人工知能・AIとは?基本知識から、IoT x AIの製造業での活用事例や注目サービスまで徹底解説

  • 5月 14, 2020
  • IoT
IoT

世界中に蔓延している新型コロナウイルスは、2020年5月時点で収束の目途が立っておらず、収束までに早くて半年、長いと数年かかると言われています。

「ウィズ・アフターコロナ」

私たちはウイルスの収束を待つのではなく、共存しながらビジネスを継続する必要があり、そのためにも働き方、ビジネスのデジタル化が求められています。

特に製造業においては、人手がかかる製造工程を自動化する流れが加速しており、IoTやAIが活用され始めています。

この記事を読まれている方であれば、恐らく「AI」という言葉は耳にしたことがあると思います。

しかし、「AIはどのように学習するのか?」、「IoTとAIに関係性はあるのか?」、「AIは製造業にどのような影響を与えるのか?」と疑問を持つ方も多いのではないでしょうか。

そこで本稿では、

  • AIとは
  • 機械学習と深層学習の違い
  • AIの活用事例
  • IoTとAIの関係性

に触れ、最後に製造業でのIoT・AIに関する注目サービスをご紹介します。

AIとは

AI(Artificial Intelligence)とは、日本語で「人工知能」を意味します。

AIの概念を図で表すと、次のような3階層に分けられます。

【AIの概念図】

引用:総務省

AI(人工知能)

広義の意味でのAIとは、全ての条件、処理を人間が定義(プログラム)します。コンピュータは一切学習しません。

そのため、世の中に存在する全てのソフトウェアは「AIである」と言えます。昨今のAIブームから「AIが解析!」とのキャッチコピーがついたアプリが溢れていますが、学習を重ねる機能があるかは確認すべきポイントです。

新しい価値観でビジネスを変革させる可能性を秘めているのは、次の「機械学習」と「深層学習」の二つです。そして、これらの違いを抑えておくことは、AIを理解する上でとても重要です。

機械学習(マシンラーニング)

機械学習とは、人間が判断条件を定義し、コンピュータはデータを蓄積しながら判断のパターンを増やしていく学習方法です。

深層学習(ディープラーニング)

深層学習とは、機械学習をさらに高度化したもので、条件自体をコンピューターが定義します。

機械学習と深層学習の違い

定義だけでは違いが分かりにくいかと思います。

ここでは、自動運転の「危険察知」を例にして両者の違いを見ていきましょう。

機械学習の場合

危険のパターンを覚えさせることで「危険な状態とは何なのか?」を学習していきます。

例えば、「危険ならブレーキをかける」という処理を考えた場合、「危険=信号が赤」という条件をコンピュータに覚えさせます。黄色では反応しません。黄色で処理を行いたい場合は「黄色が危険である」ことを人間が定義する必要があります。

機械学習は、覚えさせる条件量が増えるほど「危険」に対する判断能力が向上します。

深層学習の場合

「危険」の概念そのものをコンピューターが定義し、運転の走行を制御します。

例えば、「赤は危険」、「黄色に変わったから危険」、「黄色であっても後ろの車との車間距離が近いならば、止まることが危険」、「反対車線から緊急車両が来ているから危険」など、コンピュータ自身が学習を重ね、様々な危険のパターンを理解していきます。

深層学習は、学習を重ねるほど「危険」に対する判断能力が向上します。

なお、実用化の試験が進んでいる自動運転で使用されるのは「深層学習」です。

~コラム:AlphaGo(アルファ碁)~

深層学習(ディープラーニング)が一躍注目されるようになったきっかけは、囲碁のAIソフト「AlphaGo」です。

従来の囲碁ソフトは、プロ棋士の棋譜をコンピューターに読ませて勝利パターンを覚えさせる「機械学習」でした。機械学習であれば、プロ棋士が知っている打ち方での判断になるため、基本的にトップレベルのプロ棋士と同等レベル、あるいは超えることはできません。

