AI（人工知能）はここ最近、AppleやGoogleなどの大手テック企業がそのサービスを大々的にアピールしていることもあり、IT系エンジニアや研究者でなくても日常的に耳にするようになりましたよね。
しかしひとことにAI（人工知能）と言っても、漠然と質問に答えてくれるロボットのようなものなど、AI（人工知能）がどのような仕組みで動いているのかはよく分からない方も多いのではないのでしょうか。
簡単にいうと、AI（人工知能）はアルゴリズムという規則に沿って動作するコンピュータプログラムです。Apple SiriなどのAI（人工知能）は私たちが質問をした内容をアルゴリズムに当てはめて、最適な回答を導き出しています。
さてここからは、そもそもAI（人工知能）とはなにか？と、様々なサービスに採用されているAI（人工知能）のアルゴリズムについて紹介していきます。
AI（人工知能）とは
アルゴリズムの前に、まずはAI（人工知能）について説明しましょう。
AI（人工知能）とは
AI（人工知能）は一般的に「強いAI（人工知能）」と「弱いAI（人工知能）」に分けられます。
しかし、2018年現在でも強いAI（人工知能）は実現できていません。つまり世の中で活用されているAI（人工知能）のサービスは全て弱いAI（人工知能）ということですよね。
近年この弱いAI（人工知能）は、
もっと詳しく知りたい方はこちら↓
AI（人工知能）を活用した事業サービス
- 株取引
過去の結果から株価を予測するサービスが運用されています。簡単な機械学習では、株価チャートの上がり下がりを過去の統計から予測する仕組みで人気ですよね。 - 接客サービス
決まった応対だけでなく自然な会話もできるので、各社積極的に開発してます。ソフトバンクのPepperが有名でしょう。 - コールセンター業務
音声認識を活用したコールセンターのオペレーター補助にAIが活用され始めています。 - 医療
CT撮影画像からAI（人工知能）がガンを予測するという研究が進んでいます。
AI（人工知能）のアルゴリズム一覧
次にAI（人工知能）のアルゴリズムについてお話しましょう。AI（人工知能）を作る際、事前にどんなAI（人工知能）を作りたいかを事前に決めた上で最適なアルゴリズムを選択する必要があります。
AI（人工知能）のアルゴリズムは主に以下のとおりです。
相関ルール学習
「相関ルール学習」とは、大規模なデータから相関ルールを抜き出すアルゴリズムです。たとえば、
ニューラルネットワーク
人工ニューラルネットワークとも呼ばれる生物の神経を模したアルゴリズム。
もっと詳しく知りたい方はこちら↓
遺伝的プログラミング
生物の進化をモデルとしたアルゴリズム。
帰納論理プログラミング
具体的な観測事例から、論理プログラミングを使って学習を規則化するアルゴリズムです。
サポートベクターマシン
AI（人工知能）の教師あり学習を用いるパターン認識モデルの一つのアルゴリズム。
クラスタリング
クラスタリングは教師なし学習アルゴリズムであり、統計的データ解析でよく使われます。
主成分分析（PCA）
主成分分析（PCA）は次元削減の手法の一つで、高次元のデータにおいてデータ全体のばらつき（分散と言います）が最大となる方向を見つけ出し、元の次元と同じかそれよりも低い次元の新しい部分空間へ射影する手法です。
ベイジアンネットワーク
因果関係を確率により記述するモデルのアルゴリズムであり、
ある原因から発生する結果を、確率をもって予測する推論手法ともいえるでしょう。
強化学習
試行錯誤を通じて価値を最大化するような行動を学習するアルゴリズムです。
もっと詳しく知りたい方はこちら↓
表現学習
画像や音、自然言語、時系列データなどの要素を予測問題を解くことで分散表現として抽象化するアルゴリズムです。
今回、AIにおけるアルゴリズムを紹介しました。ここで紹介したアルゴリズムは一例であり、各企業、研究者たちはAI（人工知能）の精度を上げるために新たなアルゴリズムを生み出しているでしょう。
しかしながら、これらの機械学習のアルゴリズムはそれぞれメリット、デメリットがあるためどんなAI（人工知能）を作りたいかによって最適なアルゴリズムを選択する必要があります。
冒頭で紹介した汎用人工知能と呼ばれる強いAI（人工知能）を作るためには、これら複数のアルゴリズムを複雑に組み合わせたり、新たに革新的なアルゴリズムを開発していくなど、まだまだ研究を進めていくことが必要でしょう。
この先、各企業や研究者の尽力により、近い将来人間に近い仕事ができるAI（人工知能）が登場するかもしれませんよね。
参照元 Azure Machine Learning Studio のアルゴリズムの選択方法
機械学習とは！？機械学習の種類について
