有料ツールだけじゃない！プログラミング不要の無料AI開発ツール紹介

1. 【有料・無料】おすすめAI（人工知能）開発ツール8選

AIによる業務効率化や費用削減の需要が高まっていくと同時に、多くのAI開発ツールが誕生しています。
今回はその中から8つのツールを厳選し、用途や特徴を紹介していきます。

▲ページトップへ戻る

1.1 おすすめAI（人工知能）開発ツール選定基準

本記事で紹介するAI開発ツールはどのような基準で選定したものなのか、まずはその選定基準について説明します。

1.1.1 ビジュアルプログラミングなど直感的な操作を重要視

GUIにて直観的に操作できるため初心者でも使いやすく、AI開発のハードルを下げるツールを選定しています。このようなツールを利用すれば、コードの記述は必須ではないため、たとえプログラミングの知識が不十分でも、AIの構築が可能です。

例えばソニーが開発したNeural Network Consoleは、学習用データセットをインストールし、ブラウザ上で再生ボタンを押しただけで、計算結果を得ることができます。

利用する学習用データセットには、機械学習の入門データセットとして有名なMNISTデータセットなど、インターネット上で入手できるものを使うこともできます。また株価予測などオリジナルの分析をしたい場合は、自分で作成したデータセットを使用することも可能です。

さらにAzure Machine Learningでは、ブラウザ上で視覚化されたモジュールを繋いでいくだけで、AI開発を行なうことができます。

▲ページトップへ戻る

1.1.2 環境構築不要・簡単なツールも高評価

AI開発における機械学習やディープラーニング、TensorFlow（機械学習のプラットフォーム）の実行で、コーディングやデータセットの用意と並んで大きな障壁となるのが、実行環境の用意です。

AIは、大量のデータを高速に処理する必要があります。処理するデータ量がそれほど多くなく、簡単な処理を行なうのみであれば、デュアルコアCPUで問題ありませんが、一般的にAIの学習と推論の処理には、画像処理の計算も行なうことのできるGPUが最適です。

今回は、本来高価であるGPU等の実行環境を、手軽に利用することができるサービスも選定しています。

▲ページトップへ戻る

1.1.3 無料もしくは安価で使えるツールを中心に選定

どんなプロジェクトでも、やはり導入コストはできるだけ抑えて開発を進めたいものです。
そのため、無料、もしくは安価に利用することのできるツールを中心に選定しています。

▲ページトップへ戻る

2. 【ノンプログラミング・GUI編】おすすめAI開発ツール

まずは、初心者でも扱いやすいAI開発ツール4種を紹介します。
いずれのツールも、コードを書いたりすることなくAI開発を進めることができるため、プログラミングの知識がなくとも簡単に作業することが可能です。

2.1 Neural Network Console

ソニーが開発した、GUI・ノンプログラミングのツールです。ツールの開発コンセプトである「立ちはだかる壁を全部取り除いて高速道路を敷く」という言葉に表されているように、たとえ専用の開発環境の構築方法やPythonによるプログラミング、高度な数学の知識がなくても、すぐにディープラーニングで「解決したい課題」に着手できることを目指しています。

本ツールの特徴は以下の通りです。

レイヤーの追加や組み換えを、クリックやドラッグ＆ドロップで簡単に行なうことができるため、コードで表現するよりも視覚的でわかりやすいのが最大の利点です。また、実際のディープラーニングの学習過程も、グラフや表にてリアルタイムで確認可能です。

▲ページトップへ戻る

2.2 MatrixFlow

株式会社MatrixFlowが開発した、ノンプログラミング・GUIのツールです。

『ITの知識よりも、その業界や事業についての知見を多く持つ人に使ってもらうことで、AIによってダイレクトに課題を解決してほしい』という思想から開発されており、IT技術に詳しくない人でも操作しやすい使用感です。

本ツールの大きな特徴は、最適なアルゴリズムとパラメータの組み合わせの選定が自動化されている、AutoFlow（オート・フロー）です。専門的な知識がなくとも、一般的に使われている数多くのAIアルゴリズムやそれに付随するパラメータをツールが自動で探索し、最適な組み合わせが選定されます。

また、ディープラーニングの前段階として必要な、データの補正や修正等も、ブラウザ上で行なうことができます。

▲ページトップへ戻る

2.3 Deep Analyzer

高性能GPU搭載のハードウェアと開発ツールのオールインワンパッケージです。

他のツールに比べると高価に見えますが、ハードウェアとツール一式セットの価格設定としては、かなりリーズナブルです。

操作は、ローカル環境での実行を前提としています。データを外部にアップロードすることなく作業を行なうことができるため、クラウドで作業することが憚れるような、重要なデータを用いた分析を行ないたい場合におすすめです。

一般的なディープラーニング向けパソコンと比較すると、Deep Analyzerは、深層ニューラルネットの学習状況をグラフで簡単に確認可能である上、学習途中の状況も随時確認できる点が特徴です。また、学習済みのAIをブラウザ上で選び、簡単に使用することもできます。

アルゴリズムは4種プリセットされているため、煩わしい作業も無く、すぐに学習を開始することができます。

▲ページトップへ戻る

2.4 Auto ML

Google Cloud Platform（GCP）にて利用可能な機械学習プロダクトで、特定のタスクの学習済みモデルをAPI経由で利用できます。処理の精度が高く、統計情報の表示画面もわかりやすい点が人気です。