一方、AlphaGoは深層学習を取り入れ、「囲碁の勝ちパターン」を定義するように学習を進化させました。

2016年3月、世界タイトルを20回以上獲得した韓国のイ・セドル棋士に、AlphaGoは5戦中4勝1敗で圧勝、AIが脚光を浴びることとなったのです。

参考資料:AlphaGo(DeepMind)

AIの歴史

一般社団法人 日本ディープラーニング協会監修の書籍(※)において、AIはこれまで3度のブームがあったと紹介されています。

(※):ディープラーニングG検定 公式テキスト

概要

時代

年代

第1次AIブーム

推論・探索の時代

1950年代後半~1960年代

第2次AIブーム

知識の時代

1980年代

第3次AIブーム

機械学習・深層学習の時代

2010年~

それぞれ順番に見ていきましょう。

第1次AIブーム「推論・探索の時代(1950年代後半~1960年代)」

AI(人工知能)という言葉は、1956年にアメリカで開催されたダートマス会議で初めて使われました。

参考資料:Dartmouth College「Artificial Intelligence (AI) Coined at Dartmouth」

ダートマス会議では、アレン・ニューウェル、ハーバート・サイモン、J・C・ショーが開発したコンピュータプログラム「Logic Theorist」が披露されました。

Logic Theoristは人間の問題解決能力を真似するよう意図的に設計された世界初のプログラムで、「世界初の人工知能プログラム」と称されます。

コンピュータによる推論や探索の研究が進み、特定の問題に対して解を提示できるようになったことで、AIブームが起こりました。

しかし、迷路などの簡単な問題「トイ・プロブレム(おもちゃの問題)」は解けても、複雑な現実の問題は解けないことが明らかになります。その結果、ブームは下火になっていきました。

第2次AIブーム「知識の時代(1980年代)」

コンピュータに大量のデータをため込むアプローチが盛んになります。

データベースに大量の専門知識をため込んだ「エキスパートシステム」と呼ばれる実用的なシステムが数多く作られました。

1986年には日本人工知能学会が設立されるなど、国内でもAIに関連した研究が進み始めます。

しかし、大量データの蓄積や管理の難しさから、AIブームは再び下火になります。

第3次AIブーム「機械学習・深層学習の時代(2010年~)」

人工知能が自ら学習するディープラーニング(深層学習)が登場します。

アルゴリズムの発展に加え、IoT、5G、AI プラットホームなどの先進技術が融合し、第3次ブームが到来しました。

「複雑な現実の問題は解けない」、「データの蓄積・管理が難しい」といった従来の課題が解消されています。様々な分野で研究・応用が進んでおり、実用化されている事例も多数あります。

2020年11月9日、ソフトバンクグループの決算説明会にて、孫正義氏は「AIを制する者が未来を制す」と語りました。

AIがあらゆる産業を再定義する可能性を秘めています。2021年時点で王道のAI活用法はありません。さまざまな企業がAIの活用法を模索しており、AI関連ビジネスにおいて覇権争いの様相を呈しています。現代はまさに「AI戦国時代」ともいえるでしょう。

AIの分類

アメリカの哲学者「ジョン・サール」が1980年に発表した「Minds, Brains, and Programs」によると、人工知能(AI)は、次の2種類に大別されます。

分類

定義

強いAI

適切にプログラムされたコンピュータは人間が心を持つのと同じ意味で心を持つ。また、プログラムそれ自身が人間の認知の説明である。

弱いAI

コンピュータは人間の心を持つ必要はなく、有用な道具であればよい。

簡単に言い換えると「人と同じようにふるまえるか否か?」によって分ける考え方です。

順番に見ていきましょう。

強いAI(汎用型AI)

強いAIとは、人間のような自意識を備え、全認知能力を必要とする作業も可能な人工知能を指します。

汎用的な用途で使われることから「汎用型AI(AGI:Artificial General Intelligence)」とも呼ばれます。アニメ「ドラえもん」のようなイメージで捉えると分かりやすいかも知れません。

