【AI導入までの道のり9:
マネジメントの重要な2つのポイント】
段階3-2(運営編)
モチベーションを設計する
新しい事業や研究開発は大半が失敗するので、
デフォルトだと多くの場合モチベーションは
減衰していきます。
そのため、
「成功を感じられる体験」
「その成功が蓄積されている体験」

を上手く設計する必要があります。
RPGでいうところのレベルアップの
仕組みに近いですね。
モチベーションの設計については
この本に全て書いてあるので、
こちらを参考にすると良いです。
『説得とヤル気の科学』
https://amzn.to/2IT4APt
学んだ知識をQiitaに書いていいねを獲得する、
GitHubのStarを獲得する、
というのも「成功を感じられる体験」の一つです。
研究成果本体だけでなく、
そうしたフィードバックもモチベーションの
設計に活かすことができます。
段階3-3(運営編)
メンバーへの支援体制を設計する
マネージャーの最大の仕事は
メンバーを教育することです。
マネージャーの仕事はチームの
アウトプットを最大化することであり、
そのためにはメンバー各人の
スキルアップが最も有効なためです。
なお、
これは前回紹介した
HIGH OUTPUT MANAGEMENTにも
書いてあるとおりです。
『HIGH OUTPUT MANAGEMENT』
https://amzn.to/2V60cTI
そうした意味では、
マネージャー自身が研究成果を
出すのは必須ではありません。
逆に、
研究成果を出しながらチームのマネジメントも行う
というのはとんだ超人野郎といった話になります。
優秀な新人がいたりすると、
その先を走らないといけないという焦りが
生まれることもあると思いますが、
そもそも自分を追い越すような人材が
出てこないようなチームでは発展して
いかないですし、
自分の限界がチームの限界になると
いうのも健全ではありません。
優秀な部下や人材を歓迎しましょう!
そして、
能力を最大限発揮できるように
環境を整えるのがマネージャーの
役割とも言えますね!

【AI導入までの道のり10:
AI導入までに必要なステップ(技術編)】
段階4(技術編)
研究プロセスを把握する
”人工知能を活用したい”
”人工知能ビジネスをしたい”
といったような声は多いですが、
導入までにどういったプロセスが必要かを
分かったうえで相談に来る方はほぼいません。
「もうすでに出来上がっているものを
インストールして”ポチ”っとしたらAIが動き出す」
「AIに大量のデータを学習させたら、AIが最適な
回答をすぐに導きだしてくれる」

といったように、
AIのプログラミングを組んだらすぐに
成果を出し始めると思っている場合が
すごく多いです。
実は、人工知能の導入までの流れはものすごく
【地味な作業】

が必要になってきますし、すぐに
「はい、できあがりましたよ」
とはならないんですね。
”データの準備”~”導入”までの流れを
説明していきたいと思います。
===人工知能導入までの流れ===
【1.データの準備】
1-1.どのようなデータを使用するか検討します。
1-2.検討したデータの収集をします。
【2.手法の選択】
機械学習の「手法/学習方法/アルゴリズム」を選びます。
【3.前処理】
3-1.必要なデータの選別を行っていきます。
3-2.データランダリング(整える)します。
3-3.データ拡張(増やす)を行います。
3-4.学習・評価用にデータを分類します。
【4.モデルのトレーニング】
4-1.ハイパーパラメーターのチューニングをします。
4-2.学習をさせます。
【5.モデルの評価】
5-1.推論
5-2.2(手法の選択)から5までを精度が出るまで
繰り返していきます。
5-3.最適なモデルを選ぶ
【6.納品】
選択した学習済みモデルを本番環境にデプロイして適用させます。
==============
どうですか?
詳細を省いて、すごくシンプルに説明したので
少しイメージしにくいところはあるかと思いますが、
今回ここで抑えていただきたい重要な行程は、
『5-2.
2(手法の選択)から5までを
精度が出るまで繰り返していきます』

このステップです。
人工知能は魔法のテクノロジーではなく
実際は精度が出るまではひたすらテストを
行っていきます。
実はすごく地味なプロセスを経ています。
そして良い人工知能にはこのプロセスが
必要不可欠なんですね。
このプロセスがない人工知能は
使い物になりません。
これは現在、資金力にものをいわせて
広められているAIがまさにそれですね。笑
求めている成果を出すために
”どのようなデータが必要なのか”
”どの学習方法が適しているか”
”どのように精度を上げていくか”
というのは持っているデータや
お客様の状況で個々によって
変わってくるんですね。
これは素人ではわかりません。
開発者が判断する必要があります。
↓ ↓ ↓
公式LINEにてAIの最新情報を無料でお届けしています!
メッセージをいただければ個別相談も可能です。
【Shannon Lab公式LINE】登録はこちら↓
https://lin.ee/51AvzBZ
ID検索はこちら→@wcl3002n
※この記事は過去に配信した以下メルマガを基にしています
2019年5月15日
2019年5月31日