Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

ディープラーニングが自然言語処理に適している理由

自然言語処理(NLP)は、人間が日常的に使っている自然言語をコンピューターに処理させる一連の技術であり、人工知能(AI)の一分野です。この分野においてディープラーニングは、AIが人間の行動を理解する方法を劇的に変化させようとしています。

自然言語処理の過程で、複雑な人間の心をAIがうまく理解できないことはよくあります。しかし今、複雑な人間の心から来る曖昧な言葉をAIが理解できるように技術開発がなされています。

壁の上塗りなどに使われる「しっくい」は英語で「plaster」といい、「絆創膏」は「plasters」といいます。この2つの英単語は似ているため、AIはうまく区別することができません。しかし、絆創膏という言葉が出てくると想定される文脈を数多くAIに学習させることで「修繕に使う材料」を探しているのか、「絆創膏」を探しているのかを特定することができます。

AppierのチーフAIサイエンティストであるミン・スンは「各単語の意味と単語間の関係を明確にするのは人間の役目」であり、従来の効果的な自然言語処理の作業であるといいます。例外を定義するためには、ある一定の人間の介入が必要なのが現状です。

この従来の手法は、AIが言語の意味を学習するのに似ていて、簡単な言語処理においては結果を出すことができます。しかしながら、事前に数多くの文脈をAIに認識させる必要があり、人間の介入が不可欠であることから、言語処理を広くビジネス化する妨げになっています。

人間同士の会話や文章をAIに理解させることは、さらに複雑です。

たとえば文章となると、文脈から単語が特定された意味を超えたものになることがあります。また作家の語彙や単語の選択、構文、スペル、句読点を、その熱烈なるファンである読者は、特有のニュアンスで捉えるものです。

「言語は何年にもわたって進化しており、正式な文書やオンラインで言語を使用する方法とはまったく異なります。

もし、効率的な自然言語処理をするために従来の手法を適用したければ、正式な英語、米語、オーストラリアの英語に関する充実した知識ベースをもたなければなりません。

さらにアメリカ最大級のソーシャルニュースサイトRedditで使われているような英語に関する知識ベースが必要になります。これは拡張性がありません。」

ー Appier チーフAIサイエンティスト ミン スン

 
 

目次

1.自然言語処理とディープラーニングの関係

2.自然言語処理の限界

 
 

1. 自然言語処理と
ディープラーニングの関係

ディープラーニングはこうした限界を変えました。
ディープラーニングによってパラグラフの中でどのように使われているかを観察することによって、AIは言葉やフレーズの意味を学習することが可能になりました。

その結果、事前に特定した文脈の中の単語の意味の明確化や単語間の関係の定義を人間が行わなくても、なにも手を加えられていないパラグラフからでもAIは、単語やフレーズの意味や関係を学習します。

たとえば人が「クリアなプラスター」と検索した場合、自然言語処理が人間の学習者レベルとほぼ同様の理解度があるため、AIは修繕材料ではなく傷口を塞ぐものと理解します。
ディープラーニングは大量のテキスト(全集)を必要としません。

コンピュータは「個々のトークンごとにベクトル表現を学習」する前にニュースサイト、Wikipedia、Redditに掲載されているコメントなどの情報源からデータを入手します。
ベクトルとは、同じ文脈の単語が意味を共有する可能性が高いことを示すために、類似した単語を互いに近接してマッピングする場所です。(英文資料

ディープラーニングとベクトルマッピングにより、人間の介在なしでAIの言語処理をより正確にすることができ、キーワードを使うマーケティング活動において、より精度の高い感情分析の可能性を切り開くことができます。

人間のマーケターはターゲティングのためのキーワードリストを作成しなければなりませんが、ディープラーニングがあれば、AIに「シード(学習すべき言葉)」を入力するだけです。それからベクトル空間内で類似のキーワードを見つけることができます。

たとえば、潜在顧客をターゲットするためのキーワードリストを作っている旅行会社が「バケーション」、「休日」、「フライト」、「クルーズ」、「旅行先」といった言葉をいれたキーワードリストを作るとします。

しかし自然言語処理を搭載しているAIは、文脈を理解するため、「セブ」や「フィリピン」を検索しているユーザーが旅行に興味があることを理解します。次にディープラーニングを基盤とする自然言語処理によって、より精度の高い感情分析が可能になります。

ユーザーがあるキーワードに対して好意的なのか否定的なのかを正確に理解することができるのです。たとえばあるユーザーが、「セブ」と「ダイビング」ではなく「セブ」と「地震」を検索していたら、AIはこのユーザーは旅行商品のターゲットでないことを認識します。(英文資料

さらに強力なのは、ディープラーニングを基盤とする自然言語処理によって価値あるインサイトを抽出できるため、マーケターはユーザーの詳細を理解する事が可能になります。
マーケティング活動でターゲットとする特定のユーザーグループを拡張できるだけでなく、そのグループに対して最も関連性のあるオファーを提示することが可能になります。

