Think more, try less

Owen Zhangの言葉を大切にして,日々Kaggleに取り組んでいます.

Software Design 2017年8月号「ビジネスの変革をもたらす機械学習」を執筆しました。

今月のSoftware Design 2017年8月号では、「私も機械学習エンジニアになりたい!」というテーマで、特集1が組まれています。このたびその中のひとつの章の「ビジネスの変革をもたらす機械学習」を執筆させて頂きました。7月18日発売となります。これから機械学習エンジニアのキャリアを志す方から、組織に機械学習エンジニアを配置しようと検討している企業の方向けの、導入記事として役に立つ内容になっているので、さらっと読んでもらえるといいかなと思います。

執筆にあたり心がけたこと

特に、編集者のご担当者様から、数式をあまりもちいず機械学習について簡単な内容で解説してほしいということと、ビジネスへの応用面について解説してほしいという要望を頂いたので、「機械学習とは?」という極めて初歩的な内容から始まり、それらがどのようなビジネス領域に活用されているか解説しました。この内容を執筆するにあたり以下の点を気をつけています。

  • 機械学習と深層学習と人工知能の混同されやすいところ
  • 上記3つのそれぞれのビジネス活用の展開

最近は、ニュース記事を見ても、とにかく「AIで」というタイトルをよく見かけると思います。しかし、ニュース記事の中身を見ても、特にAI(人工知能)ではなく、単なる機械学習を適用した事例であったり、語弊がある表現が横行しています。このようなニュース記事ばかり読んでいると、私もAIエンジニアになろうとか、深層学習エンジニアになろうというような気持ちになって、とりあえずChainerをさわってみようだとか、ビジネスへの向き不向きも理解せず、いきなり人工知能を適用しよう人も出てくる恐れもあります。実際に、機械学習の基礎基本も学ばずにいきなり深層学習に取り組む人も少なくないようです。このような理由から、上記2点に注意を払っている次第です。

機械学習と深層学習と人工知能の混同されやすいところ

それぞれの混同されやすいところとして、機械学習と深層学習の違い、機械学習人工知能の違い、深層学習と人工知能の違いの全パターンの違いを解説しています。意識せず、「AI」と認識しているものが、実はそれぞれ異なり、どこが重なる概念で、どこが異なる概念なのか明確になると思います。

上記3つのそれぞれのビジネス活用の展開

上記3つをビジネスに活用し展開してくためには、さまざまなビジネス背景を理解した上で、適切に適用される手段が選ばれる必要があります。いまの時代背景からビジネスに何が何でもAI(人工知能)を活用しようという考え方ではなく、機械学習で事足りること、深層学習でなければならないこと、そして人工知能を活用することでできること、それぞれの違いを踏まえてビジネス活用の事例を紹介しています。これらの事例を理解して、自社へのサービスの発展を検討されたいと思います。

おわりに

私が執筆した章以外にも、現役バリバリの機械学習エンジニアの方々によって書かれた内容ということもあり、読んでいて楽しい内容になっていると思います。ぜひ機械学習エンジニアを志す入門者以外の方にも一読してもらいたいです。