画像分類
画像内の物体などを特定のカテゴリに割り当てること
画像分類のプロセス
- データ収集
- 前処理
- 特徴抽出
- モデルの訓練
- 評価とチューニング
- 予測
適用例
- MRI画像から腫瘍を見つける
- 農地の画像から病害虫を見つける
物体検出
画像または動画内の特定の物体を識別子、その位置をバウンディングボックスで囲むプロセス
物体検出の手順
- データ収集と前処理
- ラベリング
- モデルの選択と訓練
- ハイパーパラメータのチューニング
- 評価と最適化
具体例
- 店舗のカメラを利用し、棚からの商品の取り出しや在庫の変動を検出する
- 自動運転において周囲の車両や信号機などを検出する
- スポーツにおいて選手やボールの位置や動きを追跡し、パフォーマンス分析に役立てる
OCR(光学文字認識)
画像や文書内の文字をテキストデータに変換する技術
機械学習の考え方をAI OCRと呼ぶこともある
具体例
- 文書のデジタル化
自然言語処理
人間が日常的に使っている自然言語をコンピューターに処理させる一連の技術
流れ
- 前処理
- 形態素解析
- 単語の統一、正規化
- ストップワードの除去
- 特徴量への変換
- ベクトルでの表現
キーフレーズ抽出
テキストから重要なフレーズやキーワードを自動的に特定し、抽出するプロセス
固有表現抽出
テキストから特定のカテゴリに属する名前や用語を識別子、抽出するプロセス
感情分析
テキストデータから感情や意見を識別し、分類する
具体例
- ソーシャルメディア分析
- 市場調査
- 政治分析
- 顧客サービス
言語モデル
言語の構造を数学的にモデリングする処方であり、単語、フレーズ、分などの言語単位が連続する確率を推定し、言語のパターンを学習する
音声認識
音声を認識してテキストに変換する技術
音声合成
書かれたテキストを人間の音声に変換する技術
具体例
- スマホでの音声アシスタント
- オーディオブック
- カーナビゲーション
- 視覚障碍者向けの読み上げ
翻訳
ある言語の言葉を違う言語にする
責任あるAIの基本原則
- 公平性
- 包括性
- 信頼性と安全性
- プライバシーとセキュリティ
- 透明性
- アカウンタビリティ
公平性・包括性
公平性
利用者や顧客に対して偏りや差別を引き起こさないように配慮してAIシステムの開発・運用を行う
多様な人種や年齢層の顔データを使用することで特定のグループに対するご認識のリスクを減らす
包括性
様々な背景を持つユーザー（障害を持つユーザーや多様な文化的、言語的背景を持つユーザー）が利用できるAIシステムを設計、開発する
反対の意味の言葉：個別性
公平性と包括性の対比
公平性は開発・運用にフォーカス
包括性は設計・開発にフォーカス
プライバシーとセキュリティ
プライバシー
他人の干渉を許さない、各個人の私生活上の自由
ユーザーデータを収集、処理、保存する際の透明性と同意
セキュリティ
情報の機密性、完全性、可用性
AIシステムは利用者や顧客のプライバシーを尊重し、個人情報は適切に管理される必要がある
信頼性と安全性
信頼性
システムが予期される条件下で正確かつ一貫して機能する
具体例
- オンライン決済
- データベース
- ヘルスケアモニタリング
- 自動運転
安全性
システムが潜在的なリスクや危険からユーザーを保護する
具体例
- ブラウザのセキュリティ
- 自動車の安全システム
- サーバーセキュリティソフト
- 電子商取引の不正検出
- スマートホームの安全性
透明性
AIシステムの意思決定プロセスをユーザーや関係者が理解しやすく、AIシステムの採用や適用に信頼を持てる
具体例
- 金融サービスでのクレジットスコア
- 医療診断でのAI活用
アカウンタビリティ
AIシステムがどのように動作するかを説明し、結果や影響に対して責任を持つ
具体例
- 自動運転における事故発生時の責任の所在
透明性とアカウンタビリティの対比
透明性はアカウンタビリティを支える要素
透明性はAIシステムの動作の理解と信頼の構築に重点を置いている
アカウンタビリティは責任の所在を明確にすることに重点を置いている