シン・ニホン AI x Data時代における日本再生と人材教育 by 安宅和人

2020年5月18日 00:29

下に書いてある事、九割「シン・ニホンニホン AI x Data時代における日本再生と人材教育」by 安宅和人　から引用しております。

シン・ニホン AI×データ時代における日本の再生と人材育成 (NewsPicksパブリッシング)www.amazon.co.jp 2,376円(2020年05月18日 00:26時点詳しくはこちら) Amazon.co.jpで購入する

著作権侵害になれませんように。
引用の仕方とか昔授業で学んだけど、忘れた
また調べて修正しておきます。

本書のまとめは下にある。
その中から少しピックアップして自分の観ずる所をOutputしようかな

ではでは(正直今だいぶもう疲れてる。笑　見やすく丁寧に書く気0.まとめてあるのコピペするだけごめんなさい)

安宅氏→
・目には見えないがスマホの上に世界最大の大陸がある
・これまでは「スケール」をとり、大きな売り上げ、付加価値、そして利益を生めば企業価値に繋がるのが富の方程式だった。しかし、この非連続的な変化を富む局面ではそもそも「未来を変えてる感」が企業価値になり、これをテコに投資し、最終的に付加価値、そして利益に繋がるという真逆の流れになった。(1. 未来への期待感、寄与, 2. 既存の枠組みを超え、ICT、技術革新をテコに世の中アップデート 3. ジャングルを切り開き、サバイバル = Steve Jobs やElon Muskのように妄想し形に変える事が富に直結する時代)

俺→
##大学で学ぶ学問の専攻を18の自分がComputer Scienceを選びたいと思った理由は
どこを見渡しても皆んなスマホを使い倒し、完全にComputerに依存しきってる
だとすれば、自分の創造性を表現する最も適切な媒体はComputerだと思ったからだった
そんなに面白いものはないし、夢中になれると思ったし、今も思ってる

その分野のこと、世界のことを学ぶ程(ただ情報技術が機能する理屈を学ぶのではなく、その技術によりどんな事が人類は出来るようになり[能力拡張]、その価値を観ずる事)魅了されていく

安宅さんは皆が完全依存してるスマホのスクリーンの向こう側に世界最大の大陸があると表現してた。
なるほど。確かにそうだ。その大陸では誰でも”瞬間的に”何でも買えるお店(Amazon)や映画館(Netflix)に行けたり、何か学ぶ為に適した場所(MOOCsや記事、論文などの情報がある場所)に瞬間移動できる
そこに物理的な距離などによる障害はない。無駄な時間もかからない

更に英語という世界共通語を習得すればもっと多くのその大陸に隠された秘境に行ける、瞬間的に(英語を使ってググれるようになったらどれだけの壮大な情報量にアクセスできるかと想像すれば、呼吸するのを10秒程忘れたのを今でも覚えてる。アメリカに着き立ての18の頃の今でも鮮明に覚えてる数少ない記憶)

そんな世界に生きてる身として、本当の”価値”とは何なのだろう。本当の”評価”とは何だろう
その答えはまだ出ないけど、そんな事を考えさせてもらうきっかけになったポイントでした。

その為にも↓を深掘りしていこうと思った

安宅氏→　

価値創出の三つの型
1. N倍化(スケール勝負): トップに立つと言う事はトップシェアを取ると言う事。TOYOTAやGMなどがやってきた事。→ 先細りのトレンド
2. 刷新: 何らかの分野を知恵を絞ってupdateする事。FedExによる物流革命など → N倍化より遥かに価値を生む
3. 創造: 0 to 1. →今の時代において明らかに最も力強いのは創造。妄想を形に変える力を持つコミュニティ、人、企業が最も影響力が強く、その結果と身も握る
→世界の持続可能なエネルギーへの移行の加速を掲げ、ネットワーク接続と絶え間ないアルゴリズム進化を前提とした「人が乗るスマホ」創ったTeslaが企業価値でGMを抜き去ったのがこれ。

/////////////////////////////////////////
はい、次

安宅氏→

・Data x AIの力を解き放つのに必要なスキル→ 統計数理・情報科学系のサイエンス力(以下サイエンス力)、これを上手く計算機環境に実装・運用できるデータエンジニア力(以下エンジニアリング力)、深いドメイン知識を元に課題を整理し、サイエンス、エンジニアリングと繋げるビジネス力の三つが必要。