「AIが感情を持てるのか?」、「人間の心を宿せるのか?」など、強いAIの実装に関しては、哲学的・倫理的な議論が必須です。

実現においては、人工知能研究の最大の難関ともいわれる「フレーム問題(※)」をクリアすることが求められます。

(※)参考資料:人工知能学会「フレーム問題」

これまでのところ、強いAIは実現できていません。第3次ブームをけん引するのは次章で示す弱いAI(特化型AI)です。

弱いAI(特化型AI)

弱いAIとは、人間の知性の一部分のみを代替し、特定のタスクだけを処理する人工知能を指します。

特定の用途に特化して使われることから「特化型AI」とも呼ばれ、単に「AI 」と言う場合は、一般的に弱いAI を指します。

今後のAI活用においては、Kevin Kelly氏がTED講演で語った「AIは特定の思考を代用する形で活用されていく」との言葉が参考になります。「自動運転」、「機器の故障予防」、「マッチングサービス」など、それぞれのサービスに特化した形でAIが活用されていくとの考え方です。

弱いAIがあらゆる産業へ適用されるため、無数のサービスが生まれ、世の中が変わっていくと期待されています。

AIの活用事例

ここでは、AIの活用事例を3点ご紹介します。

事例①:チャットコマース/Zeals

チャットコマースとは、サイトにアクセスした訪問客へAIがチャットで接客するサービスです。

無人かつ完全オンラインで販売活動ができることから、インサイドセールスの手法として注目を集めています。

株式会社Zealsのチャットコマース「Zeals(ジールス)」は、同社の1億5,000万件を超える会話データをAIに学習させ、訪問客の好みに合わせた最適なチャットを構築します。

人間に代わりAIが接客することで、24時間365日の営業活動が可能です。営業コストが抑えられ、CPA(Cost Per Action:顧客販売単価)を下げる効果が期待できます。

なお、Zealsは成果報酬であるため、チャットを通じた成約がなければシステムの利用料は一切かかりません。導入費用も無料です。

参考資料:株式会社Zeals「Zeals」

事例②:AI搭載クラウド電話/MiiTel

メールやチャットの普及が進んだ現代においても、電話は強力な営業ツールです。

営業を経験された方であれば、「電話対応の質が売上に直結する」と肌で感じている方も多いのではないでしょうか。声のトーンや話し方、会話の進め方で成約率は変わります。

多くの企業では電話対応をマニュアル化して教育・研修を行っていますが、やはり個人差が出てしまうものです。電話対応は属人的になりやすく、これまで「トップセールスマンの電話対応を共有することは難しい」との課題がありました。

ここに目をつけたのが、RevComm社のAI解析電話「MiiTel」です。

MiiTelは、顧客との会話データをAIが採点し、商談獲得率・成約率向上を支援する機能が搭載されています。

AIには深層学習が使われており、会話データを分析するだけではなく、成約率の高い「会話そのもの」を定義できます「電話対応の可視化」が話題となり、日本経済新聞など様々なメディアでサービスが紹介されています。

また、2020年4月7日から新型コロナウイルスへの対策の一環として、レブコムキャスターカラクリの3社が連携し、「完全オンラインコールセンター」の導入支援サービスの提供を開始しています。

参考資料:株式会社RevComm「MiiTel」

事例③:介護支援ロボット/parlo(パルロ)

2025年には3人に1人が65歳以上の高齢者となる日本では、「介護」は重要なテーマです。

介護においては、ご本人の身の回りの世話だけでなく、認知症を予防するためにも積極的に会話することがとても大切です。また、会話によって唾液の分泌を促すことで、虫歯予防や免疫力向上にも繋がります。

富士ソフトの介護支援ロボット「パルロ」は、AIの画像認識により、表情やポーズに応じた会話を行え、高齢者の身近な話し相手として活用されています。

会話データを学習する性質があるため、会話を重ねるほど「自分を理解してくれている」と親近感が増していきます。

従来の家庭向けロボットは高額でしたが、パルロのレンタル価格は月額3万円と安価です。また、家庭だけではなく、デイサービスや老人ホームといった福祉施設への導入が進み、活躍の幅が広がっています。

参考資料:富士ソフト「PALRO」

IoTとAIの関係性とは?

