1: \(^o^)/ 2019/01/25(金) 15:16:16.74 ID:CAP_USER
「ライバルがAI(人工知能)を使ったサービスを発表したそうだ。ウチはどうするんだ」――本連載では、上司から突然こんなむちゃぶりを受けて困っている人のために、AIプロジェクトの進め方をいちからまとめてきた。

あなたはAI導入の目標を明確にし、必要なデータをそろえ、PoC(概念実証)を実施して、AIをどう活用すれば本当に役立つのかを把握した所だ。


あとは本番環境に実装すれば任務完了――と言いたいところだが、残念ながらこれで終わるわけではない。

採用した新人を現場に配属して「あとはよろしく」で終わる人事担当がいたらどう思うだろうか? AIを開発して終わりと考えるのは、それと同じようなものだ。AIが真に成果を出せるかどうかはその後のフォローで決まると言っても過言ではない。本稿で解説する3つのフォローが実施できるよう、予算とマンパワーを確保しておいてほしい。

■その1:「偏見を持つAI」を作らないために 運用後も「再学習」
これまでの記事でも述べてきたが、本連載ではAIを「これまで人間のみが実行可能だった作業や、人間には不可能だった作業を、機械がデータに基づいて実行することを可能にする仕組み」と定義している。

実際に最近のAIアプリケーションは、データを使ってAIを学習させ、目標とする作業をさせるものが多い。そのため連載第2回で解説したように、AI導入プロジェクトでは「適切な質と量のデータを集められるかどうか」が重要になる。
no title


AIの開発が終わったからといって、この課題が消えてなくなるわけではない。1度学習させた内容が、時間経過や環境の変化などで不適切なものになる可能性があるためだ。

連載第2回では、米Amazon.comの失敗についても解説した。採用候補者の履歴書を自動で審査するAIを開発したところ、女性よりも男性を高く評価する「偏見」を持つようになってしまったというものだ。この原因は、学習に使用した過去10年分の履歴書において、男性からの応募が大半を占めていたことにある。そして実際に大量の男性が採用されていたことで、AIが「女性」という性質を、低い点数を与えるシグナルと解釈してしまったわけだ。

これは開発時の学習用データ準備の失敗ということになるが、環境や時代の変化によってAIの学習内容が時代遅れになってしまった事例という解釈もできるだろう。

例えばいま、日本の企業がAmazonのように過去の履歴書を学習用データとした「履歴書審査AI」を導入したとしよう(ソフトバンクやサッポロビールなど、実際に採用プロセスにAIを活用する企業は既に登場している)。

このAIは女性差別をしないように調整されているものの、過去の採用で応募してきたのは日本人ばかりだ。しかし今後、少子高齢化対策として日本で外国人が働きやすくなり、大勢の外国人がこの会社に応募するようになったとしたらどうだろうか。非常に優秀な外国人候補者がいても、AIは彼もしくは彼女を適切に評価できない恐れが大きい。

このように、いくら過去のデータに基づいて優秀なAIを開発しても、その後の環境変化でAIのアウトプットが不適切なものになる可能性がある。そのためAIの判断精度を定期的に確認して、必要であれば新しいデータを使って「再学習」してやる必要があるのだ。

AIアプリケーションの中には、最新のデータに基づいて自動的に再学習するものもある。しかしその場合も油断は禁物だ。知らないうちに、AIが予想もしない結果を返すようになってしまう恐れがあるためである。

続きはソースで

ITmedia NEWS
http://www.itmedia.co.jp/news/articles/1901/25/news041.html

引用元:http://anago.2ch.sc/test/read.cgi/scienceplus/1548396976/

スポンサーリンク
2: \(^o^)/ 2019/01/25(金) 15:26:52.27 ID:OIABJxUs
そもそもAIなんてまだ出来てない
せいぜいビッグデータの活用だけだろ

11: \(^o^)/ 2019/01/25(金) 15:44:48.01 ID:VK4UsVzi
>>2
パターン分析だな

6: \(^o^)/ 2019/01/25(金) 15:35:20.78 ID:/EuXhedV
いつも勉強用の最新のデータを食わせてやらないとアホになる

当分は常識の無い、部分最適のお子ちゃまかもね

15: \(^o^)/ 2019/01/25(金) 15:50:33.36 ID:6xGO5WXU
文系や官僚はディープラーニングのAIが作って終わりBlackBox
であることを知らない 段々学習すると勘違いすらしてる

実際は選択重み付けの係数がなぜいくらなのかもわからない
作る毎に全然違う物になることが多い中身の見えない箱

そもそも熟練者がポイント抑えればAI不要の系がすごく多い
せいぜい1次関数やその指数関数で説明出来ちゃう

16: \(^o^)/ 2019/01/25(金) 15:52:39.61 ID:G1jahaJA
まぁAIは複数のパラメータのどこに相関性があるか見つけ出すために使うのがいいんじゃないの。
どのパラメータがいま重要か抑えて、そこからは人が見て線形計算で最適化していけばいいわけで。

17: \(^o^)/ 2019/01/25(金) 15:56:05.22 ID:ShRUB7ol
そもそも既存のシステムが麻雀じゃないけど『染める』ことで効率が上がるように出来てるから
工場のラインごとに機械が違ったら効率が落ちるのと同じこと
現在のAI技術が既存のデータの集積に有る以上それに従って運用するしかない

19: \(^o^)/ 2019/01/25(金) 16:18:37.31 ID:LV5X4cdY
AI「人間の望む答を出すのがAIとちゃうでぇ」

20: \(^o^)/ 2019/01/25(金) 16:33:19.59 ID:jL52TNE6
スマートスピーカーをみてわかるようにAIなんて全く使えない。

囲碁とかすごい?

26: \(^o^)/ 2019/01/25(金) 18:26:20.61 ID:zWa5cFdZ
民間にAI普及させたいなら企業内で学習完了してなきゃいけない
客先で学習させるタイプの製品は売れないという風潮が広まらないように

27: \(^o^)/ 2019/01/25(金) 18:30:45.70 ID:xGS0UHCn
要するに、確率・統計に少しの知能と、
インターフェースを持たせただけだろ。

30: \(^o^)/ 2019/01/25(金) 19:46:41.70 ID:atQt3GTR
今のところデータいじりの方が大変だからな
喰わせるデータ自体を整えてくれるAIが必要だな

スポンサーリンク