なのでプログラミングスキル単体が重要というわけではない。
大切なのはData x AI世界の全体観、分析とは何か、どのような価値を生み出すのかなどを感覚で理解しておく事。
そもそも何の解析をしようとしているのか、そもそもデータにどのような意味があるのか、これらを判断できない人がdata x AI的な力を解き放つと言っても無理がある。その為にはサイエンス力やビジネス力が必要。これがないと指示を受けてただ実装するだけの技術者になってしまう

・ドメイン的な知識、文脈の適切な理解に基づき、どのような課題をどの局面で解決すべきを見極めなければ(いわゆるイシューの見極めと整理)、価値など生み出しようがない。

・サイエンス力のベースになるのは、統計数理と数学、特に線形代数、微積分の力だ。統計的にものを考える力のない人、統計的なセンスのない人はデータを適切には使う事は出来ない。

・機械学習や自然言語処理などん情報科学的なツールの中身は線形代数、微積分などの言葉で書かれた数学的なモデルであり、これらの素養がないとそもそも自分がやろうとしている解析の中身や、適用しようとしているモデルの理解すらできない。したがってまず身につけるべきは虚心坦懐に現実を見る力、その上で分析的、論理的に物事を考え整理する力
・また本物のデータプロフェッショナル(Data Scientist)になるたいのであれば、統計数理、数学的な素養こそまず身につけるべきだ。これらの素養や、手を動かして何かを作る場を犠牲にしてまで、プログラミングスキルを先に学ぶ意味はない。

・ビジネス力がないと解決すべき課題を定義できない。エンジニアリング力がないと、機械に任せられず、量的な展開ができない為必要な変化を十分起こせない。サイエンス力がないとそもそも知恵のあるアプローチが取れない

・Data x AIの世界において、解決すべき課題や扱うデータ、少なくともそれを動かす前に自分が何をやっているのか理解がなければ適切に取り扱いなどできない。多くの場合、データの準備も事前に相当量必要であり、その調整をする人だけでなく、全体のシステムを設計する人、組み立てる人のようなプロも変わらず相当量必要だ

俺→

##伸び代しかない。可能性しかない。当たり前のことだが、それはとても恵まれた事であり、そのありがたさを感じた章だった。自分より遥かに知的であり、経験を積み重ねている自分の深く携わるであろう分野の先輩が後追いの後輩に向け、彼が人生で学んだ知見を共有してくれてる。それが何なのかを理解し、その為に自分ができる事が何があるのかを考えると、可能性は果てしなく広がってると感じられる。英語を使えば世界中の英知をインターネットを通じ学べる。タダで読める論文も腐る程ある。このサイト見れば分かる通り、人工知能の第一人者が必読と思う論文を教えてくれてる。その論文の95%くらいはタダでダウンロードできたと思う。(スクショのPDF。全部タダ)

有料で論文を読む為のサイトの年会費なんてバイトしてる大学生でも少し時間の切り売りすれば払えるレベル。

こんなに学問に恵まれた世代(デジタルネイチャー)は人類史上最強ではないだろうか🙂

自分の成し遂げたい目的の為、目標達成の為出来ることなんてエベレスト並みに山積してる、実行しないのはおバカだ

///////////////////////////////////
はい次

安宅氏→

Data x AIリテラシー以前の能力として、分析的に物事を捉え、筋道立てて考えを整理し、それを人に伝える力の養成が必須。これができていないのに分析的スキルなど身につけようがない。
→
1. 分析的かる構造的に文章や話を理解し、課題を洗いだす(理解、解題)
2. 論理的かつ建設的にモノを考え、組み上げる(構成)
3. 明確かつ力強く考え、口頭および文章で伝える(表現、伝達)
#体系的かつ徹底的に論理的な思考や表現をできるようになる事がMinimum .