実行することのできるタスクは以下の通りです。

▲ページトップへ戻る

3. 【中級者向け】おすすめAI開発ツール

続いて紹介する4つのツールでは、コードの記述などの知識も必要になってくるため、中級者以上向けとしてカテゴライズしています。

3.1 Azure Machine Learning Studio（クラシック）

Microsoft Azureが提供する機械学習サービスです。

モジュールをドラッグ＆ドロップで繋ぎ合わせるだけでモデルを構築することができ、GUIで視覚的に確認しながら作業できます。

多くのマシンラーニングモジュールとデータ操作モジュールがデフォルトで含まれているため、プログラミングをしなくても充実した機能を利用できますが、R言語やPythonによってカスタマイズしたモジュールを追加することも可能です。プログラミングの知識があればハイレベルな用途にも使用できるため、中級者向けのツールとして紹介しています。

プログラミングの知識はあるものの、機械学習の専門的な知識については初心者程度で、実行環境が無いという人に最適なツールです。

▲ページトップへ戻る

3.2 IBM Watson

AIに関するクラウドベースのAPIの集まりで、一言で表すならば、「手軽に取り入れられる人工知能」です。

無料プランであるライト・アカウントがあり、無料でもかなり本格的に利用することができます。また、有料プランにアップグレードしても、従量課金制であるため、使用量が少ない場合は利用コストも抑えることが可能です。

API経由でIBM Watsonの機能を利用することがポイントで、プログラミングの知識があれば、オリジナルのサービスを自作し、その機能の一環としてWatsonのAPIを導入するといった使い方ができます。一方で、プログラミングの知識がない場合は、GUI操作のみで完結するサービスと比較すると、やや高度であると言えます。

▲ページトップへ戻る

3.3 AI Platform

AutoMLと同じくGCPのサービスで、TensorFlowの実行環境が提供されています。つまり、学習アルゴリズム実行のためのマシンリソースを利用できるサービスという位置付けです。

AutoMLでは、簡単に学習済みモデルをAPI経由で実行できますが、実際はそのAPIだと機能が不足しており、思った通りの結果が得られないことがあります。その場合、独自の機械学習モデルを構築し、実行する必要が発生します。AI Platformは、そのための実行環境として用意されています。

ローカルマシンだと時間がかかるような学習ジョブも、短時間で実行することができます。機械学習やTensorFlowに関する専門知識を予め習得していることが求められるため、中級者以上向けのサービスです。

▲ページトップへ戻る

3.4 Google Colaboratry

ブラウザでPythonを記述及び実行できるサービスです。

無料でGPU環境が提供されていることが最大の特徴で、学生の勉強目的でもよく使われています。データサイエンティストやAIリサーチャーで、手軽にPythonコードを実行したい人にもおすすめです。

アルゴリズムなどは提供されていないため、Pythonコードを記述する必要があります。コーディングスキルがあり、GPU環境を無料で利用したい人には最適なサービスです。

▲ページトップへ戻る

4. 【用途別】AI開発ツールの選び方

データ分析やモデル構築、API実行など、どの工程でツールを利用したいかによって、利用すべきツールは変わっていきます。
本章では、利用用途ごとに、ツールの選び方やおすすめのツールを紹介します。

▲ページトップへ戻る

4.1 モデル構築

以下のツールが該当します。

用途やサポートの品質などを基準に選定するとよいでしょう。例えば、Matrix Flowは国内産のツールのため、日本語でのサポートが充実しています。ハードウェアと開発ツールが一体となったDeep Analyzerは、ローカル環境で処理したい場合におすすめです。

▲ページトップへ戻る

4.2 データ分析

ツールに搭載されている標準テンプレートやモジュールを利用する機械学習、ディープラーニングの実行で充分であるならば、以下がおすすめです。

一方で、標準モジュールでは物足りず、PythonやR言語を駆使して外部スクリプトやオリジナルのモジュールを使う場合は、Azure Machine Learning Studio（クラシック）を選ぶとよいでしょう。

▲ページトップへ戻る

4.3 API利用

IBM Watsonがおすすめです。

無料のライト・アカウントでも、かなり本格的に利用可能です。用意されている機能の分野も多岐に渡るため、活用の幅が広く、API経由であらゆる自作のオリジナルアプリなどに組み込むことができます。

▲ページトップへ戻る

4.4 実行環境

TensorFlowの本格的な実行環境をクラウド経由で使うことができる、AI Platform（旧Cloud ML Engine）がおすすめです。

一方で、ディープラーニングに使用するデータセットに個人情報等セキュアな情報が含まれるなど、クラウド上にデータをアップロードすることに抵抗がある場合は、ローカル環境とオールインワンで購入することができるDeep Analyzerがおすすめです。

▲ページトップへ戻る

5. まとめ

AIによって何を実現したいのかを明確にし、様々なAI開発ツールについて、どのような特徴があり、何をすることができるものかをしっかり調査することで、AI開発をスムーズに行なうことができるようになります。
目的に合ったAI開発ツールを採用できるよう、各ツールのできること・できないことを覚えておきましょう。

▲ページトップへ戻る