企業の成長をになう経営者のための経営コンサルティング・情報発信

2030年までのAIの動向について(@画像認識)

2030年までのAIの動向について(@画像認識)

2030年までのAIの動向について(@画像認識)


(引用)総務省「人口知能の未来 -ディープラーニングの先にあるもの」(2016,松尾豊)に基づいて作成


上記のロードマップにおける6つのカテゴリーの中の@画像認識について「技術面の概要」、「産業化の可能性」、「産業化にあたっての考慮点」について考えてみたいと思います。

■技術面:画像認識の精度向上
AIにランダムに膨大な数の写真を機械学習させると、「人の顔」と「猫の顔」などの識別をAI自らが学習することができるようになってきています。これまでのAIでは、人の顔の特徴と猫の顔の特徴等の「特徴量」を自得することができませんでしたが、ディープラーニングによって、AIが自律的に「特徴量」を把握することができようになってきています。このことは、AI研究の歴史の中で50年来のブレークスルーとなっており、ディープラーニングを起点として認識・運動・言語の分野で顕著な発展が見込まれています。

■産業化の可能性
・認証:顔による認証やログイン
・広告:顔を識別しその人とその人がいる場所に応じた広告の配信
・画像判定: わいせつ画像判定、意匠の類似判定等
・医療画像処理: X線、CT、皮膚、心電図等の医療画像の診断(ほくろの写真を診断し癌か否かの判断等)等

■産業化にあたっての考慮点
画像認識については、2017年時点で既に技術的には実用化可能なレベルにまで達しているといわれています。産業化にあたっての考慮点の一つは、関連する医療画像データや防災画像データのビックデータをどのように用意できるのかという点をクリアする必要があるかと思います。

つまり、AIが解析しようとしている業務や社会活動がデジタル化されている必要があります。また、ある程度の規模でデータがそろっている必要があるため、場合によっては、国が旗を振りながら複数の企業・組織が協力する必要も出てくるかもしれません。逆に言うと、それらがクリアされれば各分野において産業化されるスピードは速まることが期待できそうです。

[参考資料]
松尾豊. 人口知能の未来 -ディープラーニングの先にあるもの. 総務省. http://www.soumu.go.jp/main_content/000400435.pdf
清水亮. (2016). よくわかる人工知能. KADOKAWA.

2030年までのAIの動向について(@画像認識)

関連ページ

イノベーションの種類
イノベーションの階層
イノベーションのジレンマ
破壊的イノベータの5つのスキル(概要)
破壊的イノベータの5つのスキル(@関連づける力)
破壊的イノベータの5つのスキル(A質問力)
破壊的イノベータの5つのスキル(B観察力)
破壊的イノベータの5つのスキル(Cネットワーク力)
破壊的イノベータの5つのスキル(D実験力)
S字曲線
水平統合と垂直統合
クラウドソーシング(Crowdsourcing) @(概要)
クラウドソーシング(Crowdsourcing) A(分類)
AIの歴史
AIの現状
AIに奪われる仕事
2030年までのAIの動向について(概要)
2030年までのAIの動向について(Aマルチモーダルな認識)
2030年までのAIの動向について(Bロボティクス)
2030年までのAIの動向について(Cインタラクション)
2030年までのAIの動向について(Dシンボルグラウンディング(言語理解))
2030年までのAIの動向について(E知識獲得)
長期的なAI発展の動向について
AIが経営に与える影響
AI発展によって増える仕事
AIに対する人間の優位性
クラウドファンディング@(新しい資金調達モデル)
クラウドファンディングA(5つのタイプ)
マッチング・ビジネス
「無料」を軸にしたビジネスモデル (フリーミアム)
オープン・イノベーション

トップページ 初めての方へ セミナー情報 メール経営講座 お問い合わせ先 プロフィール