その次に大切になるのは数理的基礎力
・統計数理の基礎となる分布、ばらつき、確率的な概念
・三角関数、指数関数ほか代表的な関数
・二次曲線
・数列
・空間座標
・線形代数の基礎となるベクトル
・極限、微分、積分の基礎概念とその図形的な意味
#ツールとしての数学、その意味合い・価値を学ぶ事ができると大幅に状況は改善する。

未来を仕掛ける人を育てる六つのポイント

分析的、構造的にモノを考える力に加え、統計的・数学的な素養を持ち、かつdata x AI素養を持ったとしてもまだ足りない。
それにプラスしてテクノロジーの素養として持っておくべき見識は自然科学全般、すなわちサイエンスについてのある程度の知見。サイエンスは人類の持つ課題解決能力の根元の一つであり、多くのエンジニアリング的な技法の前提でもある。

大切なのは
1. サイエンスとは何か
2. 各分野はどのように広がり、関わり合っているのか
3. 各分野でも主たる問いはどのようなモノなのか
4. 各分野でのコアとなる考えにはどのようなものがあるのか
5. 各分野がどのような関係性にあり、棲み分けられているのか
6. 個別の太い概念の背景にはどのような意味合いがあるのか
7. 個々の領域が人間にとってどんな意味があるのか

いずれも難しい問題を解ける必要は全くないが、恐らく色付けした部分ぐらいまでの広がりについてはある程度馴染んでおくべき。

1. サイエンスの本質と広がり、棲み分け
2. サイエンスとテクノロジー(技術、工学)の関係
3. 古典力学、質量、エネルギー
4. 放射、熱、波動(光、音)
5. 電磁力学、電磁波(基本的な利活用もセットに)
6. 量子力学(半導体での利活用も合わせて)
7. 重力と空間、宇宙
8. 化学基礎と物性(生命科学、食品化学とセットに)
9. 分子細胞生物学(発生学の基礎も含めて)
10. 環境及び、生態学(熱、土壌といったsustanability課題もセットに)
11. 情報理論と応用の基礎(ネットワーク、クラウド)

俺→

##Computer Scicenceを専攻とする学生として離散や微積や線形代数、統計の基本的な数学であるとかもちろんプログラミングとか学んではいるけど
自然科学をそこまで広く理解する気なんてさらさらなかったから、少し感嘆した

確かにそうよね。今自分の人生の身の回りを見渡しても、自然科学は人類の持つ課題解決能力の根源の一つであることなんて、疑問の余地がない。
というか、もっと広く考えれば
複合的な世界を論理的(学術的)に理解し、存在する問題に対しありとあらゆるリソースを持って解決にコミットしていく。その素養を持つ事って事業家として最低素養なのでは？と、観じました

///////////////////////////
はい次ラスト

安宅氏→
産業革命には三つのphaseがあった
1. 新しい技術やエネルギーがバラバラと出てきた時代。百年続いた。電気の発見や蒸気機関など
2. その新しい技術が実用性を持つようになり、様々な世界に実装された段階。エンジンやモーターなども小さくなり、車やミシン、家電などが次々生まれた
3. この新しく生まれてきた機械や産業が繋がりあって、航空システムのようなより複雑な生態系ともいうべきものが次々生まれた段階。インターネットなど

・日本はPhase2からの狂気的な追い上げ(Panasonic, SONY, TOYOTA, HONDA, SEIOKO, etc). 明治になったのがまさに世界ではPhase2のはじめあたり。文明開化で一気に教育、郵便などの基礎となるシステムの構築、近代軍隊や銀行の創設含め、富国強兵の名の下、あらゆる西洋文化の吸収と産業化にいそしんだ。途中二度の大戦を経て、自動車、家電、カメラ、その他の新しい物づくりや産業の構築ゲームでぶっちぎった。さらに誰も見たことのない複雑な系である新幹線(車両、電送、土木、制御系、その他)やファミコン、スパコン、ポータブルオーディオなどの系の構築で勝利した

俺→
##自分の教養のとりあえずの目標を爆発的に拡大されたのと、同じくらいいやそれ以上に衝撃を受けた部分。
これは2019/11に日本に帰ってきてから鬱的に感じた事なのだけど、メディアがというか日本の精神性が比較的若干、悲観的であり否定的？と感じた
とかいう俺もこういうところに最初にネガティブなところを持ってくるあたりが日本っぽい。

何だろうな、例えば政府のコロナに対する評価について
死者数の少なさは、もっとメディアに表向きに評価すべきだと思う

感染者数が少ないのはそもそも検査数が少ないのだから、他国と比べて陽性者数が少ないと言われても空虚な意味のない数字にしか見えない。
でも死者数は違う。検査数でコントロールできる数字ではないと思う。