もしターゲットオーディエンスを抽出するために「旅行」というキーワードだけしか使っていなければ、「セブ」と「ダイビング」を検索した人は先の旅行会社のターゲットに含まれることはなかったでしょう。自然言語処理を適用すれば、オーディエンスの抽出精度が高くなります。それに具体的な旅行地域のオファーをするか、東南アジアにある他のダイビングスポットを勧めることもできるでしょう。

 

 

2. 自然言語処理の限界

説明文を生成するときなど、自然言語処理は依然として内容がズレることがあり、修正が必要な場面があります。

「生成機能は理解テストの結果と比較して安定性は低くなる」とスンは説明します。想定外の結果がでるケースがあることから人間によるダブルチェックは必須です。それ以外の課題は、AIに学習させるために使う「情報源」が重要となります。

リスクとなるのは、既存の保有するデータを使って学習してしまうことです。既存データの内容が的を得ていなかったり間違っていた場合、本末転倒となってしまいます。

これは、今日でも情報源の良し悪しに関して人の判断が必要だということです。しかしながらスンは、次世代のディープラーニングを基盤とする自然言語処理は、人間の介在の必要性は低下し続けると確信しており、「人による業務フローは削減され、マーケティングの拡張性は高まりました」と話しています。

今後数年で、チャットボットは複雑な質問への対応が可能になるばかりでなく、マーケティング活動の自動化が進むと予想されます。ディープラーニングを基盤とする自然言語処理によって、ビジネスに費用対効果の高い成果を提供できるようになりました。これまで以上に幅広いターゲットオーディエンスを正確に特定し、彼らの趣味嗜好に関連性の高いオファーを提示することが可能になったからです。

AIへの期待は高まるばかりです。

https://drive.google.com/file/d/1nXB8ym8Jb91DhfZUrZc66DmdQz6e07HN/view

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

「コンピュータビジョンを活用した行動予測の応用と実装」Appier ミン・スンとグレッグ・モリ氏が対談

Appier(エイピア、共同創業者/CEO: チハン・ユー)は、AI 研究分野で活躍する日本人人工知能研究者を紹介する「AI タレントインタビュー」を開始し、この度第2弾を配信いたしました。 この対談動画では、Appier チーフ AI サイエンティストのミン・スンが、カナダ、ボリアリス AI ラボのリサーチディレクターであり、サイモンフレージャー大学 コンピュータサイエンス学部の教授であるグレッグ・モリ氏に、現在取り組んでいるコンピュータビジョンを活用した行動予測の応用と実装について聞きました。さらにモリ氏の日本の研究機関での就業体験や、カナダの企業と大学の要職を兼務する中で感じた日本の AI 人材育成に理想的な環境と大学の在り方、優れた AI 研究者となるための心がけを聞きました。   企業での実務経験をもつ方を教育者に   ミン・スン:大学生のときに、日本でインターンを経験されていますね。日本の AI 研究者や学生が育つ理想の環境とはどのようなものだと考えていますか? グレッグ・モリ:現在は最先端の AI を開発するための研究者や、特定のソフトウェア開発の技術者が不足しているため、世界中の大学、政府、企業が AI

VIEW >

動画配信サービスの視聴者を呼び戻すにはAIが有効

世界の動画配信市場は、2020 年から 2027 年までの年率 20.4%で成長し、2027 年までに 1,843 億米ドルの価値を持つと予測されています(英語資料)。Netflix は全世界で 1 億 6,700 万人の有料配信加入者を擁するこの分野のリーダーですが(英語資料)、Hulu、Amazon Prime、Disney Plus などとの競争が激化しているため、市場シェアは 2007 年の 91%から昨年はわずか 19%にまで大幅に低下しています。 各国・地域の配信サービスも視聴者と加入者がさらに飛躍的に増えています。中国の配信サービス「iQiyi」は2019年に1億人の加入者を突破し(英語資料)、中国の動画共有・ライブ配信プラットフォーム「TikTok」は昨年の時点で15億回以上の総ダウンロード数を記録し(英語資料)、世界的な現象となっています。これは視聴者が平均して1日に8回アプリを開いている計算になります(英語資料)。 この分野が今後も成長を続けることは間違いありません。そして、発展途上国での高速インターネットアクセスの増加とソーシャルメディアの利用に加えて、ブロックチェーンや人工知能(AI)などの先進技術がこの成長を後押ししています(英語資料)。 しかし、400以上のサブスクリプション型のビデオ・オン・デマンドサービス(英語資料)が世界の11億人の視聴者にサービスを提供する(英語資料)一方で、パブリッシャーや動画配信サービス事業者は、視聴者を維持する方法を日々考えています。 視聴者が配信プラットフォームから離れていく理由 視聴者の離脱と維持は、動画配信

