機械学習の種類とは？活用事例や解決できる課題について解説

01機械学習とは

機械学習(Machine Leaning、ML)とは、膨大なデータをもとにコンピュータがルールやパターンを学習し、識別や予測を行う技術です。トレーニングを積むことで、特定のタスクを高い精度でこなせるようになります。ここでは、機械学習と混同されやすいデータマイニングとディープラーニングの違いについて説明します。

データマイニングとの違い

データマイニング （Data mining、DM）とは、大量のデータを統計学や人工知能などの分析手法を駆使して、「知識」を見出すための技術です。ITビジネスの分野では、ビッグデータを有効に活用するための手段として、データマイニングに注目が集まっています。通常のデータの扱い方からは想像が及びにくい、発見的な知識獲得が可能であると期待されます。

ディープラーニングとの違い

ディープラーニングは深層学習とも呼ばれ、機械学習の一手であるニューラルネットワークを応用した技術です。機械学習との大きな違いは、物事の特徴を人間が指定するのに対し、ディープラーニングは、機械みずからが判断するという点です。人間と同じようにみずから考え判断できる高度な技術といえます。

02機械学習の種類とは

機械学習には、教師あり学習、教師なし学習、半教師あり学習、強化学習の4つの領域が存在します。ここからは、それぞれの違いや学習方法の詳しい内容を解説します。これらの分類は、機械学習分野を体系的に理解する際にとても重要になってきます。それぞれの手法が得意とする内容を知ることで、自社のAI活用の幅を広げる際の参考にしてください。

教師あり学習

教師あり学習とは、人間があらかじめ付けた正解のラベルに基づき、機械が学習を行い、データセットに対する応答値の予測を行う学習方法です。事前に与えられたデータを「教師からの例題」とみなして、それをもとに学習するところから、この名がつけられています。 教師あり学習で解く問題で代表的なものは、「回帰」と「分類」です。回帰とは、連続する数値を予測し、分類とは、あるデータがどのクラスに属するかを予測することをいいます。

教師なし学習

教師なし学習とは、学習データに正解を与えない状態で学習させる手法です。教師なし学習には、GAN（敵対的生成ネットワーク）やクラスタリング、主成分分析、アソシエーション分析といったさまざまなアルゴリズムが存在します。教師なし学習のゴールは、データに対する理解を深めるためにデータの基本的な構造や分布をモデル化することです。 教師あり学習と教師なし学習は学習データに正解を与えるか否かという違いがありますが、正解が明確である場合には教師あり学習、不明確な場合には教師なし学習を用います。そのため、教師あり学習のほうが学習精度は高く、基本的には教師あり学習が用いられる機会が多いといえます。

半教師あり学習

半教師あり学習は、入力データが多く、一部のみ人間の手でラベル付けされているものをさし、教師あり学習と教師なし学習の間に位置します。例えば、Googleは、Expanderというフレームワークに半教師あり学習を用いていて、画像認識の向上に活用しています。トレーニングデータが比較的少ない状況でもシステムを構築できる、効率的な手法です。

強化学習

教師あり学習や教師なし学習と異なり、強化学習は静的なデータセットに依存せず、動的な環境で動作し、収集した経験から学習します。強化学習の大きな特徴が、環境とソフトウェアエージェントの間で試行錯誤のやりとりを通して学習中に経験を収集する点です。 そのため、教師あり学習や教師なし学習では必要とされる、学習前のデータ収集や前処理、ラベル付けが不要になります。つまり、適切なインセンティブがあれば、強化学習モデルは、人間が監視することなく、それ自体で行動の学習を開始できます。

03機械学習の活用事例とは

機械学習の4つの領域をみてきましたが、ここからは機械学習がどのように活用されているかみていきます。機械学習は、さまざまな分野で実際に導入されていますが、イメージがより明確になるようひとつずつ詳しく解説します。

チャットボット

「チャット」と「ロボット」というふたつの言葉を組み合わせたチャットボットは、人工知能を活用した自動会話プログラムです。コンピュータが人間に代わって対話することで、人間が対応していた「お問い合わせ対応」や「注文対応」などの作業を代行できます。

