#18「文系AI人材になる」

「Naoto's Library」にお越しいただきありがとうございます。

最近は多忙ということもあり、ペースは減りつつあるものの、週に2冊程度、多いときで3冊程度の本を読んでいる僕の気づきや学びをぽつらぽつらとこぼしていきつつ、「誰かのためになればいいな」という想いで「Naoto's Library」を運営しております、なおとです。

また、「Library」ということで、こちらの記事を読んでいただき「実際に読んでみたい！」という方は、無料でお貸しいたします。
無料配送でのレンタルも承っています。

詳細は最後に記載しているので、そちらをチェックしてください。

.

さて、本日は「AI」に関する書籍のご紹介です。
といっても、ガチガチの実用書のような書籍ではありません。

「AIに関してはざっくりとしか理解していない…」
「AIでどんなことが実現できるのかがはっきりわかっていない…」
「AIについて学びたいのだけど、何から手を付けたらいいのかがわからない」
というような悩みを抱えている、すなわち「文系AIビギナー」向けに書かれた一冊のご紹介です！

文系AI人材になる: 統計・プログラム知識は不要

１．内容

AI社会になって、ボクは職を失わないだろうか?
文系のワタシが、AIでキャリアアップするには?

そんな不安や疑問を解消するのが本書です。

英数国理社×AI時代に対応した、AI活用の現場から生まれた実践トレーニング本。

・専門用語は必要最低限に。
・豊富な業種別事例は「自社での活用」を考えるヒントに。
・AIとの「共働きスキル」を身につける。
・その他、AIを活用したビジネスプランを豊富に紹介。

本書は、AIを、機能別に4分類、役割別に2分類し、合計4×2=8分類にわけており、その分類を用いて事例を解説しているので、非常に理解しやすく自分の仕事への適用・応用を検討しやすいのが特徴。

※Amazonより抜粋

２．読もうと思ったきっかけ・目的

⑴AIに関して、ざっくりとしか理解できておらず、「AIとはそもそも何で、どんなことを実現できるのか」を理解を進めるため
⑵自身の仕事や自身の所属しているHR業界とAIとの関連性を見出すため

３．気づきや学び

【AI×仕事の５分類】

⑴人だけで仕事するパターン
⑵人の仕事をAIが補助するパターン
→（文系に求められること）AIが何が得意で何が不得意か、AIはどのようにできているのかをある程度理解しておくことで、AIを使って自分の業務をより効率化できるようになる。
⑶人の仕事（不得意なこと、できないこと）をAIが拡張するパターン
→人間は何ができて、何ができないのかを把握し、人の出来ないことのうちで、「AIによってできるようになることは何なのか」「AIによってできるようになることで価値が大きく上がることは何か？」を見つけること。
⑷AIの仕事（得意なこと）を人が補助するパターン
⑸AIだけで仕事をする＝人の仕事をAIが完全に代行するパターン

【AIは「作る」→「使う」へ】

・これまでのAI人材教育はAIを作ることにフォーカスされていた。一方で、AIを使う側の教育環境や人材キャリアをフォローする環境はまだまだ整っていない。

・文系AI人材の具体的な仕事は、理系AI人材が行う「AIを作る仕事」「本番稼働AIシステムの構築」「AIシステムの運用管理」の３つ以外の必要な仕事。

・AIの作り方
→実際にスクラッチ（０）の状態から作成しなくとも、以下の３つの選択肢でAIは作れる。つまり、熟練のAIエンジニアやデータサイエンティストがいなくとも、カジュアルにAIが作れる。

【AIの基本】

・AI／機械学習／ディープラーニングの違い
⑴AI：人間同様の知能を実現させようとする技術
⑵機械学習：AIの一種で、学習により特定のタスクを実行できるようになるAI。学習にあたっては、主に「人」が特徴（目の付け所）を定義。
⑶ディープラーニング：機械学習の一種で、脳の神経細胞（ニューロン）を模した学習法から発展。主に「マシン」が特徴（目の付け所）を自動定義。

