること」を目標に掲げていました**。私が入社する以前から、日本国内にはNotionの熱狂的なファンがいて、コミュニティミートアップが開催されたり、YouTubeやTwitter上で活発に情報が共有されたりする状況でした。
最初に注力したのが、**コミュニティの方々がNotionにどのような印象をもっているのかなど、ユースケースを収集すること**。また、ユーザーの声をふまえてローカリゼーションを進め、日本でも使いやすいプロダクトにしていくことでした。

#### balloon kaneko left
日本での展開を進めるうえで、苦労したことや大変だったことは？

#### balloon nishi right
大変だと感じることよりも、むしろ楽しいことの方が多かったですね。ユーザーさんにヒアリングを申し込んだときも、逆にみなさんのほうから「ぜひお話ししたいです」「事例を紹介したいです」といったポジティブな反応をくださって。いかにNotionが好きかを熱く語ってくれて、楽しい時間でした。

#### balloon kaneko left
それはモチベーションにもつながりますね。ちなみにNotionファンのみなさんは、具体的にどのようなポイントが気に入っていたのでしょうか？

#### balloon nishi right
当時は「オールインワンワークスペース」をNotionのプロダクト理念として掲げていましたが、まさにユーザーのみなさんも**「すべての情報をNotionで管理できる点」「自分の好みに合わせて柔軟に組み立てて使える点」を評価してくださっていました**。細かい部分では、パワフルなデータベースや操作性、アイコンのかわいさなど、使い勝手のよさを気に入ってもらえていた印象です。

#### balloon kaneko left
その後、ユーザーの反応やニーズに変化は見られましたか？

#### balloon nishi right
機能に対するニーズは、そのときどきの状況によって変化しています。私自身もそうなのですが、**Notionは使えば使うほど、“こういう機能があったら便利だな”というアイデアが湧いてくる**んです。2020年の段階でユーザーのみなさんからフィードバックいただいた意見は、多くが既に現在の機能に反映されています。現在も日々新たなニーズを伺っていますし、今回のアップデートもユーザーの“あったらいいな”を叶える機能が搭載できたのではないかと思っています。

## ビジネス現場ではどのように活用されているのか

#### balloon kaneko left
Notionは個人利用と法人利用、いずれのケースが多いのでしょうか？

#### balloon nishi right
正確なデータは公開していないのですが、どちらの利用も年々増加しています。法人での導入も、はじめは個人利用からというケースが多いんですよ。個人で使ってみたところ満足感が高く、その延長でチームでも利用しはじめる。それが徐々に社内に浸透していき、全社的な導入につながるといった流れです。

#### balloon kaneko left
法人利用の場合、どのような規模の会社でニーズがありますか？

#### balloon nishi right
ローカリゼーション前は、主に従業員規模の小さいスタートアップ企業でご利用いただくケースが大半でした。**ローカリゼーション後は大企業でのニーズも高まり、まずはDX部門やイノベーション部門を中心に導入いただく流れが生まれました**。

#### balloon kaneko left
日本向けの施策が浸透するにつれ、法人の規模もシフトしていったのですね。企業におけるNotionの利用事例を教えていただけますか？

#### balloon nishi right
**チーム内wiki（ナレッジベース）、ドキュメント管理、プロジェクトタスク管理などの目的でご利用いただいています**。具体的には、はじめにメンバー紹介やMVV、社内のオペレーションなどを記載したチーム内wikiを作る。次に、企画やプロジェクトをまとめたドキュメントデータベースを作成する。そして、プロジェクトタスク管理機能を利用して、To Do管理を行いながら実務を進めるといった流れです。

#### balloon kaneko left
特に大企業の場合は、既にさまざまな情報共有ツールを導入しているケースが多いと思うのですが、そのようななかでどのようにNotionを組み合わせていくのでしょうか？

#### balloon nishi right
最初はスモールスタートで始める企業様が多いです。**いきなり全社で導入するのではなく、まずは特定の部門から始めていくイメージ**です。一方で、複数の情報共有ツールを並行して使用するのは現実的ではなく、どこかのタイミングで集約する基盤を決めなければいけないんですよね。最近はそうした移行のタイミングや進め方について、企業様から相談をいただく機会も増えてきました。

## 「Notionプロジェクト」開発の背景

#### balloon kaneko left
Notionの今後について教えてください。まずは2023年6月に「Notionプロジェクト」という新しい機能がリリースされました。

#### balloon nishi right
はい。Notionプロジェクトのポイントは、**スピーディかつわかりやすくプロジェクト管理ができる点**にあります。これまでのNotionでもプロジェクトの管理はできたものの、ユーザーのみなさんから「さらに現場で活用していくために、もっと機能を強化してほしい」という声をいただいていました。

#### balloon nishi right
また、ほかのプロジェクト管理ツールは、どちらかというと硬直的でタスク管理に重点を置いているのに対し、Notionプロジェクトは連携性・柔軟性が高く、チームを横断して協力しながらプロジェクトをカスタマイズできるようになりました。

#### balloon nishi right
さらに大きな特徴として、**AIが組み込まれた初めてのプロジェクト管理ソリューションである点があげられます**。AI自動入力機能を活用することで、効率的なプロジェクト管理が可能となります。

AIの記事（4ページ目）