予測技術

予測技術とは、膨大なデータから未来の物事の発生や未来の値の予測をするもので、活躍の場は多岐にわたります。ひとつの例として、インフルエンザの流行予報があげられます。株式会社日立製作所と、損害保険ジャパン日本興亜株式会社により開始された予報で、全国各地域の4週間先までのインフルエンザ罹患者数の予測をWebで閲覧できます。全国4,000以上の医療機関より集めたデータを分析し、レベル0～3の流行度合いを発信しています。オンライン研修とは

画像認識

画像認識は、顔認識や物体認識、文字認識できる技術で、さまざまな分野に応用が可能です。たとえば、今まで目視で行っていた製造業における不良品検知に活用すると、検出の精度があがり、人手不足の解消に役立ちます。 また、成田国際空港では、顔認証技術を活用して「顔パス」での搭乗手続きを可能にするシステムを導入しています。あらかじめ、顔情報を登録しておくと、保安検査で搭乗券やパスポートを提示する必要がなく、利便性を高め、感染症対策にもつながります。

音声認識

音声認識とは、コンピュータで音声データをテキストデータに変換する技術です。AmazonやGoogleなどがスマートスピーカーを開発していて、「音声」のみでさまざまなアクションが実行可能です。たとえば、天気やニュースの読み上げ、音楽や動画の再生、家電の操作といったことが簡単にできます。

データ分析

巨大なデータの塊であるビッグデータを収集、加工分析することで、企業の大きな資産となりビジネスチャンスにつながります。流通・小売業では、ビッグデータを分析して、高精度な市場予測をし、効率的に製品を市場投入するといった活用をしています。

04機械学習で解決する課題とは

では、実際に機械学習を活用すると、どのような課題解決に結びつけられるか、具体例をあげて説明します。事例をあらかじめ理解しておくことで、自社が抱える課題の解決に活かせる可能性があります。ぜひ参考にしてください。

需要予測による売り上げアップ

三重県伊勢市の老舗料理店「ゑびや大食堂」は、AIを活用した来客予測を行い、売り上げが4倍、利益率が10倍にアップしました。来客数はもちろん、それぞれのメニューで見込まれる注文数を知ることで、スタッフを最適に配置し、食品ロスの削減にも成功しています。

音声認識による人手不足の解消

音声認識を活用すると人手不足の解消につながります。例えば、コールセンターでチャットボットを導入すると、顧客からの質問に対してあらかじめ登録された回答に沿って応答するため、効率的な対応ができます。 顧客の待ち時間を削減できるほか、過去の会話ログを利用して応答すれば、限られた人数のオペレーターで対応可能になります。また、顧客の声を解析すると、感情に配慮した回答を準備し、対応品質の向上を見込めます。

画像認識による業務効率化

画像認識は、農業の現場で広く活用されるようになっています。畑の上にドローンを飛ばし、AIによる画像解析で虫食い箇所を見つけ、その部分のみピンポイントで農薬を撒く方法や特定の雑草を判別し、適切に除草剤を散布する方法です。労働時間が削減でき、業務の効率化がはかれるほか、適切な農薬散布量にすることで、安全で安心な農作物として販売できます。

文字認識による作業時間の短縮

佐川急便のグループ会社であるSGシステムは、繁忙期には1日約100万枚の配送伝票の情報を手作業で入力していました。そこで、手書きの配送伝票を自動入力する新システムを導入し、月間約8,400時間もの作業時間の短縮に成功しました。手書き文字の認識精度は99.995％以上で、高い品質のデータ入力が実現できています。

動画解析により制作時間の短縮

IBMは、自社のAI「ワトソン」を使って動画解析をし、テニスやゴルフの大会終了後、わずか2分後に大量のハイライト動画を自動生成しています。従来、こうした試合のハイライトシーンやダイジェスト動画の作成は人間が行っていましたが、特徴のあるシーンや特定の選手にフォーカスした動画を抽出した動画を自動生成することで、制作時間の短縮や人的コストの削減につながっています。

05まとめ

ビジネス環境の激しい変化に対応するため、データとデジタル技術の活用がもとめられています。ビッグデータを扱う業種の多くが、機械学習テクノロジーの価値を認識しつつあります。ぜひ機械学習を用いて自社の業務効率の向上や、競争上の優位性を確立できるようにしてください。