こんにちは、荒井（@yutakarai）です。
今やAIや機械学習は世界中で注目されており、様々な分野で、どのようにして自社事業で活用するかが模索されています。
機械学習の基本になりますが、機械学習のアルゴリズムは「教育セット」データ1が与えられ、そのデータをもとに答えを算出することになります。
例えば、あなたが教育セットとして写真をコンピューターに入力したとします。
そして、これは「猫である」「猫ではない」というデータが入力されるとします。そうした教育セットによって、コンピューターは新たに入力された写真が猫かどうかを判断することができるようになります。
機械学習は教育セットを与えら続けられることになります。
この猫の例では、正しいにせよ誤っているにせよ、数々の写真が教育セットに組み込まれていくことで、プログラムが賢くなり、タスク遂行の精度が上がっていくわけです。
機械が学習する（機械学習）ということです。
今回は、AIや機械学習が活かせるビジネスの分野を紹介します。
データセキュリティー
マルウェアの問題は尽きないものです。
マルウェア (malware) とは、不正かつ有害に動作させる意図で作成された悪意のあるソフトウェアや悪質なコードの総称で、コンピュータウイルスやワームなどがある。
（Wikipediaより転載）
2014年度には毎日325,000件のマルウェアが生まれている、とコンピュータセキュリティ会社カルペルスキーの研究所が発表しています。
しかし、ディープ・インスティンクト社2は、ほぼ全ての新種のマルウェアには、以前のマルウェアとプログラムコード上に類似性が存在し、わずか２～１０％ほどの差異しかないと言います。
機械学習における２～１０％の差異は大きな問題ではなく、マルウェアの検出を高い精度で判断することは造作もないことです。
その他でも、データセキュリティーにおいて機械学習アルゴリズムにできることはあります。例えば、クラウド上のデータアクセスのパターンから、ハッキングの危険性を知ることもできます。
パーソナルセキュリティー
もし、飛行機に搭乗する際や、大きな公式イベントに参加する事になれば、セキュリティーチェックに多大な時間をかけることになります。
しかし、機械学習を活用すれば、セキュリティーチェックのミスや遅延の減少に貢献できます。空港、スタジアム、重要な会合など、いろいろな場所でセキュリティーチェックの時間短縮につなげることができます。
金融取引
株市場で明日何が起きるのかを知ることは多くの人にとって魅力的なことです。
この分野においても機械学習アルゴリズムが活躍する日はそう遠くないはずです。
大きな金融証券企業では取引の最速・最大化のためのシステムを構築しています。それらの企業は、確率論が適用されにくいであろう取引ですらも高速取引を実現して、巨大な利益を得ています。
人間には処理のできない膨大な定量的データや演算速度に向き合うとなると、やはりシステムに頼ることになります。
ヘルスケア
機械学習アルゴリズムは、人間には不可能な情報処理とパターン化をすることができます。
コンピューター支援診断3を使い、後に乳癌を患う事になる女性の早期乳癌X線検査のデータを入力した実験があります。
その実験では、公式に癌であると診断されるより前にコンピューターが癌を発見したケースは52％にもなるそうです。
更には、機械学習は多くの人の病気リスク因子を発見する事も可能です。メディシジョン社が開発したアルゴリズムは、糖尿病患者の入院を予測する8つの因子を特定する事に成功しました。
市場におけるパーソナル化
顧客の事を知れば、より顧客に尽くすことができ、より多くの売り上げを上げることができます。
顧客を知ることは、市場におけるパーソナル化の基盤となるものです。
例えば、誰しもオンラインストアで見ただけで買わなかった商品があった経験がありますよね。そして、その後複数のウェブサイトの広告でその同じ商品が表示されたことはありませんか？
これは市場のパーソナル化の氷山の一角に過ぎません。企業は顧客が受け取ったEメールはどういったものか、どういったクーポンを受け取っているか、どういったダイレクトメールに目を通したかという情報をもと、にパーソナル化を行っているわけです。
不正防止
様々な分野に渡って、不正の可能性を検出する試みが機械学習において実施・検証されています。
Paypalはマネーロンダリング防止の為に機械学習を導入しており、売り手と買い手の膨大な取引を比較して、正規の取引と不正取引を正確に区別しています。
レコメンデーション
レコメンデーションは、アマゾンやネットフリックスを利用したことがあれば、親しみがあるんではないでしょうか。
機械学習はあなたの活動を分析し、他の人と比較し、あなたが次に何を見て何を買うのかを分析しています。こういったレコメンデーション機能は日々賢くなっています。
例えば、あなたが親しい友人のためにギフトを購入すれば、あなたの友人がそのギフトに関連する別の商品が好きであるかもしれないという事も認識することができるわけです。
検索エンジン
検索エンジンは、恐らく機械学習において最も有名な分野ではないでしょうか。
AI分野でトップを行くGoogleをはじめ、その他競合企業たちは検索エンジンの改良を続けています。
Googleで検索をすると、プログラムはあなたが検索結果にどう反応したかを学習します。
もし、ウェブページの一番上のサイトをクリックしたなら、検索結果はうまく表示されたと言っていいでしょう。もし、2ページ目の結果をクリックしたり、クリックせずに新しい単語を検索すれば、思った検索結果が出なかったと推測できます。こういった失敗から検索の精度が向上していくのです。
自然言語プロセス（NLP）
NLPはあらゆる分野の処理において扱われています。
自然言語における機械学習アルゴリズムは、顧客サービスを受け持つエージェントの代理を務め、顧客が必要としている情報を素早く提供することができます。
例えば、不明瞭で難解な法律用語をシンプルな表現に変換し、弁護士が事件の膨大な情報を整理するのに活用されていたりします。
スマートカー
IBMが近年、業界トップの自動車メーカーの経営者に調査をしたところ、74%の経営者が2025年までにスマートカーが実現する見込みであると考えていることを発表しました。
スマートカーはIoTに統合されるだけでなく、所有者やその環境について学習する事になるのではないでしょうか。
自動運転だけに留まらず、もしかしたら車内環境も調節するかもしれません。気温やオーディオの音量、はたまたシートの位置まであらゆるところで、自動的に運転者に合わせて調節するようになるでしょう。
