SAPのソリューション

デジタルトランスフォーメーション(DX)を推進などの経営課題の解決に向けて、ERPソリューション、クラウドアプリケーションや開発・運用基盤を組み合わせて、グローバルなエコシステムを構築のためのソリューションです。

お客様の課題

業種や規模によって企業の課題は経営課題、業務課題、システム課題など多様です。さらにそれぞれ課題は単一分野の課題だけではなく、相互に関連することで複雑になっています。

GSLが提供するサービス

様々な業種に関する技術・ノウハウに裏付けられたソリューション力をベースにした豊富な SAP Business-all-in-one テンプレートワンストップサービス体制で、導入から保守までをサポートします。

お役立ち情報

NTTデータGSLは日本企業のDX推進やグローバルビジネス展開の支援を提供しています。
GSL Tech Blogでは、最新技術に関するノウハウやナレッジをまとめています。
GSLコラムでは、製品情報だけではなく、トレンドや基本的な用語の解説などをまとめています。
関連資料ダウンロードでは、お客様の課題やソリューションをまとめた資料を用意しています。
GSLニュースは、SAPソリューションをはじめ周辺系システムとの連携を通じたDX推進など、最新の情報をメールマガジンでお届けします。
GSL University Journalは、企業内大学である「GSL University」における各研究室の教授等によるインサイトや成果報告、社員からの寄稿をまとめております。
ぜひご覧いただき、お役立てください。

企業情報

日系企業のグローバル展開に伴う、システムのグローバル化需要に応えるために、NTTデータグループにおけるSAP事業の中核会社を設立し、国内のグループ会社に分散しているSAPソリューション、業務ノウハウの一体化を図り、戦略的な事業経営を目指します。

機械学習とは?
機械学習の仕組みとディープラーニングとの違いを分かりやすく解説

機械学習(Machine Learning)とは、コンピューターに大量のデータを読み込ませ、データ内に潜むパターンを学習させることで、未知のデータを判断するためのルールを獲得することを可能にするデータ解析技術です。

近年、「AI(人工知能)」の一部に位置付けられている技術ということもあり注目を集めています。そして、この技術は現在、金融工学、画像処理、自動運転、生物学など様々な分野に影響を与え始めています。

今回のコラムでは、機械学習の仕組み。そしてディープラーニングとの違いを解説し、機械学習を活用した新たなイノベーションについてご紹介します。

what-is-machine-learning

INDEX

機械学習の仕組み

機械学習では、コンピューターに膨大な量のデータを読み込ませ、様々なアルゴリズムに基づいて分析をさせる仕組みです。

コンピューターに反復的に学習させることで、データの中に潜む特徴や規則性を見つけだすことが可能です。ここで活用するアルゴリズムは、コンピューターに読み込ませるデータの特性や目的によって異り、それぞれの用途にあったアルゴリズムを用意する必要があります。

ディープラーニング(深層学習)との違い

ディープラーニングは機械学習の一部に位置付けられますが、従来型の機械学習よりもより学習の精度が上がり、自動化も進んでいます。

機械学習

機械学習には、学習データを使用して、コンピューターがテストデータや最終的には現実社会で利用されるデータを分類するために使用できるモデルの構築が必要です。

従来型の機械学習にはこのモデル構築のステップにおいて、モデルの精度を高める特徴量(生データから抽出した追加メトリクス)を人間の手で開発することが求められてきました。

ディープラーニング

ディープラーニングは、機械学習で必要とされる、特徴量をマニュアルで開発する手順を必要としません。人間の手を必要としない代わりに、データはディープラーニングアルゴリズムに入力され、AIが自動的にデータの出力を決定するために有用な特徴量を学習していきます。

人間の神経細胞に似たニューラルネットワークが取り入れられているからこそ、ディープラーニングではこのような高度な学習が可能です。

データの特徴をコンピューターが自分で見つけ出すことができるという点でも、ディープラーニングは優れています。従来型の機会学習では、データ識別の際の着目点を人間が指示することが求められました。しかし、ディープラーニングでは、データのどの特徴に注目すればよいのかを、コンピューターが自律的に学習します。

