ディープラーニングの登場により音声認識や文章認識・生成等に関する技術の実用が一
層進み、市場での利用が始まっている。

運動の習熟の次のステップとして言語の意味理解の実現が期待されている。「2.3自然言語処理」で示したとおり、ディープラーニングにより抽出した高次の特徴量を言語と紐づけることで、言語理解や自動翻訳、さらには言語からの知識獲得までへと発展することが期待される。

言語の意味理解と生成に関して、難易度が高いとされているタスクの一つに、人間との自然な
対話を継続することが挙げられる。

Googleは、開発者向けカンファレンスである「Google1/0 2018」にて、"GoogleDuplex"を発表し、電話を通じて、散髪やレストランの予約を、まるで人間がかけているかのような会話で行うAIサービスをデモした※31。

"Google Duplex"や囲碁の"AlphaGo"のように、ディープラーニングに代表される機械学習の進化と既存のサービスとがうまく連動すると、突然飛躍が起きたような気になるサービスが実現さ れるというのが、ディープラーニングの可能性を示している。

同時に"GoogleDuplex"の例は、飛躍の裏返しとして「怖さ」の面を伴うが、「怖さ」はその場で体験しないと本当の意味で理解できない、という一例となっている。

製造業は、日本のGDPの2割弱を占める基幹産業であり、他産業への高い波及効果を持つ。米国やドイツ等も次世代型製造業への転換政策を打ち出し、製造業の重要性を見直しつつある。

具体的には、ドイツのIndustrie4.0、米国のIndustrialInternet、中国の「中国製造2025」に代表されるAI・IoTによる生産性向上、品質管理・向上、在庫削減、不良品の削減等を目的とした生産革新が進められている。

日本政府も、第4次産業革命の技術革新をあらゆる産業や社会生活に取り入れることにより、様々な社会課題を解決するSociety5.0の指針を掲げている。

このような世界的な潮流の中で、日本の製造業においても新たな工場のスマート化への取り組み‘ が始まっている。工場のスマート化自体は古くから検討されていたテーマであり 1980年代にはFA(Factory Automation)が進展するといった進化を遂げてきた。

現在はAIやIoTの活用が重要なテーマとなっている。

経済産業省が2017年5月に公表した「『ConnectedIndustries」の具体例（ものづくり／バイオ/AI)」によると、同省が提唱するConnectedIndustriesの「スマートものづくり」の領域においては、デジタル化・グローバル化の進展を背景に、リアルとバーチャルの融

合、水平分業・モジュール化の進展、スマイルカーブ現象の加速化という3つの事象が起こっているという（図3-3-1)。

スマート工場は、これらの方向性を受けて実現されていくものといえる。

工場でのAI活用は、現状では従来型の工場での部分的な活用が中心となっている。

中長期的には、IoTデータの分析などの取組みが進展することにより、スマート工場の実現につながると期待される。

AI活用の具体的分野としては、画像解析による外観検査・検品、工場内の作業監視によるミスの防止、製造設備のセンシングデータを分析した異常検知などが挙げられる。

まず、外観検査については、ディープラーニング技術などによる高度な画像認識技術を駆使した、活用事例が報告され始めている。

一般に外観検査や検品は、マシンビジョン;;,32の設定や調整を行ったうえで自動化するが、多品種小ロット生産や不定形物の場合は、マシンビジョンでは対応しきれず、人の目視で行っている。

AIを活用することにより目視で行っている検査を自動化できる。

また、高額で大規模なマシンビジョンの設備ではコストに見合わない場合などでも、AIを活用することで検査を自動化できる。

作業員のミス防止のための動きの検知では、本来あるべき作業の動作から外れた動作を行った場合にアラートをあげ、作業のミスを防ぐ。

異常検知では、機械の稼働データから正常／異常を判別し、 異常が起きた場合はアラートをあげる。

あらかじめ異常の閾値を設けなくても、稼働データを学習することで自動的に正常である状態を把握し、そこから外れた状態になると異常と判断することができる。表3-3-1に具体的事例を示す。

自動車産業では、自動運転システムの開発が今後の競争領域であり、自動車メーカー関係各社が自動運転システムに関する研究開発投資を行っている。大手自動車メーカー、大手部品メーカーが市場を牽引しているが、AI技術、自動運転技術をコアとするベンチャー企業も登場している。

道路、鉄道、空港・港湾、治水、生活インフラなど社会基盤においては、その長寿命化や維持管理の効率化を目的として、異常検知や設備保守運用の高度化などにAIを適用する取組みがみられる。

日本の食料自給率（カロリーベース）は38%(2016年度 ※39であり、総農家数は1990年の482万戸から2015年は216万戸に減少しており※40、高齢化が進展するなど、労働力不足も深刻さを増している。

こうした背景から、農業でのAI活用は、先端的技術の活用による省力化や高品質生産が求められる。

農業の分野は、個人の零細事業者が多く高齢化が進んでいるなどの理由から、一部の農業法人を除くと投資余力やIT活用意識が薄く、また利益面からも投資対効果が得にくい。

そのため、政府の取り組みや補助が期待される。農林水産省は、ロボット技術やICTを活用したスマート農業を実現するため、2013年11月に「スマート農業の実現に向けた研究会」を立ち上げた。

