すぐに使えるAIモデル

お知らせ：当社は、お客様により充実したサポート情報を迅速に提供するため、本ページのコンテンツは機械翻訳を用いて日本語に翻訳しています。正確かつ最新のサポート情報をご覧いただくには、本内容の英語版を参照してください。

AIモデルはメジャーアップデートによる刷新が行われ、現在はAI Modelerと名称が変更されました。これにより、モデルの作成、トレーニング、公開を行い、アプリ全体で使用できるようになりました。今回の刷新以前にモデルを作成された方は、こちらをクリックして詳細をご参照ください。

すぐに使用できる AIモデルを利用することで、事前に機械学習の知識がなくてもZoho Creatorアプリケーションに人工知能を組み込むことができます。法人向けの代表的なAIモデルはすでに構築され、データが投入され、トレーニング済みで、すぐにアプリケーションに導入できる状態になっています。どのAIモデルでも、精度の高い結果を維持しドリフトを防ぐためには継続的な再トレーニングが重要です。この点についても対応済みのため、ユーザー側で再トレーニングを行う必要はありません。

現在、4つのready-to-使用するAIモデルが利用可能で、非構造化データを機械可読な構造化データへ変換するのに役立ちます：

キーワード抽出- 必須テキストからキーとなるエンティティを抽出します
感情分析- 指定されたテキストのトーン（ポジティブ、ネガティブ、ニュートラル）を判定します
OCR（プリビルト）- デジタル画像やPDF内のテキストを認識します
オブジェクト検出（プリビルト） - 基本的なオブジェクトを検出します

モデルの結果は常に正確であるとは限りません。これは他のAIにも共通しています。精度向上のため、継続的にモデルの改善を行っています。
モデルの結果は動的です。同じ入力でも、機械学習の進捗によって異なる結果が出る場合があります。これは、モデル固有の最適化を随時行っており、モデルが目的により適したものとなるよう継続的に学習しているためです。

利用可能なready-to-使用するAIモデルに加え、Creatorでは独自のニーズに合わせてカスタムAIモデルを作成する機能も提供しています。その他はこちら

Ready-To-使用するAIモデルの導入

キーワード抽出

キーワード抽出モデルは、入力された非構造化データから単語やフレーズなどのキー要素を抽出します。理想的には、支払明細に含まれるすべての名詞がキーワードとして抽出されます。

法人での使用例:顧客のレビューからキーワードを抽出することで、どれだけ多くの顧客が価格の引き下げを要望しているかを迅速に把握できます。

メモ:

キーワード抽出AIモデルは、テキストデータ型でのみ動作します。
このモデルは最大64KBまでのデータを抽出できます。
現在サポートされている言語は日本語のみです。

アプリケーションでキーワード抽出モデルを使用するには:

「Microservices」タブに移動し、ページ右上の+作成新規ボタンをクリックします。

AI Modelsカードにカーソルを合わせ、「作成」をクリックします。

「Deploy - Ready to 使用する Models」の下で、Keyword Extractionを選択します。

キーワード抽出モデルをデプロイするアプリケーションとフォームを選択します。選択したアプリケーションの編集画面にリダイレクトされます。

表示されたポップアップで必須のデータ元項目を選択します。この項目には、キーワード抽出が申請される入力テキストが格納されます。

「追加する項目」ボタンをクリックします。 keyword extraction 項目が選択したアプリケーションに追加され、ユーザーが選択したデータ元項目にテキストを入力すると、抽出された値が自動で反映されます。

メモ:

keyword extraction 項目は初期設定で無効となっており、その値を変更することはできません。
Delugeを使用すると、keyword extraction 項目の値を取得することはできますが、更新はできません。
ユーザー入力操作ワークフローはこの項目には設定できません。代わりに、選択したデータ元項目に対して設定できます。

感情分析

感情分析モデルは、入力された支払明細の態度を理解することに特化しています。

法人での利用例：顧客フィードバックで「このセッションは素晴らしい」と記載された場合、このモデルはそのフィードバックの感情を「ポジティブ」と予測します。

ただし、前述のとおり、機械は継続的に学習するため、結果が常に正確であるとは限りません。例えば、「session was good」という入力に対しては「Neutral」と予測し、「session was great」には「Positive」と予測します。このことから、機械は強い感情を示す単語がないと特定の感情に傾きにくいと考えられます。一方で、「the sessions were good」という入力には「Positive」と予測しています。これは、複数のセッションが良かったため、全体としてポジティブに評価された可能性があります。このように、モデルの結果にはさまざまな要因が影響し、解釈は個人の判断に委ねられる場合があります。

