機械学習に対する勘違い

  • ブックマーク
  • -
    コピー

僕はデータ関係が好きな方なので、機械学習も大学のときに勉強してました。それから機械学習を使ったスタートアップをしようと提案をしていたのですが、そのときに、多くのAIスタートアップが資金調達には成功しているが、事業がうまく行っていないことを目の当たりにしました。

 AIや機械学習、統計学、ディープラーニングなど企業がその違いを理解していないと、思わぬ問題に直面することは多々あります。

2つの機械学習

 料理人を雇ってオーブンを作らせたり、電気エンジニアを雇ってパンを焼かせたりすることを想像してみてください。機械学習に関して言えば、企業はこのような間違いを何度も何度も犯しているのです。

 パン屋を開く場合は、おいしいパンやペストリーを作るニュアンスに精通した経験豊富なパン職人を雇う方がいいですよね。わざわざオーブンをトップのパティシエに作らせるということはあまりないですよね?
 では、なぜなんで企業はこのようなことを機械学習において、失態を犯してしまうのでしょうか。

機械学習研究

 機械学習コースや教科書は、オーブン(例えば、電子レンジ、ブレンダー、トースター、やかんなど)をゼロから構築する方法に関するものであり、調理方法やに関するものは意外とありません。

 機械学習アルゴリズムを構築する場合、その焦点は他の人が使用するための汎用ツールです。このビジネスは機械学習研究と呼ばれ、通常、学界やGoogleなどの場所で行われます。

<br>

どちらかといえば、基礎研究っぽい。

機械学習に関しては、多くの組織が間違ったビジネスを行っている。

 

 機械学習は実際長い歴史があります。つまり、これらをマスターするにはかなりの教育が必要ではあります。 たとえば、回帰の最小二乗法は1805年に公開されました。人類は200年近い長い道のりを歩んできたんですね。

まあ初めてAIという言葉が使われたのも、1956年のダートマス会議です。

 例えば、現代社会には、優れた電化製品がたくさんありますね。それらがどのように機能するか知らない場合、どのようにしてより良い電子レンジを作れるのでしょうか? 難しいですよね。
 つまり、研究が必要になるのですが、研究は何年も時間がかかります。
 それに多大なお金もかかるので、スタートアップが研究をするにはかなりの労力が必要になるでしょう。

応用機械学習

 ほとんどの企業は、ビジネス上の問題を解決するために料理をしたいだけです。 彼らは電子レンジを作って販売することに興味がないのに、それでも電化製品をゼロから構築しようとするという間違いを犯しているように思えます。
 現在の誇大宣伝と教育サイクルは、主にアプリケーションではなく研究に焦点を合わせているのがほとんどです。

 レシピでイノベーションを起こしたい場合は、わざわざ車輪の再発明をしないでください。すでに優れたものはたくさん存在しています。しかも、それらは多くの場所から無料で入手できます。

なにを使って、なにをするのか明確にしましょう。

 シェフがマイクロ波の配線図を知る必要が無いように、チームはニューラルネットワークでのバックプロパゲーションの数学を理解する必要はありません
 しかし、食材から料理がおいしいかどうかを確認してから提供するまで、工業規模のキッチンを運営することを計画している場合は、知っておく必要のあることがたくさんあります。
 必要がないけど、数学が重要ではないと言ってるわけではありません。

引用:https://hackernoon.com/why-businesses-fail-at-machine-learning-fbff41c4d5db

機械学習の誤解

 多くの企業は、応用面がアルゴリズム研究面とは大きく異なる分野であることを認識していないため、機械学習から価値を得ることができていません。
 つまり、料理をしたことないエンジニアを使い料理を作ろうとし、電子回路を組んだことのないシェフを使ってオーブンを構築しようとしているみたいなことです。

 時間は有限です。電子レンジの配線方法を学ぶためにそれらを費やすと、ビジネスや芸術を習得することに専念することが少なくなります。
 博士号を取得した人工知能研究者は、応用機械学習に必要なスキルを習得しているのでしょうか。

仕事に適したチームを雇う

 最先端の電化製品を販売する場合は、研究者を雇ってください。レシピ使ってイノベーションを起こす場合は、料理の価値/目的が何であるかを理解する人(意思決定者と製品マネージャー)、サプライヤーと顧客を理解する人(ドメインの専門家と社会科学者)、材料を処理できる人(データエンジニアとアナリスト)、さまざまな材料と器具の組み合わせてレシピを生成できる人(応用MLエンジニア)、レシピの品質が良いことを理解できる人(統計学者)、レシピを効率的に提供できる料理に変える人々(ソフトウェアエンジニア)、学際的なチームを軌道に乗せる人々(プロジェクト/プログラムマネージャー)、そしてあなたの料理が一流であることを保証する人々などが必要です。

 アウトソーシングに関しては、チームが既存のツールや知識をすべて試しても、ビジネス目標に合ったレシピを作成できない場合は、検討するのが理にかなっていると言えるでしょう。その人を常勤スタッフに雇うか、経験豊富なアルゴリズム研究会社に仕事を外注するかは、業務の規模と成熟度によって異なると思います。

意思決定インテリジェンス

 機械学習については、アルゴリズムを構築することについて訓練するものは多いですが、それらを使用することについてはあまり多くありません。

 実際、応用面をカバーする新しい分野で、スタッフをトレーニングしている海外の研究室やスタートアップも存在します。これをは意思決定インテリジェンスエンジニアリングと呼ばれるようです。機械学習とデータサイエンスのすべての応用面にまたがっています。

 別の言い方をすれば、研究機械学習がオーブンを構築し、応用機械学習がオーブンを使用している場合、目標を達成するためにオーブンを安全に使用し、オーブンを必要としないときに他のものを使用するという適切ば割り振りです。

まあでも、本人が楽しければなんでもいいのでは。

  • ブックマーク
  • -
    コピー