AIについて勉強したので書きました

AIというワードは昨今、普通に耳にするようになったが、さて実際に正しく理解できているのか？という疑問があったので、調べて勉強してみた。

簡単にまとめるので、誰かの役に立つことを願う。

できること

AIにできること、つまり、ディープラーニングの長所、と言えることは何だろうか。

ずばり、「連想」だと思う。

過去の経験則（データ）から、類似のパターンを引っ張り出し、「ひょっとして、こうじゃないですか？」と提示してくれる形だ。

①データをたくさん読ませるだけなので、特徴を人間が考えて教える必要がない。
②膨大なデータがあれば、それを読ませるだけなので、既存手法より高い性能が発揮しやすい。
③使い方の汎用性が高い。

上記の点で長所だと思えた次第だ。画像認識などで発達が著しいという認識だ。

できなさそうなこと

てきないこと、つまり短所は下記だ。裏返しと言える。

①判断の理由が、人間には理解できない。（プロセスのブラックボックス）
②学習に膨大な時間とデータが必要となる。
③ノウハウがない分野では使いにくい。

私が専門とする経営管理の領域で考えてみると、プロセスがブラックボックス化しているので、その説明を経営陣や投資家などステークホルダーに求められた際に、「機械が、あるいは、AIが、こう言っているからです。」という答え方しかできなくなり、何にもできなくなる。

経営というのはいつも合理的・論理的できれいに意思決定できるわけではないのだ。企業文化・考え方・タイミングでの一貫性が真に大事なのである。

要は、示唆を得られたとしても、プロセスがブラックボックス化していては、理由や意見、考察の部分が欠如するので、やはり仮説思考ともいうべき「ヒト」の要素は不可欠であるといえるだろう。

例えば、質疑応答システムでは

AIチャットボットといわれるものだが、利用イメージは下記である。

①質問がくる
②その質問の解釈
③データベースやインターネットの検索
④回答抽出
⑤回答文の作成

ここではデータベースの基盤となる豊富なデータがあるという前提で進める。ちなみに、経営管理におけるデータ資産を溜めるには、ERPのような統合情報システムが必要だ。

さて、①から⑤を踏んだ回答をする際に、回答は得られるが、そのプロセスは見えない。また、「倫理的にどうなの？」という回答が出てくる可能性もある。

そういった定性的な問題もありつつ、それでも効率化したり回答を即座に引っ張り出せるのは魅力だ。

ここでの基盤整備のポイントは、
①どんな質問が来るのか、という想定
②データベースに回答に足る十分な情報があるのか
③データベースや概念辞書の正確性は申し分ないのか
といった点は考えたい。

まとめ

AIはそもそも、ヒトが設定した「報酬」に対して、「学習」する。

つまり、AIは予めヒトから与えられた「正解」を見つけようと、必死にデータを探し回る、ということを光の速さで行う。

これが繰り返されると、神経と同じで強化されていくわけだ。

この「正解」をヒトが特に慎重に定めないと、本来の目的に沿わない、役立たずのAIが誕生する。

大事なことの１つに、

集めた情報を基に何を課題と定めるか

は、人間次第ということで、そこの信頼性も非常に大切ということだ。