VIEW >

金融サービス業界が見据えるAI主導の未来

パーソナライズされたアプローチ 金融サービス業界は他の分野と同様に、業務のデジタル化による影響を受けています。こちらの記事の調査(英語資料)によると、顧客が個人のモバイルでアプリやセキュリティの万全なウェブサイトを使用するようになって、銀行の実店舗に足を運ぶ顧客数が減少していることが分かります。これにより、既存企業がシェアを占める市場でのデジタル事業者の新規参入の門戸が開かれてきました。この変革は、金融機関の顧客を軸とした対応を可能にするAIなどの最新テクノロジーを導入したフィンテックの重要性を明らかにしています。 「テクノロジーを上手く導入したフィンテックで、カスタマーエクスペリエンスを変えることができます。我々はここ一年でこの変革を経験してきました。企業が提供する顧客のエンドツーエンドの経験を改善させる機械学習などのAIメソッドの使用が確実に増えてきています。」ー プレデンシャル生命保険シンガポール マーケティング部長 ハリッシュ・アガウォール氏 プレデンシャル生命保険シンガポールでは、データ分析からパーソナライゼーション、カスタマサービスやリアルタイムなインサイトなど、AIソルーションの導入後業務の効率性に驚異的な進歩を遂げました。一例として、保険費用相談窓口のコンサルタント専用AI搭載オンラインシステムのチャットボットです。モバイルから顧客情報を迅速かつ容易に集積するプレデンシャル生命保険シンガポールのチャットボックス「askPRU」を通して、優れた顧客体験を提供しています。コンサルタントから社内コンタクトセンターへのコール数の減少を実現し、より多くの顧客への対応が可能となりました。 セキュリティの強化 カスタマージャーニーの改善には、金融業界におけるセキュリティ強化と不正な詐欺の防止が必要です。AI は、過去のすべての取引の履歴を分析し、不正行為を未然に防止し、そのデータのパターンに基づいて詐欺の潜在を予測できます。シンガポール拠点のOCBC銀行は、まさにAI を適用して金融犯罪対策に取り組んでいます。 このテクノロジーは取引のパターンを「学習」したり、その変化に合わせて自動で調整され、疑わしい取引をより的確に突き止めます。また、生保業界コンサルタントの場合、AIは保険請求の評価に必要な能力を強化させ、詐欺行為を減らし数百万ドルの節約に貢献します。シンガポール損害保険協会によると、受付けた請求のおよそ5分の1が不正な請求であり、毎年業界に約SG$1.4憶(1億1千万米ドル)の損失が計上されています。(英語資料) 顧客エンゲージメントの見直し カスタマーサービスおよびセキュリティの他、マーケティングもAIツールの導入によって多くの恩恵を受けるでしょう。例えば、顧客データと過去の取引履歴の総合かつソーシャルメディアをモニタリングすることで、パーソナライズされた商品の推奨が可能となります。 Appierのカスタマーエンゲージメント「アイコア」を使えば、ユーザーが興味を示すことやオンライン行動のデータに基づき、オーディエンスセグメンテーションの作成を可能にし、複数のプラットフォームにパーソナライズされたキャンペーンを展開して顧客の関心を引き寄せることができます。 AI活用によって、類似オーディエンスの検知から潜在顧客へのリマーケティングなど、より明確な顧客像を構築しながら顧客離れを防げます。例を挙げましょう。ある金融機関はライバル社に住宅ローン顧客を奪われ、解決策としてAI を適用しました。忠実な顧客と離脱した顧客のアトリビューションを比較し、データをモデル予測ツールに取り込み、顧客離れの可能性を予測しました。すべての住宅ローン顧客にこのモデルを適用した結果、離脱の可能性が高かった件数を100以上から10に減少させ、離脱の可能性が高い順で顧客のランキングを構成することを実現しました。この金融サービス事業者はAIによって生成されたインサイトを利用し、特定の顧客にターゲットを絞ってマーケティングキャンペーンを実施することで、顧客離脱率をほぼ半分に下げ、大幅な利益を確保することに成功しました。 今も存在する課題 引き続き現在のAPAC市場の金融サービス分野では、AIソリューションを実装して得られるメリットの実現を妨げる障壁が存在しています。Appier が協力し実施されたフォレスター調査によると、51 %の金融サービス企業が既にAIツールを導入済みの一方、27%が今後12ヶ月の間でAIの導入を計画していることが判明しました。しかし回答者の多くが社内調整と顧客データ管理に関する各部門の課題を挙げています。主な課題は、データ管理ができる適切なプラットフォームの実装 (52%)、データ収集と統合 (52 %) ならびに予測的な顧客インサイトの生成(49 %)です。課題に向き合いながらも、大多数の金融サービス企業がAIを活用して顧客ロイヤルティを高めて顧客の生涯価値を最大限に引き出し、マーケティングの最適化とROIの向上、

VIEW >