人工知能 (AI) とは?

人工知能 (AI) とは、機械による人間の知能のシミュレーションです。AIはひとつの技術ではなく、機械学習 (ML)、ディープラーニング、ニューラルネットワーク、自然言語処理 (NLP)、音声認識、マシンビジョンなど、新たに登場を続けるさまざまな技術を包括する総称です。新しい種類のAIは、絶えず開発され、改良されています。

AIはさまざまな方法で分類することができます。例えば、AIは「特化型」もしくは「汎用型」のいずれかに該当します。特化型AIは、カスタマーサービスの質問に答えたり、車を運転したりといった特定の目的のために設計されるものです。汎用型AIは求められるあらゆる認知タスクを実行するため、適応し、学習することができます。現時点で、後者はまだ発展途上の目標です。

AIシステムはまた、回答を導き出すために使用する技術によって分類することもできます。以下は、最も一般的な技術の一部です:

• 検索AI: 検索ベースのAIで、既存のソースから情報を抽出し、結果を要約します。このようなモデルでは、独創的な回答やユニークな回答を生み出すことはできません。
• 生成AI: 生成型AIは質問の文脈に沿ったオリジナルの回答を生成することができますが、必ずしも正確とは限りません。
• 検索拡張生成 (RAG: Retrieval Augmented Generation) AI: RAG AIは生成AIと検索AIの両方の長所を組み合わせ、それぞれのAI単体で達成できる結果よりも正確で文脈に沿った結果をユーザーの指示に応じて生成することができます。
• 認知AI: 認知AIは、結果を得るために人間の脳の動きを模倣するものです。

AIの種類とは?

現在議論、あるいは言及されているAIには、複数の異なる種類があります。ここでは、そのうちの複数を紹介します: 

• 対話型AIと生成AI
• 認知AI
• 生成AI
• 検索AI
• 検索拡張生成 (RAG: Retrieval Augmented Generation)

対話型AIと生成AIの違いとは?

対話型AIは、自然言語処理 (NLP) やその他の関連技術で人間の会話をシミュレーションするものです。対話型AIはユーザーのインプットを解釈し、ユーザーの意図を理解して適切な回答を生成することができます。バーチャルアシスタント、チャットボット、音声アシスタントなど、アプリケーションに応じて、テキスト、音声、その他のモダリティの形式で回答することが可能です。OpenAIのChatGPTが急速に広まったことで、対話型AIについて多くの方が知っているのはこの形式でしょう。

対話型AIシステムは、ユーザーインプットを理解し回答する能力を向上するため、大量のデータで訓練を行うことができます。また、ユーザーのニーズや好みに合わせてよりパーソナライズされた応答を生成するため、コンテキストを使用することもできます。対話型AIは急速に発展している分野であり、研究者や開発者は、この技術の持つ能力を高め、用途を拡大するための新たな方法を絶えず模索しています。

対話型AIは、組織とデータ、システム、ワークフローとの関わり方を大きく変える可能性を秘めており、より深いインサイトや価値を持つ、よりパーソナライズされた直感的な体験を生み出すことを可能にします。NLP、機械学習 (ML)、その他の関連分野がさらに発展すれば、今後対話型AIは組織にとってさらに欠かせない存在になるはずです。

一方で生成AIは、画像、テキスト、音楽などの新たなコンテンツを生成するためにアルゴリズムを使用するものです。既存のデータを分類したり予測したりするよう設計された従来のMLアルゴリズムとは異なり、生成AIのモデルは特定のデータセットに類似した新たなデータを生成するよう訓練されます。生成AIは、独自のアルゴリズムを使用して既存の例から学習し、既に把握しているものと類似した見た目や音の新たなコンテンツを生み出します。

例えば、生成AIは、既存のイラストからインスピレーションを得た新たなイラストの作成に使用することができます。また、実在しないもののリアルな画像を生成したり、人が書いたような物語や記事を書いたりすることもできます。

ユースケースとしては、以下のようなものが挙げられます:

• チャットボットやバーチャルアシスタント
• 従業員支援ツール
• マーケティングコンテンツの作成
• 文書の処理

認知AIとは?

