魔術師とスピーチ。

MIT-IBM Watson AI Lab の生成 AI 専門家である Akash Srivastava 氏は、「VAE は、モデルを拡張しやすくすることで、深い生成モデリングへの水門を開いた」と述べています。 「私たちが今日生成 AI として考えているものの多くは、ここから始まりました。」

GPT-3、BERT、DALL-E 2 などのモデルの初期の例は、何が可能であるかを示しています。 将来的には、モデルは、最小限の微調整でさまざまなタスクに使用できる、ラベルのない広範なデータセットでトレーニングされるようになるでしょう。 単一ドメインで特定のタスクを実行するシステムは、より一般的に学習し、ドメインや問題を超えて動作する広範な AI システムに取って代わられています。 大規模なラベルのないデータセットでトレーニングされ、さまざまなアプリケーション向けに微調整された基盤モデルが、この変化を推進しています。

AI の将来については、生成 AI に関しては、基盤モデルによって企業での AI の導入が劇的に加速すると予測されています。 ラベル要件の削減により、企業は取り組みがはるかに容易になり、それによって可能になる高精度かつ効率的な AI 主導の自動化により、はるかに多くの企業が幅広いミッションクリティカルな状況に AI を導入できるようになります。 IBM にとって、最終的には基盤モデルのコンピューティング能力が、摩擦のないハイブリッド クラウド環境ですべての企業に提供されることが期待されています。

watsonx.ai の基礎モデルを探索する

人工知能アプリケーション

現在、AI システムの現実世界のアプリケーションは数多くあります。 以下に、最も一般的な使用例をいくつか示します。

音声認識

自動音声認識 (ASR)、コンピュータ音声認識、音声テキスト変換とも呼ばれる音声認識は、NLP を使用して人間の音声を文字形式に処理します。 多くのモバイル デバイスは、システムに音声認識を組み込んで、音声検索 (Siri など) を実行したり、英語や広く使用されている多くの言語でのテキスト メッセージのアクセシビリティを高めたりしています。 Don Johnston が IBM Watson Text to Speech を使用して教室でのアクセシビリティを向上させた方法をケーススタディでご覧ください。

顧客サービス

オンラインの仮想エージェントとチャットボットは、カスタマー ジャーニーにおいて人間のエージェントに取って代わりつつあります。 これらは、配送などのトピックに関するよくある質問 (FAQ) に答えたり、パーソナライズされたアドバイス、製品のクロスセル、ユーザー向けのサイズの提案を提供したりすることで、Web サイトやソーシャル メディア プラットフォームにわたる顧客エンゲージメントについての考え方を変えます。 例には、仮想エージェントを使用した e コマース サイトのメッセージング ボット、Slack や Facebook Messenger などのメッセージング アプリ、通常は仮想アシスタントや音声アシスタントによって実行されるタスクなどが含まれます。 Autodesk Inc. が IBM watsonx Assistant を使用して顧客の応答時間を 99% 短縮した方法を事例紹介でご覧ください。

コンピュータビジョン

この AI テクノロジーにより、コンピューターとシステムはデジタル画像、ビデオ、その他の視覚入力から意味のある情報を導き出し、それらの入力に基づいてアクションを実行できます。 この推奨事項を提供する機能により、画像認識タスクとは区別されます。 畳み込みニューラル ネットワークを活用したコンピューター ビジョンは、ソーシャル メディアでの写真のタグ付け、医療での放射線画像処理、自動車業界での自動運転車などに応用されています。 ProMare が IBM Maximo を使用して海洋研究に新しい方向性を設定した方法を事例紹介でご覧ください。

サプライチェーン

適応型ロボティクスは、モノのインターネット (IoT) デバイス情報、構造化データおよび非構造化データに基づいて動作し、自律的な意思決定を行います。 NLP ツールは人間の音声を理解し、言われたことに反応できます。 予測分析は、需要への対応力、在庫とネットワークの最適化、予防保守、デジタル製造に適用されます。 単なる予測ではなく階層的な検索およびパターン認識アルゴリズムは、リアルタイム データを分析し、サプライ チェーンが機械生成された拡張インテリジェンスに対応できるようにすると同時に、即座の可視性と透明性を提供します。 Hendrickson がどのように IBM Sterling を使用してリアルタイム トランザクションを推進したかをケーススタディでご覧ください。

天気予報

放送局が正確な予測を行うために依存する気象モデルは、スーパーコンピューターで実行される複雑なアルゴリズムで構成されています。 機械学習技術は、これらのモデルをより適用可能かつ正確にすることで強化します。 Emnotion がどのように IBM Cloud を使用して、天候に敏感な企業がよりプロアクティブでデータに基づいた意思決定を行えるようにしたかを事例紹介でご覧ください。

異常検知

AI モデルは、大量のデータを調べて、データセット内の異常なデータ ポイントを発見できます。 これらの異常は、機器の欠陥、人的ミス、セキュリティ侵害に対する意識を高める可能性があります。 Netox がどのように IBM QRadar を使用してデジタル ビジネスをサイバー脅威から保護したかをケーススタディでご覧ください。

人工知能の歴史: 重要な日付と名前

「考える機械」という考えは古代ギリシャにまで遡ります。 しかし、電子コンピューティングの出現以来 (およびこの記事で説明するいくつかのトピックに関連して)、人工知能の進化における重要な出来事やマイルストーンが、