人工知能で出来るのは会話だけじゃない、簡単AIプログラムの作り方

人工知能（AI）と会話などができて、作り方が自分にもわかったらとても楽しいですよね。実際には人工知能（AI)は囲碁を打ったり将棋をしたり、自動運転に使われたり、株の予測に使われたりと会話だけではなく様々な作り方が存在しますし、使用されたりします。

このように様々な場面にだけ絞って使われる人工知能（AI）を特化型人工知能(Narrow AI)といい、一方で鉄腕アトムみたいなのは汎用人工知能（AGI）です。鉄腕アトムみたいなのは作るのはさすがに無理、だけどちょっとした人工知能（AI）を作れたら。。。

そこで今回は、特化型人工知能(Narrow AI)を使った会話だけではない簡単プログラムの作り方をお伝えいたします。

※AI（人工知能）には、特化型人工知能と汎用人工知能の二つがあります。さらに詳しく知りたい方はコチラ

弱いAI、強いAI、特化型人工知能、汎用人工知能

AI（人工知能）が世間で急に熱を帯びてきた今日この頃。そして、AI（人工知能）の概念には種類があり、「弱いAI」「強いAI」「特化型人工知能」「汎用人工知能」と整理がつかず、混乱される方もいらっしゃるかもしれません。今回は、そんな混乱してしまいがちなAI（人工知能）の概念を整理してお伝えしていきます！！

人工知能（AI）を作ることは初心者でもできるのか
人工知能（AI）の作り方！必要なデータとスキルと知識
人工知能（AI）のライブラリや、会話や他のプログラムも作れる
人工知能（AI）をサービスに組み込む

人工知能（AI）を作ることは初心者でもできるのか

人工知能（AI）との会話など想像しやすい音声認識に長けた人工知能（AI）、画像処理に長けた人工知能（AI）、それに言語処理に長けた人工知能（AI）など、人工知能（AI）を作るととなると様々な人工知能（AI）を想像します。初心者が一から人工知能（AI）を作ることは会話以外だとしても作り方もわかりませんし、とても難しいです。しかし、近年の人工知能（AI）技術の発展によりプログラミングができるサービスが多く発表されています。

ある程度のプログラミング知識が必要ですが、サービスにより初心者でも人工知能（AI）を作りやすくなるでしょう。

人工知能（AI）の作り方！必要なデータとスキルと知識

機械学習に必要なデータを集める

人工知能（AI）、つまり機械学習を行うためには多くのデータが必要です。

人工知能（AI）で会話をするにしても、画像処理するにしても、人工知能（AI）の作り方の第一歩がデータの収集。最近の膨大なデータ、つまりビッグデータが重要視され、企業が資金を投資しビッグデータを集めている理由の一つが機械学習に使うためでもあります。

※機械学習とは、現在のAI（人工知能）を実現するために中心となっている技術です。さらに詳しく知りたい方はコチラ

機械学習

AI（人工知能）に興味のある方なら、「機械学習」という言葉を聞いたことがあるかもしれません。しかし、「AI（人工知能）とは？」「機械学習とは？」と聞かれて答えるとなるとなかなか難しいものですよね。私も説明できずに困った苦い思い出があります。今回は、誰もがわかるように機械学習についてお伝えします。

ビッグデータを使えないにしても、自分で機械学習をするにはどのくらいのデータが必要となるでしょうか？これは人工知能（AI）との会話をするには〇〇個あればOKとは言えず、作り方がまだ断定できるような状況ではないということになるでしょう。

例えば、

人工知能（AI）が会話をするには4000人くらいの録音データを収集しなくてはいけないだろう、1000人以下では足りないかなというような推測です。

用途によっても変わるので、断言できるわけではありません。また、個人でできる収集方法としてはWebサービスを利用するのが手っ取り早いでしょう。

画像データであれば、Googleの画像検索で大量に取得可能だったり、音声データもYouTubeから取得しようと思えば可能で、AudioSetというウェブサイトから公開されているのでそれを使ってもよいです。その他にはTwitterのAPIで今までのツイートを取得可能だったりと、ウェブを活用することでデータはたくさん取得しましょう。

データを色々と取得したあとにもさらに知識は必要になってきます。

線形代数と統計学の基礎知識

行列の性質や扱い方に特化した数学である線形代数の基本的な理解は人工知能（AI）の機械学習では必要。行列とは何なのか？行列の足し算や掛け算はどのようにやるのか？など必要最低限の基本的な重要点を理解するだけでも大丈夫です。

