マイナビニュースマイナビ

AI人材に必要なもの[5] リクルートテクノロジーズ 石川氏 - 「失敗前提でも経験させる」

AI人材に必要なもの[5] リクルートテクノロジーズ 石川氏 - 「失敗前提でも経験させる」

[2018/02/27 08:00]山田井ユウキ ブックマーク ブックマーク

運用開始後の体制までを検討せよ

――ディープラーニングを自社で活用する場合、どのようなことに気をつけるべきでしょうか。

石川氏 : まず、機械学習やディープラーニングは手段にすぎないということを理解しましょう。

いくら強力な武器を持っていても、どこに向けて撃てばよいかわからなければ何の効果も得られません。それで何を実現したいのか、どんなインパクトがあるのかを把握しておく必要があります。

目的を見つめ直すと、もしかしたらディープラーニングがなくても簡単に達成できることがわかるかもしれませんよね。そういったことをしっかりと考えておくことが大切です。目的なしに始めるのが一番よくないですね。

――なるほど。

石川氏 : それから、始めた”後”も大事です。

モデルを作ったら必ず運用することになります。ここが高度すぎると、担当者がいなくなったときに誰も扱えずに負の遺産になる可能性が高いです。

機械学習は日々モデルをアップデートしていかないといけません。エキスパートが一人しかいないと、その人がいなくなったときに困りますよね。

できるだけ簡易的な運用の仕組みを作っておくことが大切です。まとめると、ディープラーニングを活用するためには、その”前後”が大事という話です。

ルール化できない判断を任せられるのがディープラーニング

――ディープラーニングが向いているような業界や業務はありますか?

石川氏 : 誤解を恐れずいうと、人がルール化できないあやふやな判断をするときにディープラーニングは向いているでしょうね。

例えばネイルの画像を見たとき、人はどの部分が爪で、どういう絵柄が描かれているのかパッと見てわかります。しかし、従来のコンピュータにはそれができませんでした。この部分を抽出すると指の特徴がわかるとか、この場所が爪であるとか、判断の基準を人が指示してやらないといけませんでした。これが古典的な特徴量抽出です。

ところがディープラーニングは、画像データを入れると勝手に特徴点/特徴量を抽出してくるんですよ。むしろディープラーニングがどうやって判断しているのかは、人間にもわからないくらいです。人間にルール化できない判断にディープラーニングが向いているというのはそういう理由からです。

もちろん、これは十分な教師データが用意できるものに限られます。

――特にディープラーニングで精度を出そうとすると、データ量が大事ということですね。

石川氏 : ただ、最近は少ないデータ量で精度を出そうという流れがあるんですよね。そういった論文が昨今の学会などでも発表されまして、ディープラーニングをとりまく状況は刻々と変わってきています。

――これまでの常識がどんどん覆されそうですね。

石川氏 : そうですね。

※ 本記事は掲載時点の情報であり、最新のものとは異なる場合がございます。予めご了承ください。

もっと知りたい!こちらもオススメ

"発想×AI"で実現! 別人の声で話せる拡声器「アニメガホン」の可能性

「あったらいいな」を、AIで具現化した「ANIMEGAPHONE(アニメガホン)」。アニメガホン制作委員会は2月8日、アニメガホンの製品情報を発表した。別人の声で話せる拡声器はいかにして実現されたのか。制作委員会の市川直人氏らにお話を伺った。

関連リンク

この記事に興味を持ったら"いいね!"を Click
Facebook で TECH+ の人気記事をお届けします
注目の特集/連載
[解説動画] Googleアナリティクス分析&活用講座 - Webサイト改善の正しい考え方
Google Workspaceをビジネスで活用する
ニューノーマル時代のオウンドメディア戦略
ミッションステートメント
次世代YouTubeクリエイターの成長戦略
教えてカナコさん! これならわかるAI入門
AWSではじめる機械学習 ~サービスを知り、実装を学ぶ~
Kubernetes入門
SAFeでつくる「DXに強い組織」~企業の課題を解決する13のアプローチ~
AWSで作るマイクロサービス
マイナビニュース スペシャルセミナー 講演レポート/当日講演資料 まとめ
セキュリティアワード特設ページ

一覧はこちら

今注目のIT用語の意味を事典でチェック!

一覧はこちら

会員登録(無料)

ページの先頭に戻る