ここでは、IoTとAIの関係性に触れます。

モノのインターネットと呼ばれるIoTは、デバイスから収集した大量のデータをクラウドで解析し、デバイスへフィードバックします。

AIを活用することで「データの解析性能を向上すること」が可能です。

AIの「機械学習」や「深層学習」を利用し、次のようなサービスが始まっています。

・AI搭載型のドライブレコーダーを使えば、危険運転を解析できます

・ヘルメットに取り付けたAIセンサーによって、熱中症のなりやすさが分かります

・製造工程において、AIが製品の画像解析をすることで、不良品を自動的に検知してくれます

これまで人間が行っていた判断をAIに置き換えることで、より高度な解析が実現可能です。AIを正しく活用することは、これまでにない新しい働き方を実現する可能性を秘めています。

IoT・AIでデジタル化を推進!/製造業の注目サービス

ここでは、主に製造現場で使われている、IoTとAIを活用した注目サービスをご紹介します。

センサー解析/NEC DX Factory

温度、振動、音、歪みといった「状態」は、AIに学習させることが可能です。

予め条件を定義しておくことで、例えば「100℃を超えたらシステムを自動で停止する」など、状態に応じた制御をかけられます。

2020年1月、NECはインフラ設備の故障予兆検出システム「DX Factory」の検証実験をスタートしました。

DX(デジタルトランスフォーメーション)を工場に適用したシステムで、工場内に取り付けたセンサーデバイスと連動させることで様々な状態を収集し、AIが解析、故障の予兆を早期に検出することを目的としています。

同社は、早ければ2020年後半の商用化を目指すとしています。

参考資料:NECファシリティーズ「生産施設のインフラ設備における振動・温度・音響の測定によりIoT・AIの有効性を検証」

「DX」の活用事例については、こちらの記事で詳しく解説していますので、ぜひご覧ください。

デジタルトランスフォーメーションとは?革新的な3つの活用事例から学ぶ技術戦略

「IoTセンサー」については、こちらの記事で詳しく解説していますので、ぜひご覧ください。

IoTで活用されるセンサーとは?センサーの種類と活用事例を解説!
https://blog.rflocus.com/iot_sensor/

画像解析/タクミノメ

Googleのスマートフォン用アプリ「Google Lens」では、カメラ撮影した画像を元に検索を行える、と話題になりました。

カメラ映像などの「画像データ」は、アノテーション(※1)によりAIに学習させることが可能です。

株式会社ALBERTのAI画像解析サービス「タクミノメ」は、カメラ映像をAIが解析することで、製造設備の異常検知、製造レーンの予知保全、生産工程における製品の不良検査など、人の目に代わって「AI監視」を実現するサービスです。

※1:画像にタグ付けすること

参考資料:「株式会社ALBERT」タクミノメ AI・画像認識サービス

産業用ロボット/知能ロボットコントローラ

産業用ロボットは、樹脂成形、プレス、アーク溶接、スポット溶接、塗装、機械加工など、製造現場における様々な工程で活用され始めており、注目が高まっています。

MUJINの「知能ロボットコントローラ」は、AIが産業用ロボットに指令を与えます。

まず、MUJINは「大手ロボットメーカー8社のロボットを直接制御する事が許された唯一の企業」であることが土台としてあります。この前提の元、産業用ロボットをコントロールするMUJINのプラットフォームにAIエンジンを搭載することで、提携メーカーのロボットを制御できます。

最小限の制御条件をAIに学習させ、与えられた条件を元に産業用ロボットをコントロールする仕組みです。

参考資料:MUJIN「MUJINコントローラとは?