人工知能（AI）の機械学習を勉強しているとMeanやMedian、さらには標準偏差や正規分布など、統計の用語が頻繁に使われます。

これの意味が分からないとつらいので、ある程度理解できるようになるくらいにはなっておきましょう。

Pythonとライブラリ

色々な言語はありますが、まずは「Python」から入るのが良いでしょう。機械学習においてはPythonがおそらくもっとも一般的に使われている言語で、チュートリアルや書籍など、機械学習を学ぶための環境が揃っています。

プログラミングの経験がある方であれば、Pythonの基本的な仕組みを理解するのは、さほど大変なことではないです。また、機械学習で利用されるPythonのライブラリが幾つかあります。

ライブラリは必須ではありませんが、機械学習のモデル構築をやろうと考えると、いずれ使うことになるので、Numpy、Pandas、Matplotlibあたりのライブラリは覚えておいても損はないでしょう。

人工知能（AI）のライブラリや、会話や他のプログラムも作れる

人工知能（AI）のサービスを使うには機械学習をさせて学習済みモデルを作る必要があります。線形代数や統計学などPythonだけでなく色々なものが登場しましたが、それを少しでも人工知能（AI）（機械学習）を優しくするために、ライブラリなどのツールが多数存在していますのでフル活用しましょう。

※ライブラリとは、再利用できるプログラムを集めたものです。多くの場合は単体では動かず、主のプログラムの実行を補助するものです。さらに詳しく知りたい方はコチラ

ライブラリ

AI（人工知能）に関する記事を読んでいて、「ライブラリ」という言葉を見かけることがありますよね。しかし、プログラミングに接点が無い人からすれば意味のわからない言葉です。現在様々な人々が気軽にAI（人工知能）を利用、実装できるようになったのも「ライブラリ」の影響です。そこで今回は「ライブラリ」についてお伝えします！！

Azure ML（Machine Learning）

Azure MLの特徴は、プログラミングを書く必要がないためプログラミングの知識がない人でも使用可能。Webブラウザ上で学習データや分析手法マウス操作するだけで、機械学習のモデル作成ができるので、統計の基礎的な知識があれば使えるのが良いですよね。

Azure MLは月々数千円から利用でき、申込後数分で使い始めることができます。また、クラウド上進めることができ、自身のPCのスペックに依存しないのも魅力的です。

Scikit-learn

Scikit-learnは、Python実装の機械学習ライブラリです。機械学習アルゴリズムを幅広くサポートしていて、分類回帰クラスタ分析(ニューラルネットワーク、サポートベクターマシン、ランダムフォレスト、近傍法など)を手軽に実装できます。

使い方を覚える必要はありますが、非常に簡単にモデルの構築を行えます。

Keras

層を積み重ねていくだけという、とんでもなく簡単な実装が可能。Kerasの登場により、ディープラーニング入門は誰にでもできるという状況が訪れたというほど、手軽なライブラリです。

人工知能（AI）をサービスに組み込む

続いて、学習が完了したモデルを人工知能（AI）として利用するため、サービスに組み込むことによって、ようやく会話などの様々な処理ができます。人工知能（AI）の言語処理などのbot、音声認識などの会話、画像認識の処理などのサービスが出ていますので、目的にあった作り方を考えて、サービスを使ってみましょう。

言語処理

人工知能（AI）を作る上では理解の難易度が比較的低いのが言語処理の分野なので、こちらからが最適でしょう。

Meya

Meyaは人工知能（AI）というよりは「人工無能」ですが、ブラウザだけあれば特殊なスキルもいらずbotが作れてしまうお手軽なサービスです。こちらは日本語対応していて、TwitterやFacebookに組み込める特徴があり、Twitterで誰かからコメントをもらった時に自動応対するように設定する事が可能。

実用性の高いチャットポットを作成可能なので、何らかの言語処理人工知能（AI）を作りたい時に向いています。

Meya

音声認識

コンピュータに話すまたは文章を送ることで、アクションを起こす人工知能（AI）を作成する可能です。

Wit.ai

Wit.aiのサービスの利点は2つあり、まず1つは対応言語が豊富な点とオープンソースのコミュニティが活発というところです。iOSやAndroidなどのスマホに対応させる事も。Node.jsやRuby、PythonやC言語などの多くの言語で対応しています。多くの言語が対応しているというのは、開発者の負担を減らすことになるでしょう。

一つ言語を勉強するのでとても大変ですので、これは非常にうれしいです。

Wit.ai