機械学習（ML）とは、人工知能（AI）の一分野であり、データセットと過去の経験からパターンを認識して予測を生成することで機械が学習する技術のことです。機械学習は210億米ドル規模の世界的産業であり、2029 年までに 2,090億米ドル規模の業界になると予測されています。
ここでは、私たちの日常生活の一部となっている以下の10の機械学習の活用事例をご紹介します。
Forbes誌（ibm.com外部へのリンク）によると、マーケティングチームと営業チームは、他のどの企業部門よりもAIとMLを重視しています。マーケティング担当者は、リード生成、データ分析、オンライン検索、検索エンジン最適化（SEO）にMLを使用します。例えば、多くの企業は、カートに商品を残したままWebサイトから離れたユーザーに連絡するためにこれを使用します。
MLアルゴリズムとデータサイエンスは、Amazon、Netflix、StitchFixなどのサイトで推奨エンジンがユーザーの好み、閲覧履歴、ショッピング・カートの履歴に基づいて推奨を行うのを可能にしています。MLは、特定の顧客の興味を満たす可能性のあるオファーを特定することで、パーソナライズされたマーケティング・プロジェクトの推進にも役立ちます。また、ユーザーの興味に合わせてマーケティング資料をカスタマイズすることもできます。MLを使うことにより、開封率やクリックスルー率などの指標をチェックしてキャンペーンを詳細に監視することもできます。
MLは顧客の発言を理解できるだけでなく、顧客の口調も理解し、顧客サポートのために適切なカスタマー・サービス・エージェントに顧客を誘導することもできます。音声ベースのクエリーでは、音声認識に自然言語処理（NLP）と感情分析が使用されます。
テキスト・ベースのクエリーは通常、ほとんどの企業が電子商取引サイトで提供する仮想エージェントであるチャットボットによって処理されます。このようなチャットボットにより、顧客は待つことなく、多数の同時顧客であっても 24 時間体制で即座に対応を受けることができ、よりポジティブな顧客体験が期待できます。カスタマー・サービスにwatsonx Assistantシステムを使用しているある銀行では、チャットボットが顧客の質問の96％に正確かつ迅速に、一貫して、複数の言語で回答していることが分かっています。
企業はMLを使用して、SNSやその他のアクティビティーを監視し、顧客の反応やレビューを調べます。MLは、ビッグ・データの広範な使用により、企業が顧客離れ（解約しようとしている顧客の割合） を予測して削減するのにも役立ちます。
Amazon社のAlexaやApple社のSiriなどの仮想パーソナル・アシスタントや音声アシスタントが実行するタスクを可能にしているのはMLです。このやり取りには、音声認識、音声テキスト変換、NLP、またはテキスト読み上げが含まれる場合があります。誰かがバーチャル・アシスタントに質問すると、ML は回答を検索したり、その人が以前に尋ねた類似の質問を思い出したりします。
MLは、Facebook MessengerやSlackで使用されるメッセージング・チャットボットにも使用されています。Facebook Messengerでは、MLがカスタマー・サービス・チャットボットを強化しています。企業はそこでチャットボットを設置することで迅速に応答できるようにしています。また、画像のカルーセルや行動喚起ボタンを提供し、顧客が類似のオプションを見つけたり、配送を追跡したり、安全な購入を可能にしたりします。Facebookは、成人が18歳未満の人に大量の友達リクエストやメッセージ・リクエストを送信する場合など、詐欺や望ましくないやり取りがないか、Messengerでのチャットを監視するためにもMLを活用しています。
Slackでは、MLを活用して動画処理や文字起こし、ライブ・キャプションの作成を行っています。これらはキーワードで簡単に検索でき、従業員の離職率の予測にも役立ちます。一部の企業では、Slackにチャットボットを設置し、MLを使用して質問やリクエストに回答しています。
GoogleのGmailのMLアルゴリズムは、顧客のEメールをメイン、ソーシャル、プロモーションのカテゴリーに自動的にフィルタリングするとともに、スパムを検知して迷惑メール・フォルダにリダイレクトします。MLツールは、Eメール・アプリの「ルール」を超えて、Eメールを分類して適切な担当者にルーティングし、より迅速な対応を可能にしたり、添付ファイルを適切な場所に移動したりすることで、Eメール管理を自動化することもできます。例えば、Levity（ibm.com外部へのリンク）などのEメール管理自動化ツールは、テキスト分類アルゴリズムを使用して、受信したEメールをMLで識別し、分類します。これにより、カテゴリに基づいてパーソナライズされた応答を作成できるため、時間が節約され、このようなカスタマイズによってコンバージョン率が向上します。
サイバーセキュリティーでMLを使用する方法は4つあります。
MLとディープラーニングは、銀行業務の不正検知などで広く使用されています。銀行やその他の金融機関は、疑わしいオンライン取引や、さらなる調査が必要なその他の異常な取引を認識するためにMLモデルをトレーニングします。銀行やその他の金融機関は、ML分類アルゴリズムと予測モデルを使用して、誰に融資を提供するかを決定できます。
多くの株式市場取引ではMLが使用されています。AIとMLは数十年分の株式市場データを活用してトレンドを予測し、買うべきか売るべきかを提案します。MLは人間の介入なしにアルゴリズム取引を行うこともできます。株式市場取引（ibm.com外部へのリンク）の約60～73％は、大量かつ高速に取引できるアルゴリズムによって行われています。MLアルゴリズムは、パターンを予測し、精度を向上させ、コストを削減し、人的エラーのリスクを軽減できます。