メモ :

感情分析AIモデルは、textデータ型の入力にのみ対応しています。
本モデルで検出できる感情は、ネガティブ、ポジティブ、ニュートラルです。
現在、対応言語は日本語のみです。

アプリケーションで感情分析モデルを使用するには:

「Microservices」タブに移動し、ページ右上の+作成新規ボタンをクリックします。

AI Modelsカードにカーソルを合わせ、「作成」をクリックします。

「Deploy - Ready to 使用する Models」から、Sentiment Analysisを選択します。

感情分析モデルをデプロイするアプリケーションとそのフォームを選択します。選択したアプリケーションの編集方法画面にリダイレクトされます。

表示されたポップアップで必須データ元項目を選択します。この項目には、感情分析を申請済みとする入力テキストが格納されます。

メモ:

感情分析モデルを申請済みとできる対応テキスト種類項目は、single 折れ線グラフ項目およびmulti 折れ線グラフ項目です。フォーム内で利用可能なsingle 折れ線グラフおよびmulti 折れ線グラフ項目のみが、データ元項目の選択肢として表示されます。
フォーム内に対応する項目タイプが利用可能でない場合は、感情分析モデルをデプロイするために、まず該当項目を作成する必要があります。
モデルをデプロイする親フォーム内に存在する項目のみが、データ元項目として選択済みにできます。サブフォームは親フォームとは独立して動作します。つまり、サブフォーム項目がデータ元項目となるのは、モデルがサブフォーム内に配置されている場合のみです。

「追加する項目」ボタンをクリックします。 sentiment analysis項目が選択したアプリケーションに追加されます。ユーザーが選択したデータ元項目にテキストを入力すると、検出された感情が自動的にこの項目に反映されます。

メモ:

sentiment analysis 項目は初期設定で無効となっており、その値を変更することはできません。
Delugeを使用して、sentiment analysis 項目の値を取得することは可能ですが、更新はできません。
ユーザー入力時の操作ワークフローはこの項目には設定できません。代わりに、選択したデータ元項目に対して同様の設定が可能です。

オブジェクト検出

オブジェクト検出モデルは、入力された画像内の要素を検出し、あらかじめ定義されたカテゴリに分類して、検出されたすべての要素のリストを返します。

法人での利用例:順番管理アプリケーションでリンゴの画像をアップロードすると、在庫にある商品の数を特定し、記録することができます。

すぐに使用できるAIモデルは、アプリケーションに直接デプロイ可能です。特定の詳細なデータセットで事前学習されています。独自のニーズに合わせて、カスタムオブジェクト検出モデルを利用して、オブジェクト検出モデルをカスタマイズすることもできます。

メモ:

オブジェクト検出AIモデルは、fileデータ型でのみ動作します。
対応しているファイル形式は、.JPEG、.PNG、.BMP、.TIFです。
対応カテゴリ：person、bicycle、乗用車、オートバイ、airplane、bus、train、truck、boat、トラフィックライト、fire hydrant、停止するsign、parkingメートル、bench、bird、cat、dog、horse、sheep、cow、elephant、bear、zebra、giraffe、backpack、umbrella、handbag、tie、suitcase、frisbee、skis、snowboard、sports ball、kite、baseball bat、baseball glove、skateboard、surfboard、tennis racket、bottle、wine glass、cup、fork、knife、spoon、bowl、banana、apple、sandwich、orange、broccoli、carrot、hot dog、pizza、donut、cake、chair、couch、potted plant、bed、dining table、toilet、TV、laptop、mouse、remote、keyboard、cell電話番号、microwave、oven、toaster、sink、refrigerator、book、clock、vase、scissors、teddy bear、hair drier、toothbrush、bee、butterfly、camera、glasses、guitar、lavender、penguin、strawberry、suit、sunflower。

アプリケーションでオブジェクト検出モデルを使用するには:

