認知システムが機械学習とセマンティック技術を組み合わせるべき理由

ワインとチーズの組み合わせを識別するのに役立つアプリケーションを構築したいとします。最も優れたパフォーマンスを発揮するのはどれでしょうか? 機械学習のみに基づいたアプリケーション、専門知識のみに基づいたアプリケーション、あるいはその両方の組み合わせでしょうか?

[[383799]]

ほとんどの機械学習アルゴリズムは、「知識獲得ボトルネック」と呼ばれる AI におけるよく知られた問題を解決するために開発されました。これは、データ サイエンティストと並んで、主題専門家 (SME) が知識モデルを効果的かつ持続可能な方法で操作できるようにする方法という問題に対処します (「タクソノミーとオントロジー - 知識モデリングの陰と陽」も参照)。

機械学習アルゴリズムはデータから学習するため、実装が成功するかどうかは、データの品質と、データのセマンティクス (意味) をエンコードするために使用される方法に密接に関係していることは明らかです。セマンティック ナレッジ グラフは、データ品質を大幅に向上させるのに役立ちます。また、機械学習プロジェクトを開始する際にも役立ちます。ヤンコ・イワノフ氏の最近の記事では、一言で言えば「機械学習アルゴリズムは、まず言語の基礎を学ぶ必要がある子供である」と述べられています。

ここ数か月、私たちは市場の動向を観察してきました。さまざまな組織が機械学習に基づくアプリケーションの最初のバージョンを実装しました。 2 回目の反復では、次の 3 つの問題を解決するのに役立つテクノロジと方法を探しています。

• 機械学習アルゴリズムは、あいまいさを排除するなど、データの正しい意味を「理解」するのに十分な信号を取得できないことがよくあります。精度は予想よりも低いです。
• 認知プラットフォームでは、学習に機密データが必要になることが多く、そのデータはクラウドで処理すべきではありません。
• 中小企業の豊富な経験と知識は体系化できず、アルゴリズムに組み込まなければ無駄になる。

人工知能は単なる技術ではない

「知識獲得のボトルネック」に直面しているということは、専門家の知識があらゆる組織にとって重要な資産と見なされていることも意味します。これらの黄金の宝物は、私たちの制御を超えた機械によって処理される可能性があるクラウドに移動されるべきではありません。むしろ、中小企業も含め、テクノロジーとアプローチの適切な組み合わせを効果的に実装することが重要です。優れた AI 戦略とは、より良い結果をすぐに生み出すことだけでなく、人間と機械の間に効果的なパートナーシップを構築する方法も意味します。

最近発表された IDC のホワイト ペーパーでは、AI の社会技術的側面について論じ、問題の核心に迫っています。「セマンティック テクノロジを採用して認知ソリューションを提供することで、組織は開発者や IT プロフェッショナルへの依存を大幅に減らすことができます。セマンティック データ管理がすでに導入されているため、データ駆動型アプリケーションの導入はドメイン エキスパートとビジネス ユーザーによって推進されます。」