フリーランスエンジニアのためのシステム開発手法

システム開発手法
2020.09.25

システム開発手法－AI開発の基本

AI開発の基本をわかりやすく解説

フリーランスのITエンジニアとして活躍している皆様にとっては既に常識かもしれませんが、ここでAI開発手法の基本を理解するために、まずはじめにAIの定義についておさらいしましょう。
そもそもAIとは「Artificial Intelligence」の略称であり、人工知能と呼ばれています。AIの厳密な定義は様々ですが、現時点での一般的な理解としては「言語の分析・状況の推論・クラスの分類、数値の予測などの知的な行動の一部を人間の代わりにコンピューターに行わせる技術」のことです。

実際には、人のような総合的な知能を有するシステムはまだ存在していません。いずれも、人の一部の機能を肩代りする程度のシステムです。そもそも「知能」そのものについても、世界的には共通の定義は存在しておらず、たとえばある企業が「これがAI」と言えば、それがAIであるという状況に過ぎません。
多くはパターン認識や、統計手法を基礎とした計算関数ライブラリ（つまり関数プログラム）の活用によるクラス分類や予測を行っています。

実際にAIシステムを開発し学習させるプロジェクトにも参加しているAIWILの案件に参画されれば、より深く広くそのスキルを広げていけますが、ここではごく基本的な概要を説明していきます。

機械学習とディープラーニング

機械学習

AIと言えば、現在代表的なものとしては「機械学習」と「ディープラーニング」があります。機械学習とディープラーニングは、ビジネスなどにも活用できる高度な予測機能、分類機能をAIにもたらした技術です。

機械学習とは、あらかじめ用意されているライブラリからデータ特性や目的に合わせて選択したアルゴリズムに大量のデータを投入することで、データを解析し自ら法則性を見つけ出す仕組みとイメージすれば良いでしょう。

ディープラーニング

ディープラーニングは機械学習をさらに発展させた概念です。大きな構造としては「入力層、中間層、出力層」で構成されますが、中間層を増やしていくほど階層が深く（ディープに）なっていきます。たとえばその特徴のひとつとして、機械学習はAIが何に着目するか（説明変数と呼びます）を人間が設定しますが、ディープラーニングでは何に着目して情報を処理するかはAI自身が判断して学習するのが特徴と言えるでしょう。

分かり易くイメージすると、リンゴの区別の仕方をAIに学習させる際に、機械学習では「説明変数として色を使用する、サイズを使用する」などといった指定を人間が設定する必要がありますが、ディープラーニングでは、色、大きさ、鮮度など、区別の方法や重みづけをAI自身が選択し、チューニングしながら学習していくイメージでとらえておけば良いでしょう。

AI開発のプログラミング言語

Python

プログラミング言語は数多く存在しますが、AI開発に役立つプログラミング言語として有名なものに「Python」があります。PythonはAI開発に広く使用されるほか、Web開発や組み込み開発などの分野でも親しまれています。

Pythonの主な特徴は以下の3点です。
・コードの読みやすさを重視して開発されたため、初心者でも勉強しやすい
・開発に必要なプログラムをまとめたものであるライブラリが豊富
・アプリケーション作成に役立つフレームワークが数多く開発されている

つまりフリーランスエンジニアにとっても、身に着けやすいおすすめの言語ということになります。もしPythonに習熟すれば対応可能な案件の幅も広がるでしょう。

PythonがAI開発に役立つ理由

PythonがAI開発に役立つ理由は、プログラミングの知識の少ない初心者でも学びやすいこと、コードが読みやすいのでプログラムの解析に時間を取られにくいこと、ライブラリやフレームワークが豊富なことなどです。
特に、AI開発においては機械学習とディープラーニングが重要ですが、それらをこなすには高度な数値計算が必要な場合が少なくありません。
その点、Pythonは既存のライブラリが充実しているので、数値計算に必要な環境を整えやすいメリットがあります。
プログラミングのスキルのあるフリーランスエンジニアであれば、容易に使いこなすようになれるでしょう。

AI開発の基本的な流れ

AI開発には4つの基本的なフェーズがあり、順番に実施していくのがポイントです。それぞれのフェーズについて解説します。ただしこれらはあくまで基本的な流れであり、実際にはデータ分析のフレームワーク（CRISP-DMなど）に従って、事業課題の設定からデータ品質の理解、加工、欠損値の補完。パラメタチューニングなど緻密なステップで進めていくことになります。
AIWILでもAI開発のための入門講座を用意していますので、興味のあるフリーランスエンジニアはいつでもお問い合わせください。より詳細なスキルを身に着けることが可能です。

構想フェーズ

AI開発によって何を実現したいのか、どんな課題を解決したいのかを構想するフェーズです。企業などがビジネスの一環としてAI開発を検討する場合、実際にビジネスとしての利益を出せるかという視点で考えることが重要です。
構想フェーズで考慮すべき要素は様々ですが、考え方の指針としては、そもそもAIによってそのビジネス課題が解決できるのか、解決可能な場合どのような効果が生じるのか、効果を客観的に測定できるか、などが重要となります。

PoCフェーズ

PoCは「Proof of Concept」の略称で、概念実証を意味し、検証やデモンストレーションを実施します。AI開発におけるPoCとは、構想段階で考えたAIのアイデアが現実的に実現可能かどうかを検証するフェーズです。
AIの仮のモデルやシステムを構築して効果や実用性を検証するほか、AIの学習に用いるデータの評価（品質評価）なども行います。

実装フェーズ

PoCフェーズで作成したAIモデルを、本番環境での要求に応えられるように、精度や実行速度まで練り上げるためのフェーズです。ここはフリーランスエンジニアの腕のみせどころでしょう。
また、AI自体を実装するだけでなく、構想段階で考えたAIを用いる対象（サービス等）についても、それがビジネスとして実効性のあるレベルまで引き上げる作業を行う場合もあります。このあたりはエンンジニアだけではなく、現場のユーザや事業の担当者の力が非常に重要となっていきます。

運用フェーズ

実装フェーズによってAI機能の本稼働が可能になったら、実際に業務を遂行していきます。実装フェーズでは、主に以下の3点が重要なポイントとなります。

・AIシステムを安定した環境で運用するために、十分な保守・点検を実施する
・構想フェーズで設定した目標について、どの程度達成できているかをモニタリングする
・業務から得られた情報に基づいてAIに用いるモデルチューニングを施して精度を高める（フィードバック）
・必要に応じてAIモデルを廃棄することも選択肢のひとつとなり得ます