導入したけど全然活用されていないチャットボットの改善策
2021.8.20
Contents
お役立ちコンテンツ
本記事ではAIの基本的な知識と歴史を説明していきます。
AIとは「アーティフィシャル・インテリジェンス」の略で、日本語にすると「人工知能」と訳されます。
「AI(人工知能)」という言葉が誕生したのは1956年にさかのぼります。
当時、ダートマス大学の数学の教授であったジョン・マッカーシーが「人間のように考える機械」を「人工知能」と名付けました。
PCやスマートフォンが普及し、一般化したことでインターネットを使用するユーザーが増加、
インターネット上で入手できるサンプルデータの増大やコンピューティング性能やストレージ技術といった開発環境の進化などの背景を経て
今ではゲームや家電、アプリなどAI技術を実用化できるようになるまで進化してきました。
Amazon社のアレクサやApple社のsiriなどを初め多くのAI技術を使用したサービスが日常的に利用されるようになり
近年AIという略語はいっそう広く社会に知られるようになりました。
【第1次AIブーム】は、1950年代後半〜1960年代に勃興しました。
この時代は「推論」と「探索」という2つの技術によって人工知能に大きな期待がかけられました。
しかし、当時はまだAIが解くためには迷路やパズルのような明確なルールが必要で、
イレギュラーが発生する現実の複雑な問題は解けないという性能的な限界が見えるとブームは下火となります。
人工知能が解くことのできた実用的でない問題は、「おもちゃの問題（トイ・プロブレム）」と呼ばれました。
推論とは現在は画像認識などで広く普及している技術で、分類や識別をしたいデータを予め学習し「推論モデル」に当てはめて、その結果を導くプロセスです。
例えば、カメラアプリなどに入っている顔認証システムは、人間の顔の特徴をAI(人工知能)に学習させることによって、
未知の写真からその特徴を抽出し、顔であるか、そうでないか学習内容からその特徴を推論して照合します。
AI(人工知能)が「顔である」と判断したものだけが顔として認証され出力されることで写真から顔のみを認識して出力することが出来る仕組みになっています。
探索とは目的となる条件（答え）を場合分けして探し出すプロセスで、AIが迷路を解く検証実験が有名です。
迷路を探索を用いて解く場合まず、場合分けの分岐点として迷路内全ての分岐、行き止まり、ゴールを点として設定します。
AIは設定した点と点を繋いだルートからゴールまでたどり着けるルートが見つかるまで場合分けを繰り返すことで、迷路を解くことが出来る仕組みになっています。
1970年代に「トイ・プロブレム」しか解けない事が明らかになったAIですが、1980年代になるとまた勢いを取り戻します。
この時代は、人工知能（AI）に専門家のように「知識」をルールとして教え込み、
問題解決させようとする「エキスパートシステム」の研究が進展します。
エキスパートシステムの研究が進むことで、「医療診断」などビジネスへの応用例も現れるようになりました。
しかし、専門知識を持たない人間が自覚する「なんかだるい」「お腹が痛い」というような曖昧な問題を判断するには、
専門的な知識とは別に人間の持つ「一般常識」レベルの膨大な知識を学習しなければならないことや、
例外処理、矛盾したルールに対応できないといった壁に直面し、ブームは再び終息に向かいます。
AIが学習する際は必ず測定可能な特性が必要です。これを「特徴点」と言います。そして、この特徴点から算出される各コンテンツの差分が「特徴量」となります。
例えば、赤いリンゴと青いリンゴを識別する際には「色」が特徴量です。
第二次AIブームまでのAIは識別に利用すべき特徴量を人間が入力していました。
そのため、実用化には精度を上げるための作業コストが大きな課題になっていました。
この課題は2000年代から台頭した「ディープラーニング（深層学習）」という技術で大きく前進します。
この技術でコンピューターが学習データから自動で特徴量を抽出し、精度を向上させることが可能になりました。
ディープラーニング（深層学習）を契機として2000年代からはじまった第3次AIブームはコンピューターの性能向上や、2010年代からビッグデータを扱うようになり膨大な計算リソースを獲得したことで現在もなお進化は続いています。
ここまでAIについて基本的な知識を解説していきました。
amieはマニュアルやWebヘルプから自動的に学習する自社開発のAIを使った
【機械学習＋シナリオ型】のチャットボットを取り扱っています。
最初の学習に必要なことは、マニュアルやヘルプのファイル・URLの指定だけ。
一般的なチャットボット作成に必要なシナリオの準備や辞書の登録は必要ありません。