この研究会では、第4次産業革命における基盤技術であるAIやIoT、ビッグデータ、ロボットなどの技術を農業分野で活用し、生産性の飛躍的な向上、サプライチェーン全体の最適化等を可能にすることで、スマート農業を早期に実現し新たな価値を創出することが検討されている（図3-3-11)。

教育分野におけるIT活用が進む中、個人の学習傾向に合わせてプログラムを提供する適応学習（アダプティブ・ラーニング）、解答の採点、学生からの質問の対応などに、AIを応用する取組みがみられる。

政府は、「Society5.0時代に向けて、AI、IoT等の革新的技術をはじめとするICT等も活用しながら、持続可能な社会の創り手を確実に育成していく」という方針を掲げている※44。

文部科学省、経済産業省、総務省の未来投資会議構造改革徹底推進会合「企業関連制度・産業構造改革・イノベーション」会合（雇用・人材） (2018年2月）で討議が行われた「学校教育におけるICT、データの活用」では、「AI、IoT等の革新的技術を初めとするICTの学校現場での活用」というテーマのもと、「個に応じた指導（アダプティブ・ラーニング）を徹底する」という施策を掲げている。

また2020年に改訂予定の「学習指導要綱」においても、「主体的・対話的で深い学び（アクティブ・ラーニングの視点からの授業改善）」が基本方針になっており、新しい教育を実現する手段としてICT/ITやAIの活用 が、EdTech (Education x Technology)として着目されている※45。

金融分野におけるAIの活用は、アルゴリズムによる株式取引から資産運用、個人向けの金融サービス、保険サービスまで多岐にわたっている。

金融業でのAI活用を概観するうえで欠かせないのが、Fintechの動向である。Fintechは、IT技術を使った革新的な金融商品・サービス創出の潮流を意味し、AIはFintechの中核技術の一つとなる。Fintechは、現在メガバンクが牽引役となっているが、2016年以降は地方創生の推進なども要因として重なり、多くの地方銀行がFintechの取り組みを本格化している。

金融業におけるAIの活用領域としては、不正検知、投資・運用、融資などの審査、接客やコールセンターなどの顧客サービスが挙げられる（図3-3-13、表3-3-12)。

(a)不正検知

(b)投資・運用

(c)審査

(d)顧客サービス

流通業ではEC市場が拡大し続けている※49。ECでは、顧客データの入手や蓄積が容易であることから、それらのデータを利用し、利益の増大を目的としたAI活用が進んでいる。

実店舗においても、店舗内に設置したカメラによる画像取得などデータ取得の方法が多様になってきており、AI活用に利用されるようになってきている。

流通業におけるAI利用の最大の目的の一つにはマーケティングや顧客の個別対応などによる売り上げの増大がある。

元々、データマイニングにより分析が行われている分野であり、より高い効果を期待してディープラーニングによる分析に取り組む企業が多いとみられる。

ただし、薄利多売の流通業においては、特に実店舗での導入において、「AIの利用によっていくら売上が上がるのか」という費用対効果が問われる。技術的に、購買清報、位置情報、画像データなどを駆使したレコメンデーションが行えるとしても、単価が安いものの購買促進目的では割に合わない場合も少なくないと考えられる。

他方では、店舗スタッフなど、深刻化する労働力不足を補うために、決済や顧客サービス等の分野でAIを活用するという方向性も見られる。

流通業では、具体的にどのような成果を得るためにAIを用いるのかというビジョンの設定が求められている段階といえる。

政府や地方自治体では、行政サービスのスピードアップ、利便性向上、付加価値の高い業務への注力などを目的としてAIを活用する動きが起きている。

チャットボットや対話システムによる質問への回答システム、職員向けの内部業務用のシステム、市民に外部公開するシステムなどの実証実験の実施や導入検討が行われている。三菱総合研究所は、個別のシステム開発だけではなく、自治体向けに標準的に利用できるシステムとして「AIによる住民問合せサービス」を開発する。

自治体からの要望を吸い上げソリューション開発に活かすことを目的とし、2017年7月に、全国46の地方自治体と「行政情報標準化・AI活用研究会」という組織を立ち上げた。

■表3-3-20行政におけるAlの活用事例

RPA (Robotic Process Automation)は、ホワイトカラー職種の業務オペレーションに対する、ソフトウェアロボットによる業務自動化の取組みである。

これは、操作画面上から処理手順を登録しておくだけで、通常必要となるプログラム開発をせずとも、多様なアプリケーション等を活用し、これまで人が行っていた特定業務を人間同様に処理することができる。

PRAがAIであるかどうか、については見方が分かれるところである。一般には、狭義のRPA※55と、広義のRPA※56の2つが存在する。

広義のRPA(RPAはAIを含むとする）には、3つの段階が存在するとされる（表3-3-21)。

Class1では、ルール化が可能な定型業務の自動化を、Class2では機械学習やAIを含む一部非定型業務の自動化を、Class3では分析・判断・意思決定などの高度な自動化を実現する。

