このページは通読用のものではありません。
ここにあるのは、思考の断片、アイディアの種です。
毎日ひとつを取り上げて読み、それに対して考えを巡らせてください。
そこから、新しいアイディアが芽を吹き、成長することを期待します。

　：：：：：：：：：：：：：：：：：：：：：：：：：：：：：

量子力学や相対性理論を理解するのは大変だ。しかしAIを理解するのはそれとは違う。高等数学は必要ない。

AIの機械学習は、複雑ではない。量が多いだけのこと。

定型的な記事なら、AIが書いてくれるようになっている。そのような文章で人間がAIと競争しても意味がない。

テーマ与えると自動的に文章を書いてくれるサービスが登場している。文章は内容ではなくて量だというのだが、全く賛成できない。

旅行者の会話なら、AIによる自動翻訳でかなり用が足せるようになった。しかし、これでその社会の一員になることはできない。

AIにおける機械学習の大きな問題点は、不必要な情報を学習してしまうという「過学習」

データは多ければ多いほど良いわけではない。データの中には誤ったものも含まれている。それに基づいて行動すれば、誤った行動となる。

AIの機械学習は、データを与えれば自動的にできるわけではない。コンピューターに与える前にデータをいかに処理するかが重要だ。これがデータサイエンティストの役割。

説明や理論は、複雑でないほうがよい。これを「オッカムの剃刀の原則」という。

格言として伝えられることは、すべて簡潔な表現になっている。

人間の数値に対する感覚は、絶対額ではなく、対象となる数字との比率で決まるようだ。

日本の企業人も過学習していることが多い。「わが社の常識、世間の非常識」と言われるとおり。

人の意見を聞くことは重要だ。しかし聞いているばかりでは、振り回されてしまう。

私の生活にはＡＩは関係がなさそうに思えるのですが、なぜＡＩについて知る必要があるのですか？

どんな仕事がＡＩによってとって代わられ、どんな仕事がＡＩによって価値を高めていくかを、正しく捉えることが重要。

AIによって新たに発展する部門もあります。それをうまく捉えることができれば、成長することができます。

コンピュータが最も不得意な分野であった図形認識が、機械学習によって可能になり、さまざまな仕事をコンピュータに任せることが可能になりました。

「データ駆動的な」運営が可能になると、事故が起こってから対応するのではなく、事前に対処することができます。

「コンピュータが学習する」といっても、人間が与えたデータを学習するだけであり、コンピュータが自動的に様々な知識を学ぶことは、できません。

ＡＩの認識能力は、人間のレベルには遠く及びません。

AIには、「オーバーフィッティング」（過学習）と呼ばれる深刻な問題があります。

ＡＩの限界を認識しつつ、これを現実の仕事にうまく活用していくことが必要。

現在のAIは、「汎用ＡＩ」（人間と同じように考え、仕事を遂行するコンピュータ）ではありません。

現在のAIは、「特化型ＡＩ」（特定の仕事について、処理することができるコンピュータ）です。

普通の人でも日常的な仕事にAIを使うことができるようになった。積極的に活用してAIを味方にしよう。

単にコンピューターを用いているだけのものを「AIを用いたサービス」と言っていることがある。どんなデータを用いてどんな機械学習を行っているかを明らかにしていないAIサービスには、注意が必要だ。

これまでも定量的な評価は行われてきた。AIがそれと違うのは、従来は活用されていなかったデータを用いて機械学習を行なっていること。

多くの人は、AIというと万能のロボットを想像する。これは、映画やSFの影響であって、実際のAIは、すべてのことをできるわけではない。AIができることは、きわめて限定的。

実際のAIは限定的なことしかできないので、「AIに何ができて、何ができないか」を知ることが重要。

「データ駆動型」は、これまでの思考法からの基本的な転換。理論モデルでなく、データが優先する。

データが経営者の誤りを指摘した時、経営者はそれを認められるか？これができなければ、「データ駆動型経営」はできない。

「ニューラルネットワーク」の問題点は、なぜ最適解が正解なのかを、人間が理解できないこと。

コンピュータは、自然言語や図形を認識することが苦手だった。これは夢の技術だったが、AIのディープラーニングで可能になってきた。

AIによって音声入力が可能になったので、人間とコンピューターの距離が縮まった。

メタ・ナビゲーション