非営利の技術組織 Change MachineはIBMと連携し、IBM® Cloud Pak for DataでAIを活用した推奨エンジンを構築しました。このエンジンは、フィナンシャル・コーチが顧客の目標に最適なフィンテック商品を見つけるのに役立ちます。Change Machineの商品開発ディレクターであるDavid Bautista氏は「IBMとの連携により、データを新たな方法で活用する方法と、機械学習モデルを作成および管理するためのフレームワークを構築する方法を学ぶことができました」と述べています。
MLの開発により、パターン認識の機械トレーニングが可能になり、現在では放射線画像診断にまで使用されるようになりました。AI対応のコンピューター・ビジョン（ibm.com外部へのリンク）は、マンモグラムの分析や肺がんの早期スクリーニングによく使用されます。マンモグラムを使用して診断する医師は、がんの40％ （ibm.com外部へのリンク）を見逃していますが、MLを使用することにより、その数字は改善できます。MLは、腫瘍の分類、人間の目では確認しにくい骨折の発見、神経疾患の検出にもトレーニングされ、使用されています。
MLは、過去の患者の医療記録や結果を調べて新しい治療計画を作成するために使用されることがあります。また、遺伝子研究、遺伝子改変、ゲノム配列解析では、遺伝子が健康にどのような影響を与えるかを特定するためにもMLが使用されています。MLは、特定の治療法や薬剤に反応するかどうか、また特定の人々に重大な副作用を引き起こす可能性がある遺伝子マーカーや遺伝子を特定できます。これらの高度な分析により、データに基づいたパーソナライズされた投薬や治療の推奨が可能になります。
従来は複雑で費用がかかり、時間のかかるテストを経る新しい医薬品の発見と製造は、MLを使用することでスピードアップできるでしょう。米製薬会社Pfizer（ファイザー）社は、IBM WatsonのML機能を使用して、免疫腫瘍学研究における臨床試験に最適な候補者を選択しています。健康とウェルネスに特化した組織Geisingerの Health Systemは、臨床データにAIとMLを活用して、敗血症による死亡を予防しています。同組織はIBMのデータサイエンスおよび AI エリート チームと協力して、どの患者が敗血症のリスクが最も高いかを予測するモデルを構築しています。このモデルは、治療の優先順位付け、リスクと費用のかかる入院の削減、敗血症による死亡率の低下に貢献しています。
MLは、最近の私たちの交通手段の多くに影響を与えています。例えば、Googleマップは ML アルゴリズムを使用して、現在の交通状況を確認し、最速ルートを決定し、「近くを探索」する場所を提案し、到着時間を推定します。
UberやLyftなどのライドシェア・アプリケーションは、MLを使用して乗客とドライバーをマッチングし、価格を設定し、交通状況を調べ、Googleマップのようにリアルタイムの交通状況を分析して運転ルートを最適化し、到着予定時刻を予測します。
コンピューター・ビジョンは自動運転車に欠かせません。教師なしのMLアルゴリズムにより、自動運転車はカメラやセンサーからデータを収集して周囲で何が起こっているかを把握し、取るべき行動をリアルタイムで決定できるようになります。
MLは、スマートフォンで起こることの多くを支えています。MLアルゴリズムは、スマートフォンをアクティブ化顔認識を管理します。これを使用することにより、アラームを設定したりメッセージを作成したりする音声アシスタントが使えるようになります。これらには、Apple社のSiri、Amazon社のAlexa、Google Assistant、Microsoft社のCortanaなどがあり、これらはNLPを使用して私たちの発言を認識し、適切に応答します。
企業はスマートフォンのカメラでもMLを活用しています。MLは、画像分類器を使用して写真を分析および強化し、画像内のオブジェクト（または顔）を検出し、さらに人工ニューラル・ネットワークを使用して、境界線の外側にあるものを予測することで写真を強化または拡張することもできます。
現在、SNSプラットフォームではMLが数多くの場面で使用されています。
AIは、既存のアプリケーションの戦略策定、最新化、構築、管理にも役立ち、効率性の向上とイノベーションの機会の創出につながります。カリフォルニア州ソノマ郡は、IBMと連携し、ACCESS Sonomaと呼ばれる統合システムでホームレスの住民と利用可能なリソースをマッチングさせました。「IBMは文字どおり、持ち上げて動かすことができる（リフト・アンド・シフト対応）オープン・アーキテクチャーを設計したため、4カ月で91,000人のユーザーの情報をロードし、4つの主要システム間でリンクすることができました」と、ソノマ郡セントラル IT のイノベーション・ディレクター、Carolyn Staats氏は述べています。「それは驚くべきスピードでした」ソノマ郡はホームレスの方々の35％に住宅を提供しましたが、これは全国平均の4倍にあたり、郡では2年間でホームレスの住民の数が9％減少しました。
IBMでは、基盤モデル、生成AI、MLのための新しいスタジオであるIBM watsonxで、MLとAIを組み合わせています。
watsonxは、企業でAIの真価をさらに活用できるようにするために構築された次世代のデータおよびAIプラットフォームです。このプラットフォームには、次の3つの強力なコンポーネントがあります。新しい基盤モデル、生成 AI、ML 用の watsonx.aiスタジオ、データレイクの柔軟性とデータウェアハウスのパフォーマンスを実現する目的に適したwatsonx.data ストア、責任、透明性、説明可能性を備えた AI ワークフローを実現するwatsonx.governanceツールキットです。
watsonxは、組織に次の機能を提供します。