狭義のRPAとは、Class1部分のみを指す。現在、企業で採用され始めているのは、ほぼすべてClass1のRPAである。

これは、AIというよりExcelでユーザーが登録した作業を自動で繰り返し処理するマクロファイルのようなものである、と表現するのが適当であろう。

2017年は、日本のスマートスピーカー元年となった（表3-3-24)。

2017年10月にGoogleの「GoogleHome」、LINEの「ClovaWAVE」、11月にAmazonの「AmazonEcho」が相次いで発売された。

米国では、AmazonEchoが2014年、GoogleHomeが2016年に発売されていたが、2017年は日本市場での本格展開が開始されたことになる。

それぞれ音声認識エージェントを搭載しており、音声入力によって音楽を流したり、検索ができたり、対応するスマート家電のコントロールができたりする。ソニーやオンキヨーなどの国内メーカーもスマートスピーカーを発売したが、それらはGoogleの音声認識エージェント「Googleアシスタント」を活用する。

Microsoftは、ハードウェアとしてスマートスピーカーは持たないが、音声認識エージェント「Cortana」を提供している。

Appleは「HomePod」を2018年2月に発売した（日本での発売時期は未定）。

スマートスピーカー業界で最も強力なポジションを築くのは、Amazonである。

特徴は、エコシステムの構築のためSDKを公開し、サードパーティのハードウェアメーカーヘサービスを開放している点である。

アプリに相当する「スキル」の数は、グローバルでは2017年11月末で約2万4,000に達する。

日本国内で、AmazonEchoが発売された時の国内のスキル数は265だったが、2018年1月17日の時点では450を突破したと発表されている。

スキルの種類や提供企業は多彩であり、メディア、エンターテインメント、交通（航空、鉄道、バスなど）、旅行サービス、食品デリバリー、銀行、保険会社などがある。

2017年8月に、AlexaとMicrosoftCortanaの連携が発表され、2018年8月にプレビュー版が公開となり、オフィス分野との連携も進むと考えられる。

音声認識は、自動車でも活用が進む。運転中に、モニターに視線をそらしたり手で入力を行うことなく、安全に情報を得たり音楽をかけたりできるため、音声との親和性が高い。

自動車メーカーは、ドライバーと車がコミュニケーションするスマートカーの開発を進めており、トヨタ自動車、日産自動車らが相次いでAlexaの導入を進める。

2018年2月現在、すでに日産のEVリーフの充電状況やバッテリ状態、エアコン、充電の操作を行うスキルが提供されている。

これらのスマートスピーカーの役割は、音声による「対話」より、音声を使った「操作」が主体となる。

現時点では、人の会話を理解し、対話が行えるほどの自然言語処理能力はないが、アプリや家電の操作、ニュースや天気の確認、銀行口座残高の確認など、エージェントヘの指示を理解する能力は一定のレベルに達している。

スマートスピーカーの登場によって、機械とのインターフェースが「声」になる傾向は加速すると予想され、これはAIの利用シーンを大きく拡大する可能性がある。

コンシューマ一向けのスマートスピーカーからスタートしたが、将来的にはオフィス内や接客用途など商用での幅広い展開や、「操作」だけではなく「会話」を行える技術の高度化が予想される。

① AIソフトウェア製品・サービスの世界市場

③ロボティクス関連の世界市場

ここではAI利用によって生じる経済効果についての3つの調査結果概要をまとめる。

Accentureの調査によれば、企業がAIを最大限に活用することで2035年までに収益を平均で38%向上できる可能性がある。

企業のAI活用が進むことで、先進12カ国（日本、米国、フィンランド、英国、スウェーデン、オランダ、ドイツ、オーストリア、フランス、ベルギー、スペイン、イタリア）における16の業界（情報通信、製造、金融サービス、卸売・小売、運輸・倉庫、専門サービス、ヘルスケア、建設、農林水産、宿泊・飲食、水道・電気・ガス、アート・エンターテインメント、福祉サービス、公共サービス、教育、その他サービス）で、新たに年間14兆ドルの粗付加価値(GVA:GDP―税＋補助金）の創出が可能になると予想している。

なお、2035年までの世界各国のGVA成長率を倍増させるという予想も示されているが、その中でも日本は3倍以上の伸びとなっている（図3-5-5)。

PricewaterhouseCoopers (英国、PwC)の調査i,66によると、AIにより世界のGDPは2030年には14%以上増加(15.7兆ドル増加）し、中国では26.1% (7兆米ドル相当）、北米では14.5%(3.7兆米ドル相当）の増加になるという可能性が示されている。

マッキンゼー・グローバル・インステイテュートは、AIがビジネスにどのような影響を及ぼすかを航空会社、Eコマースなど19の産業分野の400事例を分析,67し、年平均3兆5,000億ドル~5兆8,000億ドルの経済的価値を創出すると予測した。

特にインパクトが大きい産業分野としては旅行業や小売業が上がっている（図3-5-6)。また、調査事例の69%がディープニューラルネットワークの活用により成果を向上可能と述べている。