みなさんこんにちは! 神崎なつめです。
先日、日立とGoogleの講演会に参加しました。
普段は技術者系の社員の勉強会なので、一般人は入れないそうですが……。
今回は社員づてで、一部一般の人も参加できるようでした。
技術に詳しい子も連れていきましたが、技術者向けなこともあり「ギークすぎる!」という感想をいただいています。
ということで、AIの実施事例と学びを聞いていたのですが、事例のメカニズムについては、神崎はもっとわかりません……(笑)
正直、参加していた人のほとんどがわかっていなかった印象です。
そこで、彼ら技術者がAIを使った取り組みをして、学んだこと・反省したことのみ紹介したいと思います。
AIを使って何かしようとしている人の参考になれば幸いです。
日立の案件を通しての学び
①お客さんの「AIを作って何かしたい」には注意
なんとなく、流行っているからAIを使いたいという考えの人が多く、明確なビジョンを持っていないため、大変だそうです。
AIを扱っている会社の人なら、割と多くの人が知っていることみたいですね。
②「データはいっぱいあります」「顧客側で準備します」には要注意
AIはかなりデータが重視されます。
そのため、顧客側で用意された場合には、大抵使えません。
大抵データを取るのが素人だからですね。
③「現状と同精度でいい」には要注意
人の作業を計算機に置き換えた場合、期待精度が一桁上がります。
だから、大変な仕事になるようですね。
④ベンダ/ユーザそれぞれの権利を明確化した契約が重要
トラブルになるので、権利を明確化した契約は大切です。
特に、学習モデルの所有権はベンダ側で死守すべきだそうです。
⑤人間優秀なセンサの集合体
やはり、AIといっても、まだまだ人間に勝てない領域がたくさん残っています。
課題は多くあるようですね。
Googleの案件を通しての学び
①データの精査が重要
データを構築・設計する前に、データの精査を行わなければなりません。
AIはデータがモノを言います。
②事前に基準設定を行う
懸賞に当たっては、事前に基準設定をしなければならないです。
検証をしながら基準を設定していくのではいけません。
③安全面のルールも定義
当然ですが、安全面の確保も重要です。
しっかりとルールの定義を作っておく必要があります。
④End-to-endが絶対にいいとは限らない
End-to-endが絶対にいいとは限らないので、使うなら補助するモデルとして使うようにしましょう。
別モデルも構築すべきです。
⑤モデルのモニタリングでイレギュラーに注意
例えば、人の流れをデータにとる場合、イベントがあるなどのイレギュラーが起こると、データの分母と違ってしまいます。
誤ったデータが入ってしまうので、このようなイレギュラーは入れてはいけない。
外すようにしましょう。
まとめ
神崎としては、「Googleやっぱ強いなあ」という一言に限ります。
興味がある方は是非調べてみてください(笑)
コメントを残す