シェア
今、家庭内に身近なAIでAlexaがあります。 たしかに今、生きている人の声のデータなど このスマートAIに学ばせれば、故人が身近な 存在になる可能性がありますね。 意外なニーズは出てきそうな感じです。 一方で、懸念もあります。 例えば、独裁者が死後も独裁者になりうる 可能性も。 後継者が居なければ余計に。 ロケットもこのAIで指示したり、発射ボタン を押したり。 技術的には、すでに可能なはず。 色々、議論は出てきそうですね。 #CNET
AIを運用するには基本的に「データ」 が大量に必要。 職人さんがこれまで「やってきた」こと をデータ化してコンピュータに演算させる。 これがAI。 一方、現場では、AIさえ導入すれば、 物事が「よくなる」という考えもある。 半分正しくて、半分が誤っている。 肝心な「データ」の蓄積がないと何も 機能しないのだ。 なので、最初はデーターをとるために 全てシステム化しないといけない。 もう、紙ベースの管理は、もう企業では 「やってはいけない」 だから、作業が属人的に
サプライチェーンの重要な概念のひとつに 全体最適があります。 著書「ゴール」にも書かれていますが 「全体最適は部分最適の総和」とはなりません。 「部分ごとに改善してもそれが全体を見回した ときに最善になるとは限らない」 こういったことが往々にして発生してきます。 しかし、この概念は「AI」にとっては非常に 親和性の高い分野となります。 これまで、物流は「カン(K)」「コツ(K)」 「度胸(D)」のいわゆる「KKD」に頼ること が多く、季節やセールイベントなどの変化にも
いよいよ、第3章突入です。 Deep Learningの「フレームワーク」を 作っていく章です。 「ゼロから作るDeep Learning」 このシリーズは最高です。 ど素人の私がプログラミングPythonを学んだ のが今からちょうど5年前。 そこからさらに学びを進めて機械学習や 深層学習を学ぼうと一念発起。 そこで出会ったのがこの本でした。 仕事があるので丸一日がっつり勉強は できません。 しかし、やってる感だけはデスク 周りで演出。 おかげで、ボストン地区
