現代において、「人工知能（AI）」という言葉は、テレビや新聞などのマスメディアを通じて広く一般に浸透していますが、そのイメージはアニメや漫画、映画といったエンターテインメント作品からの影響も色濃く受けていると考えられます。しかしながら、AIを専門とする私たちから見ても、その定義は依然として曖昧であり、現時点ではむしろ概念的なものとして捉えられています。コンピュータサイエンスの分野における具体的な技術としては、機械学習（ML）や深層学習（DL）が挙げられます。

これらの技術は階層的な関係にあり、深層学習は機械学習の一分野、機械学習は人工知能の一分野、そして人工知能はコンピュータサイエンスの一分野という位置づけになります。機械学習は、データとアルゴリズムを用いて人間の学習プロセスを模倣し、その精度を徐々に高めていくことに主眼を置いています。身近な例としては、オンラインサービスにおける個々のユーザーへの最適化されたレコメンデーション機能や、電気自動車（EV）の自動運転技術などが挙げられます。これらは広義には人工知能を活用していると言えますが、より正確には機械学習の技術によって実現されています。

近年、機械学習はデータサイエンス分野において著しい成長を遂げており、統計的な手法を駆使したアルゴリズムによってデータの分類や予測を行います。以前に注目を集めたビッグデータやデータマイニングの潮流を土台とし、それらを統合・発展させたものが機械学習であると言えるでしょう。

機械学習はその学習方法によってさらに細分化されます。学習データに正解ラベルを付与した状態で学習させる「教師あり学習」、正解ラベルなしのデータから類似性やパターンを見つけ出す「教師なし学習」、両者を組み合わせた「半教師あり学習」、そして、事前に学習データを用意せず、行動に対する報酬を最大化するように学習する「強化学習（RL）」などがあります。

一般の方がイメージするAIは、人間のような発想力や創造性を期待するものかもしれませんが、現実はあくまでコンピュータによる演算であり、統計学的に導き出される数学的な結果を出力するに過ぎません。しかし、AIの進化によって人間の仕事が奪われるのではないかという懸念も存在します。一定の条件下においてはこれは現実となり得る話で、例えば単純な事務作業などはAIによって代替される可能性があります。税務を扱う税理士の業務も、税法という複雑ながらも明確にルール化された体系に基づいているため、突き詰めればAIによる代替が可能となるでしょう。むしろ、そのような「複雑ではあるが明確にルール化されている分野」こそ、AIが得意とするところです。人間の税理士が長年の学習によって習得した知識を、AIは瞬時に処理し、必要な情報を出力することができます。国税庁の解釈がより明確化されれば、国税職員の業務効率化や人員配置の最適化も視野に入ってきます。実際に、東欧のエストニアでは政府の電子化が進み、会計士や税理士といった職業の必要性が大幅に減少しました。これは必ずしも高度なAIによるものではなく、アルゴリズムによって多くの業務が自動化された結果です。

仕事が奪われるという側面ばかりが強調されがちですが、これは歴史の必然とも言えます。過去にも、技術革新によって籠屋や飛脚、紙漉き職人、駅の改札係といった職業が姿を消しましたが、そこで働いていた人々は新たな仕事へと移行してきました。AIは、人間を単純な繰り返し作業から解放し、より創造的で人間らしい仕事に注力できる可能性を秘めた技術と捉えることができます。

当社は、社名にもある通り創業以来データベースエンジニアリングに特化した事業を展開してまいりましたが、時代の流れとともに、その専門領域はデータベースエンジニアリングからデータマイニング、ビッグデータ、そして機械学習へと自然な進化を遂げてきました。今日、人工知能はデータベース技術の発展形の一つと捉えることができると考えています。

機械学習アルゴリズム、あるいは機械学習フレームワークとして広く利用されているものには、TensorFlow、PyTorch、Keras、scikit-learnなどがあり、これらはオープンソースとして公開されています。企業が自社のアプリケーションにAI（機械学習）を迅速に組み込みたいと考える場合、これらの既存のアルゴリズムを活用することは非常に有効な選択肢となります。

そのような状況の中で、DBCでは、アプリケーションへの実装に留まらず、人工知能の根幹となる機械学習アルゴリズムそのものの研究に注力しています。