例えば、従来型の機会学習では、リンゴと梨の画像を識別する場合、「色に注目すればよい」ということを人間がコンピューターに教える必要がありました。それが、ディープラーニングでは、コンピューターが自動で「色に注目すればよい」ということを認識するのです。

反復学習の経験を積み重ねたコンピューターがデータの細部にわたり識別できるようになることで、人間が見つけることのできない特徴を見つけ出すことも可能になります。

機械学習の手法

機械学習の手法は「教師あり学習」と「教師なし学習」、「強化学習」の3つに分けることができます。

教師あり学習(Supervised Learning)

読み込んだデータから「入力と出力の関係」を学習させることで、データ間の関係を認知させる学習手法です。

学習データには事前に「正解」ラベルが付与されています。与えられた学習データの中で、「正解」ラベルが付与されているデータの特徴と、それ以外のデータの特徴をコンピューターが自動で識別し、識別力を向上させていくことで、入力された値に対して「正解」になるデータを出力することができるようになります。

教師なし学習(Unsupervised Learning)

学習データにラベルを付与せず、データセットのパターンからデータの関係を認知させる学習手法。

2012年にGoogleが教師なし学習により猫を認識できるAIを開発したことが大きなニュースになりました。Web上の画像や動画を1週間読み取り続けるうちに、AIが自律的に「猫」というものを認識することが可能になりました。このように、与えられたデータからコンピューター自身がパターンを見出し、未知のデータに対しても予測や識別を行うことを可能にするのが、教師なし学習です。

教師なし学習による認識力向上のプロセスは、幼児が毎日いろいろなものを見るうちに、自然と「猫とはどのような特徴を持つ動物であるか」ということを認識していくプロセスに似ています。

強化学習(Reinforcement Learning)

Google社のAlphaGoというAIが、韓国の囲碁プロ棋士を破ったということが大きな話題になりました。このAlphaGoに使われていた学習手法が強化学習です。

強化学習は、正解を与える代わりに将来の価値を最大化することを学習するモデルです。囲碁のように、人間が必ずしも正解を予測することが可能なわけではない場合でも学習できるので、人間を超える力を身につけることが期待されています。

このように、機械学習には様々な学習手法が存在しており、私たちの普段の生活にも密接に関わるようになってきています。迷惑メールに頻出する単語とその出現確率をもとに、スパムと非スパムの分類を行うスパムフィルターをはじめ、インターネットショッピング利用時に度々目にする商品レコメンドや、カメラの顔認識、自動運転等、身近なところからすでに、様々な機械学習の手法が使われています。

新たなイノベーションの創出

ERPの世界でも機械学習を利用した製品により、ビジネスに新たなインパクトを与えることが期待されています。例えば、SAP社は新たな企業のデジタル戦略を支える最新のプラットフォームとして、「インテリジェントエンタープライズ」を提唱しています。

これは人工知能と機械学習の活用により、ユーザーの作業プロセスの自動化と効率化・意思決定の迅速化を可能にし、新たなイノベーション創出をサポートします。

このようなテクノロジーをビジネスと掛け合わせて、不確実性が高い世の中でも競争力を持ち、企業の経営を行うことができます。ぜひ、企業のデジタル化を進めてみませんか。

参考記事

関連サービス

関連資料

  • データ活用の為のクラウドデータベース(aidoneo®-DU)

    データを蓄積するだけでは分析も可視化もできません。どのようにデータを収集・蓄積し、構築や運用コストを抑えながら有効活用できるデータ活用基盤を整備しておくかが重要です。こうした取組みが、DXを推進します。NTTデータGSLのケーススタディを交え、データ活用基盤のポイントとその活用術をご提案します。 ダウンロード

  • 業務効率化の為の身近なAI活用(aidoneo®-DX)

    AIの活用と聞くとイノベーションの創出といった考えてしまうが、日常業務へのAI活用にも大きな可能性がある。日々の業務の「困りごと」をAIとどうマッチングして、日々の小さな業務プロセスをどう改善するかをご提案します。 ダウンロード