1. 「Microservices」タブに移動し、ページ右上の+作成新規ボタンをクリックします。

2. 「AI Models」カードにカーソルを合わせ、「作成」をクリックします。

3. Deploy - Ready to 使用する Modelsの下で、Object Detection（Pre-Built）を選択します。

4. オブジェクト検出モデルをデプロイするアプリケーションとそのフォームを選択します。選択したアプリケーションの編集方法画面にリダイレクトされます。

5. 表示されたポップアップで必須データ元項目を選択します。この項目には、オブジェクト検出を申請する入力画像が格納されます。

メモ:

現在、データ元項目としてサポートされているのは画像項目のみです。そのため、フォーム内で利用可能な画像種類項目のみがデータ元項目の選択肢として表示されます。

フォーム内に画像項目が利用できない場合は、オブジェクト検出モデルを導入する前に、まず画像項目を作成してください。

モデルを導入する親フォーム内に存在する項目のみが、データ元項目として選択できます。サブフォームは親フォームとは独立して動作します。そのため、サブフォーム内にモデルを配置した場合のみ、サブフォームの項目をデータ元項目として指定できます。

6. 次ボタンをクリックし、続けて追加する項目をクリックします。object detection項目が、選択したアプリケーションに追加されます。ユーザーが選択したデータ元項目に画像をアップロードすると、検出されたオブジェクトのラベルが自動的に入力されます。

メモ:

この項目は初期設定で無効となっており、値を変更することはできません。
Delugeを使用すると、差出人のオブジェクト検出項目の値を取得することはできますが、更新はできません。
オンユーザー input 操作ワークフローはこの項目には設定できません。代わりに、選択済みデータ元項目に対して同様の設定が可能です。
アップロードされた入力画像に、あらかじめ定義されたセットに含まれていないオブジェクトが含まれている場合、モデルはサポートされているカテゴリーの中で最も近い値を返すことがあります。
オブジェクトは個別に検出されます。そのため、画像内で同じオブジェクトが複数回検出された場合、モデルは複数形ではなく、検出された値を出力リストに2回返します。例えば、画像に犬が2匹写っている場合、モデルの結果は「dog, dog」となります。

光学文字認識（OCR）

OCRモデルは画像やPDF内のテキストを認識し、画像およびテキスト処理を用いてデジタル形式に変換します。

法人利用ケース：法人カードをアップロードすると、OCRのヘルプにより住所、電話番号、その他の情報を迅速かつ自動で取得できます。

すぐに使用できるAIモデルは、アプリケーションに直接導入可能です。これにより、入力トレーニングデータから検出されたすべてのテキストを抽出します。また、カスタムOCRモデルを利用して、画像やPDFの一部のみを抽出することもできます。

メモ:

OCR AIモデルは、fileデータ型でのみ動作します。
このモデルは最大64KBまでのテキストを読み取ることができます。
入力画像の対応ファイル形式は：.JPEG、.PNG、.BMP、.TIFです。
モデルによるテキスト抽出には、レイアウトが類似したPDFを5つ以上アップロードしてください（各ファイルは5MBを超えないようにしてください）。
このモデルは手書き文字の検出も可能ですが、完全な精度は保証できません。印刷された形式のテキストが含まれる画像やPDFのアップロードを推奨します。
現在、対応言語は日本語のみです。

アプリケーションでOCRモデルを使用するには:

1. 画面右上のMicroservicesタブに移動し、+作成新規ボタンをクリックします。

2. AI Modelsカードにカーソルを合わせ、「作成」をクリックします。

3. Deploy - Ready to 使用する Modelsの下で、OCR（Pre-Built）を選択します。

4. OCRを展開するapplicationとそのformを選択し、使用する Modelをクリックします。選択したapplicationの編集方法画面にリダイレクトされます。

5. 表示されるポップアップで必須のデータ元項目を選択します。この項目には、OCRを申請する入力画像またはPDFが格納されます。

メモ:

現在、画像およびfile アップロードする項目がデータ元項目としてサポートされています。そのため、フォーム内で利用可能な画像およびfile アップロードする種類の項目のみが、データ元項目の選択肢として表示されます。
フォーム内に画像またはfile アップロードする項目が利用できない場合は、オブジェクト検出モデルを展開するために、まず該当項目を作成する必要があります。
モデルを展開する親フォーム内に存在する項目のみが、データ元項目として選択できます。サブフォームは親フォームとは独立して動作します。つまり、モデルがサブフォーム内に配置されている場合のみ、サブフォームの項目をデータ元項目として指定できます。