AIおよび機械学習

グラフ機械学習と 説明可能なAIの強化

ビジネスを変える可能性を秘めるグラフ機械学習

多くの組織では、競争を有利に進めるために、人工知能(AI)と機械学習(ML)を使用しています。2021年までに企業はAIとMLに576億ドルを費やし、その結果としてビジネス価値2.9兆ドルを得る見込みです。AIとMLは、自動運転車や仮想個人アシスタント(SiriやAlexa)などの大きくニュースで取り上げられているアプリケーションの陰に隠れていますが、オンラインチャットやカスタマーサポート、製品レコメンデーション、設計サポート、および、不正検出などの普遍的なタスクにおいて、より良いパフォーマンスとコスト削減を実現しています。企業にとって決断すべきことは、MLを使用するかどうかではなく、MLをどこで、いかにうまく使用するか、ということになってきています。

人工知能と機械学習の可能性
従来の機械学習へのアプローチの課題

機械学習には従来のアプローチでは不十分

機械学習では、データのパターンを明らかにし、より本質をとらえた結論を企業に示すために、分析的手法および統計的手法が用いられています。しかしながらその結果は、いかにデータと分析が優れているかという2つの要素によって制約されています。

パターンが存在しない場合、または非常に弱い場合、データ内のパターンを検出することはできません。検出を成功させるには、数百万のレコードで構成されるデータを用意しなければなりません。また、データはさまざまなケースをカバーし、できれば複数のソースから取得される必要があります。ますますデジタル化が進む現在の世界において、生データの収集はそれほど問題になりませんが、以下に挙げるような課題が残っています。

  • 機能選択 – 適切なデータがあるか?
  • データ統合 – 複数のソースのデータを1つの統合されたデータモデルにまとめるにはどうすればよいか?
  • 分析パフォーマンス – 非常に多くのデータがあるので、計算の労力の余裕はあるか?

従来のアプローチでは、機能が不足していることが多くありました。機能が不足すると、結果との相関が高くなり、また、トレーニングデータの量が少ないために失敗することが多く、MLソリューションの精度が低くなります。

AIと機械学習を推進するために、なぜネイティブな並列グラフデータベースであるTigerGraphを使う理由は?

ディープリンク分析による機械学習の開発

リアルタイムグラフ分析による機械学習機能の開発

グラフデータベースは、これら多くのMLデータベースの課題に対してソリューションを提案します。グラフは、リンクを接続・横断するという考えに基づいて構築されているため、データ統合の目的には当然の選択です。またグラフでは未加工データを拡充することも可能です。従来の表形式データでは、それぞれの列はMLシステムが使用できる1つの「機能」にすぎません。グラフでは、各種の接続が追加の機能となります。更に、因果連鎖、ループ、および、フォークなどの小さなグラフパターンは、それ自体を機能として考えることができます。

TigerGraphのディープリンク分析は、数テラバイトものデータセットを処理し、わずかな時間で数百万もの接続をトラバースできることを意味します。

詐欺師は毎年数十億ドルの詐欺を行って行方をくらませます。不正防止検知・防止システムの対策は、不正を捕らえることができるかどうかではなく、どれだけ捕らえることができるか、ということなのです。

China Mobile社は、TigerGraphを利用して、毎日数億件にのぼる各通話をリアルタイムでチェックし、スパム発信者または電話を利用した詐欺師によるものであるかどうかを確認しています。China Mobile社は、数億という加入者の電話ごとに118を超えるグラフ機能を収集し、ML不正検出エンジンにフィードし、検出モデルを構築し、電話ごと、通話ごとの118の機能をリアルタイムで抽出します。これにより、数十億の新しい機能を持ったトレーニングデータセットが生成され、不正検出の精度が向上します。

グラフ分析による
説明可能なAIの強化

AIの普及を妨げている最大の障害の1つは、AIシステムがどのようにして特定の決断に至ったのか、その透明性が欠如していることです。生活保護を受けている人の過去の請求履歴から、不正の可能性が高いと人工知能が計算し、生活保護の申請が却下された事例を考えてみましょう。生活保護の受給者は、自分の請求が却下された理由を知る権利があり、政府機関は、それが特定の人種、宗教、性別、文化に対する偏見によるものではないことを確実にする必要があります。

別の例を考えてみましょう。AIシステムの計算によって、より高い利率の住宅ローンまたはより高い保険料の保険契約を申請者に提供するとします。繰り返しになりますが、銀行や保険会社は、特に人種、民族、文化、性別の偏見が関わる訴訟の場合には、住宅ローンの利率が高いこと、または保険料が高いことについての理由を説明することが重要です。TigerGraphを使用して開発された機械学習機能によって、計算された機能値の組み合わせに基づいてAIソリューションが特定の決定に至った理由を明確に説明することができます。さらに、TigerGraphのGraphStudioは、機能がどのように計算され、結果として特定の生活保護請求が却下されたのか、申請者の住宅ローン金利が高くなったのか、保険料が高くなったのかを示すことができます。

TigerGraphは、相互接続されたデータのリアルタイムの視覚化、探索、分析によって、企業内のすべてのユーザーだけでなく、生活保護受給者、住宅ローンや保険契約の申込者などの外部関係者に関しても「説明可能なAI」を実現できるようにします。

グラフ分析が可能とする透明性のあるAIシステム