AIOps

AI技術を活用してITシステムの運用を自動化・効率化する取り組み。大量のログやメトリクスデータをAIが分析し、異常検知、障害予測、自動復旧などを実現する。

AI・機械学習技術をIT運用に適用し、大量のログやメトリクスデータの分析、異常検知、根本原因分析、障害予測などを自動化する取り組み。運用の高度化と効率化を目指す概念である。

人間の知識をコンピュータに取り込み、知的な問題解決を実現する工学分野。知識ベース、推論エンジン、知識表現（フレーム、セマンティックネット、プロダクションルール）の設計と構築を扱う。エキスパートシステムの基盤。

特定分野の専門家の知識をルールベースとして蓄積し、推論エンジンで問題解決を行うAIシステム。知識ベースと推論機構からなり、医療診断や故障診断などの分野で実用化された。機械学習登場以前のAIの代表的アプローチ。

データからパターンや規則性を自動的に学習し、予測や分類を行う技術の総称。教師あり学習、教師なし学習、強化学習に大別される。学習データから汎化能力を獲得し、未知データに対する推論を可能にする。

入力データと正解ラベルのペアから学習する手法。回帰（数値予測）と分類（カテゴリ分け）に大別される。線形回帰、ロジスティック回帰、決定木、サポートベクトルマシン、ニューラルネットワークなどが代表的なアルゴリズム。

正解ラベルのないデータから構造やパターンを発見する手法。クラスタリング（k-means法など）や次元削減（主成分分析など）が代表的。データの潜在的なグループ分けや特徴抽出に用いられる。

エージェントが環境と相互作用し、報酬を最大化する行動方策を学習する手法。試行錯誤を通じて最適な行動を獲得する。Q学習やSARSAが代表的なアルゴリズムで、ゲームAIやロボット制御に応用される。