金属3Dプリンター/ラムダ

産業用ロボットと並び、製造工程の自動化に活用され始めているのが「3Dプリンター」です。

特に、製造業で使用する部品や金型を造形できる金属3Dプリンターは進化を続けていて、様々なメーカーが商品化しています。

金属3Dプリンターの加工方式は、金属を溶かしながら加工する「パウダーベット方式」や、金属を集積しながら加工する「メタルデポジション方式」、「FDM方式」が使われ、いずれの方法でも造形中の画像を逐一解析しながら仕上げていきます。

しかし、従来の金属3Dプリンターでは、「造形中に溶融金属などによりカメラレンズが汚れてしまい、加工の精度が落ちてしまう」といった課題がありました。

この課題を解決するために、三菱重工工作機械はAI搭載型の金属プリンター「ラムダ」の検証実験を行っています。

「ラムダ」では造形画像をAIが監視、不鮮明な画像でも精度が保てるようにAIが加工を調整する仕組みです。

同社は2020年春にも製品化する予定としています。

参考資料:三菱重工工作機械「金属3Dプリンター、AIで設計通り造形」

「金属3Dプリンター」については、こちらの記事で詳しく解説していますので、ぜひご覧ください。

【金属用3Dプリンター徹底ガイド】基礎から人気メーカー7社まで総まとめ
https://blog.rflocus.com/3dprinter-metal/

RFID/Locus Gate

RFID(Radio Frequency IDentification)とは、情報が埋め込まれたRFIDタグ(ICタグ)と、近距離無線通信によって情報をやり取りする技術です。

RFIDは、「バーコードに代わる情報タグ」として、ファーストリテイリング、BEAMSなどのアパレル業界を始め、川崎重工業、豊田通商、佐川グローバルロジスティクスなどの製造業・物流業でも幅広く利用されています。

特に商品の検品作業に関しては、一点ずつの照合が必要になるバーコードに比べて、RFIDタグはハンディリーダーで一括読み取りが可能で、検品効率が格段に向上します。

昨今は、AIを活用し、さらなる効率化ができるサービスも登場しています。

RFルーカスの「Locus Gate」は、通過したRFIDタグだけを検知する独自のマットを敷き、入出庫をリアルタイムに自動管理するサービスです。AIによるセンサー解析で高精度な検知が可能です。

RFIDタグの位置特定技術に強みを持つ同社は、入出庫の管理はもちろん、RFIDタグの正確な位置情報を把握できます。「倉庫における商品、在庫、物品の入出庫」や「オフィスにおける機器、機材、物品の貸出・返却」など、RFIDを活用した様々な現場オペレーションに利用されています。

参考資料:RFルーカス「サービス」

「RFID」についてこちらの記事で詳しく解説していますので、ぜひご覧ください。

RFIDとは?最新動向と活用事例を解説!

まとめ

新型コロナウイルスの影響で、在宅勤務、リモートワークが一般化しました。今後は、オンライン会議、電子契約、クラウド勤怠管理、チャットボットを使った自動接客など、デジタルな働き方へシフトしていくことでしょう。アナログからデジタルへの変換がより一層求められる時代に突入したとも言えます。

働き方が変われば、ビジネスの在り方も変わります。

特に製造業・物流業においては、製造工程の自動化、ひいてはサプライチェーン全体の自動化を推進する動きが活発です。日産自動車の産業用ロボットによる組み立て自動化、ユニクロのRFIDタグによる全商品管理、ニトリのブロックチェーンを活用したデジタル物流網構想、など様々なデジタル化への動きが見られます。

「ユニクロでのRFID活用事例」「ブロックチェーンの活用事例」については、下記の記事にて詳しく解説しているので、ぜひ参考にしてください。

RFIDタグを導入したユニクロから学ぶ他業界RFID活用のヒント

5分でわかるIoTとブロックチェーンの関係性!国内の活用事例とあわせて徹底解説!!

今回ご紹介した「センサー解析や画像解析による故障予防」、「産業用ロボットや3Dプリンターを活用した製造工程の自動化」、「RFIDを活用したサプライチェーンの効率化」など、IoTとAIを活用した注目のサービスは、製造業のデジタル化を強力にサポートしてくれます。

製造業におけるデジタル化を検討している企業は、AIの活用にヒントがあるかも知れません。気になるサービスがありましたら、専門のベンダーに相談してみると良いでしょう。