認知AIは、知覚、論理的思考、問題解決、意思決定といった人間の認知能力の再現を目指すものです。認知AIは、ユーザーや環境とのやり取りに基づいて学習や改良を行えるインテリジェントなシステムを作成するため、ML、NLP、その他関連技術を使用します。

認知AIの目標は、タスクの実行を実行し、その背後にある状況や意味を理解することです。認知AIは、膨大な量のデータ分析、パターンの特定、そのデータに基づいた予測が行えます。また、失敗から学び、目標を上回るために行動を適応させることもできます。

認知AIには、医療、金融、交通、教育など、さまざまな分野で適用できる多大な可能性があります。例えば、患者の病歴に合わせてパーソナライズした治療計画の作成や、市場の動向やリスク評価に基づいた金融投資戦略の最適化などに用いることができます。

ユースケースとしては、以下のようなものが挙げられます:

• バーチャルアシスタント
• 画像認識
• 感情分析

検索AIとは?

検索AIは、大規模なデータセットから情報を検索し、抽出するものです。ユーザーのクエリが持つ意図を理解して、最も関連性の高い結果をデータベースから取得するため、NLPやMLアルゴリズムといった技術を使用します (検索エンジンに似ています)。

検索AIは、チャットボット、カスタマーサポートシステム、検索エンジンなど、さまざまなアプリケーションで利用されています。例えばチャットボットに質問をすると、チャットボットは検索AIを使用して、既存の回答データベースから最も関連性の高い回答を検索します。検索エンジンでは、検索AIは、ユーザーがクエリに基づいて最も関連性の高い検索結果を見つけることを可能にします。

検索AIは、正確で関連性の高い情報を提供することで、カスタマーサービスの向上、効率化、ユーザーエクスペリエンスの向上を支援する強力なテクノロジーです。そして、これは、大量のデータの取得と処理に依存する多くのAIアプリケーションにとって重要な要素です。

ユースケースとしては、以下のようなものが挙げられます:

• 参照検索
• 質疑応答
• 事実検索
• データ検索

検索拡張生成 (RAG: Retrieval Augmented Generation) とは?

検索拡張生成 (RAG)は、質疑応答、要約、対話型AIのようなテキスト生成タスクのクオリティを高めるため、検索ベースのアプローチと生成ベースのアプローチが持つ利点を組み合わせたNLPの技術です。

生成ベースモデルはこれまで、与えられたインプットや指示に基づいてゼロから新たなテキストを生成するようなテキスト生成タスクに使用されてきました。しかし生成モデルは、複雑なトピックや特殊なトピックを処理する場合は特に、品質の低いアウトプットを生み出すことがあります。一方、検索ベースモデルは既存のテキストデータに依存して応答を生成しますが、既存データの品質と可用性によって制限されることになります。

RAGは、既存のテキストデータから関連する情報を選択するために検索ベースモデルを使用し、それからその情報に基づいて新たなテキストを生成するために生成ベースモデルを使用することで、両方のアプローチが持つ長所を取り込んでいます。このため、複雑なトピックや特殊なトピックの場合にも、RAGモデルでは膨大なテキストセットに含まれる知識を活用することで、より正確でわかりやすいテキストを作成することができます。

ユースケースとしては、以下のようなものが挙げられます:

• コンテンツの作成と要約
• 対話エージェントやチャットボット
• 情報の検索、取得、要約
• 法的な調査と分析

Cohesity GaiaはAIを活用して会話データに対するインサイトを提供するソリューションであり、市場初のAIを活用したエンタープライズ検索アシスタントです。Cohesity Data Cloudに保存された高品質なバックアップデータに対して、検索拡張生成 (RAG) AIと大規模言語モデル (LLM) を活用します。

これらの種類のAIはすべて、ひとつのことに大きく依存しています: それはデータです。