機械学習もディープラーニングも、AIという言葉で表される通り「自動で何かをしてくれる機能」ではあるが、原理的には、大量のデータから結果に対して相関の高いパターンや、評価の基準である特徴量を見つけるだけであり、データの量(レコード数)とデータの質(どれだけの属性項目がどれくらい適切に設定されているか)が品質の全てを決める。
EC(電子商取引)サイトでの商品レコメンドなどのアクションを見て、これがAIだと思う人もいるが、こうしたアクション自体は昔からある技術に過ぎない。そのアクションを決定する判断こそがAIと呼ばれる機能であり、その精度はデータの量と質で決まる。
データの量と質というと、小難しい印象を受けるが、人間で例えると「経験」に相当するものだ。例えば自動車を毎日運転している人と、月に1回しか運転していない人、毎日運転していても家から近くのコンビニまでの一本道しか運転していない人と、高速道路や一方通行など様々な条件の道路を運転している人では、運転技術に大きな差が生まれる。データの質と量の差は、それと同様だと思えばよい。
実は、そのデータの量と質は、統計学に縁の無い人の想像を超える水準が求められる。技術や実現性を検証する段階でも、高い水準が要求される。AIを取り入れた新サービスや業務改革の検討を進めている企業では、たとえデータ量が多くても、属性項目が少ないうえに空欄や形式不備があり機械学習に使える属性項目に乏しいか、あるいは使える属性項目はあるがデータ量が足りないかなど、既存のデータ自体の問題に起因して検証が進まない。検証しても精度が低くて、導入のメドが立たないという状況を引き起こしている。
僕の所感では、AI導入に際して、システム化の根本的な問題点が露呈するだけだと思っています。
つまり、普通にシステム化や運用がうまくいかないようなデータ管理が属人化しているような会社は、AIで自動化など、夢のまた夢。
そんな人たちがね、
何も考えずに「AIっていいね!」だけで進んでいくと、またベンダーにふっかけられて、新たなIT詐欺の温床になるだけです。
しかし、何で人は「わからないけど流行ってるもの」は、盲目的に信じてしまうんでしょうね。。
とりあえず、深層学習(ディープラーニング)の本を一冊読むだけで、だいぶ違うのに。
ま、ビジネスはルールを知らない人には冷たいものです。
皆様との良きご縁に深く感謝申し上げます m - - m
![読者登録してね](https://stat100.ameba.jp/blog/ucs/img/decoPeta/pc/decoPeta_22.gif)
バックナンバーも購読頂けます。
![](https://stat.ameba.jp/user_images/20150208/15/nori-shohyo/03/13/j/t02200111_0470023813212072344.jpg?caw=800)
【弊社のFacebookページ】 ICT Solution合同会社