【第26回】AI導入までの道のり9&10

【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
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
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
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
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
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
 
 
優秀な部下人材歓迎しましょう!
 
 
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
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
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
必要不可欠なんですね。
 
 
このプロセスがない人工知能
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

  

”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
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