レポート

それはAIかコグニティブか ―「BIG DATA ANALYTICS TOKYO」で見えたWatsonによる次世代アナリティクスのポテンシャル

この記事を読むのに必要な時間:およそ 3.5 分

"AI(Artificial Intelligence: 人工知能)"という単語がバズワードとしてメディアに登場する機会が増えるにつれ,IBMのコグニティブコンピューティングシステム「IBM Watson」への注目度も急速に高まりつつあります。もともと,Watsonは2011年に米国のTV番組「Jeopardy!」で人間とのクイズ対決のために開発されたハードとソフトが一体化されたスーパーコンピュータでしたが,現在では自然言語処理とマシンラーニングを組み合わせたIBMのアナリティクスプラットフォームの総称として位置づけられています。

バズワードとして毎日目にする"AI",実はその定義が非常にあいまいなまま,世の中にはびこってしまっている言葉でもあります。そしてWatsonを"コグニティブコンピューティング"と呼び続けてきたIBMは,かたくなにWatsonがAIと呼ばれることを拒否し続けてきました。IBMにとってWatsonとは,膨大なデータをインプットし,それをもとに仮説/検証を繰り返しながら予測分析や意思決定の精度を上げていくシステムで,人間が質問を投げかけると,Watsonは自然言語処理によって対話的にその解答を返します。これはIBMが従来からAIとして定義してきたニューラルネットワークを基盤にした「強いAI」とは問題解決のためのアプローチが大きく異なるというのが大きな理由です。

しかし,ここ最近のIBMはWatsonがAI技術の1つとして位置づけられることを,以前ほど強く否定しない傾向にあるようです。むしろ「弱いAI(限定的な機能しかもたないAI)⁠の文脈においては,IBM自身がWatsonのことをAIと呼ぶことすらあります。AIがバズワードとなっている現状では,⁠WatsonはAIではない」と言い続けることはマーケティング上,あまり得策ではないと判断したのかもしれません。

それほどまでにIBMがその定義にこだわってきたコグニティブコンピューティングとしてのWatsonですが,具体的にはどんなアナリティクスがWatsonによって可能になっているのでしょうか。本稿では2月7日に東京・六本木で行われたデータアナリティクスのカンファレンス「BIG DATA ANALYTICS TOKYO」における日本IBM Sparkスペシャリスト 田中裕一氏のセッション「Combining Watson and Spark for Analysis」の内容を紹介しながら,Watsonによるアナリティクスの現状と課題を検証してみます。

日本IBM Sparkスペシャリスト 田中裕一氏

日本IBM Sparkスペシャリスト 田中裕一氏

WatsonとSparkで作る映画のレコメンデーションシステム

田中氏はまず,Watsonが取っているアナリティクスのアプローチの全体像を以下のように説明しています。

  • 現状把握(Descriptive Analytics)⁠ … 何が起こったのかを把握する
  • 予測分析(Predictive Analytics)⁠ … 将来何が起こるのかを予測する
  • 認知(Cognitive Analytics)⁠ … 次に取るべき最適なアクションを判別し,共有/指示を行う

Watsonはインプットのデータ量を増やし,マシンラーニングを繰り返すことによって,各フェーズでの精度を上げていきます。この世界最先端のアナリティクステクノロジをより多くの開発者に体感してもらうため,IBMは現在,自然言語処理やテキスト/音声の変換,画像認識などWatsonの機能の一部を開発者向けに公開しており,開発者はIBMのPaaS環境であるBluemix上で,RESTインタフェースを通してWatsonのAPI利用することが可能になっています。

WatsonはいくつかのAPIをBluemix上で公開しており,無料のものもある。インタフェースはRESTで提供される

WatsonはいくつかのAPIをBluemix上で公開しており,無料のものもある。インタフェースはRESTで提供される

そして今回,田中氏がセッションで使用したのがWatsonの公開APIの1つであるPersonality Insightsです。Personality Insightsは,ユーザの書き込みからその心理属性を分析する機能を備えており,たとえばTwitterやFacebookといったソーシャルメディアの書き込みからそのユーザの性格の特性,欲求,価値観などを抽出することが可能です。田中氏はこのPersonality Insightsを利用し,⁠映画のレコメンデーションシステム」のサンプルを作成するプロセスを紹介,⁠Watsonで何がわかるのか」を具体的にセッション参加者に見せてくれました。

今回作成した映画レコメンデーションサンプルの概要

今回作成した映画レコメンデーションサンプルの概要

サンプル作成の最初の手順はWebからのデータ収集です。田中氏は今回のサンプル作成にあたり,クローラを使って映画に関するデータを収集したそうです。収集したデータはデータベースに格納し,分析に備えます。事業者の場合はこうしたデータをすでにもっているはずなので,このステップは省略できます。

最初は映画に関するデータの収集。田中氏は映画に関するソーシャルデータをクローラを使って収集した

最初は映画に関するデータの収集。田中氏は映画に関するソーシャルデータをクローラを使って収集した

著者プロフィール

五味明子(ごみあきこ)

IT系の出版社で編集者としてキャリアを積んだ後,2011年からフリーランスライターに。フィールドワークはオープンソースやクラウドコンピューティング,データアナリティクスなどエンタープライズITが中心。海外カンファレンス取材多め。Twitter(@g3akk)やFacebookで日々IT情報を発信中。

北海道札幌市出身/東京都立大学経済学部卒。

コメント

コメントの記入