※機械学習とディープラーニングの違い
例えば画像認識で「赤鬼」か「青鬼」を識別するお題があったとする。機械学習であれば、「赤鬼」か「青鬼」を見分けるために「色」を目の付け所としなさいと「人間」が教えることで精度を上げてきた。一方でディープラーニングでは、「赤鬼」と「青鬼」の写真を複数渡してあげると、今回の目の付け所は「色」であることをAI自身で理解することができるのです。

・学習方式の３分類（教師アリ／教師ナシ／強化学習）
⑴教師アリ学習：「答えアリ」学習と覚える。下記のようにあらかじめ答えがわかるように整理してあげたデータによって学習させるのが教師アリ学習である。

※教師アリ学習には「分類」「回帰」の２種類のタイプが存在
分類：いくつかの答えに対して、どれに適応するかどうかを当てるのが「分類」のタイプ
（例）人の写真から年齢が何十代に当てはまるかを当てる／ECサイトである人が購入するか／しないかを当てる
回帰：選択肢の中から該当するものを当てにいくのではなく、数値を当てにいくタイプ
（例）人の写真から年齢がジャスト何歳なのかを当てる／ECサイトの来月の売り上げがいくらになるのかを当てる

⑵教師ナシ学習：「答えナシ」学習と覚える。正解や不正解などの「答え」が無いデータで学習させること。下記のようにAI独自の判断で分類し出力を返してくるイメージ。また、このAI独自の集合体づくりを「クラスタリング」と呼ぶ。

⑶強化学習：より良い選択を繰り返させるための学習のこと。適切な選択を何度も繰り返し、報酬と罰を与えながら学習することで最終的に最も良い状態を作ろうとするのが特徴。

【AI活用タイプ 4×2=8分類】

機能別４分類
⑴識別系AI：「見て認識する」
⑵予測系AI：「考えて予測する」
⑶会話系AI：「会話する」
⑷実行系AI：「身体（物体）を動かす」

役割別２分類
⑴代行型：人間ができることをAIが代わりに行う
⑵拡張型：人間ができないことをAIによってできるようにする

※各分類を用いた具体的な活用例は書籍に詳しく記載がありますが、今回は以下の表にて割愛します。

【出る順のAI用語一覧】

学習と予測／教師アリ学習と教師ナシ学習／目的変数と説明変数／アルゴリズム／過学習／アノテーション／時系列モデル／データ前処理／PoC／ニューラルネットワーク／AUC／正解率と適合率・再現率

※以下抜粋して解説を記載しますが、それ以外は直接書籍をご覧ください！
・学習と予測：学習とはAIに法則性を与えることであり、予測とは作ったAIモデルに未来・未知のものを当てること。「学習」はAIにデータを与えて法則性を見出してもらうことで「AIモデルづくり」とも言える。「予測」は「推論」ともいえる。
・目的変数と説明変数：「目的変数」は予測したい値、「説明変数」は予測するための値。
（例）ある人が買い物するかどうかを予測したい値が「目的変数」であり、買い物するかどうかを予測するための値（過去の買い物履歴や行動履歴など）が「説明変数」となる。
・アルゴリズム：AIが学習する際の手法のこと。
・アノテーション：AIに学習させるための答えつきデータを作成する作業のこと。画像、音声、映像、テキストについて、用途に合わせて正解データを用意する。

４．これからの私のアクション

・AIに関連するサービスなどに触れたときに、どの分類のAIなのかを頭の中で見極めてみる。（何型×何型）

５．さいごに

冒頭でご紹介した通り、『Library』ということで、こちらでご紹介した本は無料でレンタルいたします(無料配達も承っております)。

お貸しする本の文中には、大量のマーカーとメモが記されています。
そんな世界に１つしかない本を通じて、希少性の高い気づきを与えられることでしょう。

レンタルをご希望の方は、Facebookなどで個別にメッセージもしくはコメント欄にご記入ください。
※Facebook：「Naoto Katsukura」で検索でトップヒットします。

この活動はまだまだちっぽけな僕なりの社会貢献活動の１つです。

※文中の写真引用元：
野口竜司（2020年）『文系AI人材になる』東洋経済新報社（P34, 35, 60, 61, 65, 82, 89, 91, 97, 99, 225）