もちろん改善していただきたいポイントはいくつもあるが、Positiveに捉え認め政府を称賛する場面がメディアにあってもいいんじゃないかと思う
100万人あたりの各国の死者数。（日本は赤いマーカー引いてあるやつ）

何関してもそう、極端にいうとマイナスな事ばっか言う。
だから、こう言う安宅さんのように現状をしっかり理解した上で、まだチャンスはある。勝負はこれからよ！俺たちの先人はそれを成してる。そういうリーダーでありたい。と思った
(この続きはまた時間できた時かく、疲れた、exhausted)

Chapter 1: Data x AIが人類を再び解き放つ - 時代の全体観と変化の本質

歴史的な革新期 (P20)
“人類は火に始まり使える技術は全て使い倒してきた”

人類が本気のマシンに二度と碁で勝てなくなったことを示した →2017年5月、世界最強棋士が3局全敗 by AlphaGo

対局の一ヶ月余り前に
16万局、約3,000万局面を三週間かけて学習
自己対局させ、一手のみランダムに打ち、さらに別のアルゴリズムに打たせることで3,000万局面を生み出す
その局面と勝敗結果を一週間で学習する

→ これを人間がやったら、毎日一局で1万1,000局学ぶのに30年かかる

・計算機、情報科学の進化、そしてビックデータ時代の到来によって起きている変化は「情報の識別」「予測」「目的が明確な活動の実行過程」の自動化を起こす。(P24)
・産業革命でも、手作業だったものが殆ど自動化されている。
Ex: 炊事、洗濯、掃除など
・Data x AIの世界では全ての変化が指数関数的に起きる
・現在の労働の中心を占める情報処理的な業務における生産性とスケーラビリティは共に桁違いになる
・過去100万年に渡る人類の生産の推移2,000年前から産業革命が始まるまでに生産性は二番にしかなっていない。そこから産業革命で50-100倍になってる。ここから数十年でこれがもう一度跳ね上がる

知的生産そのものが変わる

・深層学習だけではAIにはならない。
・汎用性の高い何でも出来るAIなる物を創る事は今の所で出来る見込みはない。
・AIに対する正しい理解は機能の優れた計算機に情報を処理したり、パターン学習したりする為の情報科学技術(MLなど)を実装し、最終目的に即した膨大な訓練を与えたもの。→ AI = Data x Computer x Algorithm
・当面のところ人間の手元にあるのは強いAI(汎用性のあるAI)ではなく、弱いAI(特定用途向けのAI)と弱いAIを組み合わせたSolutionとしてのAI.
・Data x AIのtechnologyは生命体にしか出来なかった事を機械がやれるようになる典型的な産業革命型の技術革新
・意思決定の質とスピードが上がる
→
戦術レベルでは日常オペレーションの判断においてその多くを機会に任せる事が出来るようになり、人はより難しい問題に集中できるようになる。
戦略レベルでは情報が生々しく可視化されてくる為、意思決定の質が上がる。経営分析や経営ダッシュボード的な機能の多くは自動化されていく為、人手を煩わせずにほぼリアルタイムで情報が可視化されていく。全量データを活用した判断が基本になり、これまで切り捨ててきた発生データ数が少ない部分(called テール)も含めた特徴や意味合いが可視化されることからより精度の高い意思決定に繋がる。
・Data x Aiの中心にあるのは訓練すればより成長する学習システム、学習に基づくアルゴリズムの自動適用
それにより、
サービスの価値が上がる
よりユーザーが集まる、もしくは利用が増える
Dataが増え、状況把握が進む
アルゴリズムの質が上がる
打ち手の質が上がる(→ 1に戻る)
このようなサイクルがグルグル回るのがAi x Dataシステムを回す事であり、性のスパイラルが極めて効きやすい。すなわち先行者利益が効きやすい構造をしている。それ故が学習優位を築く為にもさっさとどんな分野でも始めた方がいい。
・集合知的なAIを作れるかのゲームなる。
・AIは機会が学習するdataが豊かになればなる程正確さが増す。それ故同じAIプラットフォームを使う人同士は、情報からの学習効果を相互に使えるようにする事が前提になる
・データを持ってる人、必要な人、持っている人同士は繋がり連携する必要がある。→ どこよりもデータが繋がりやすくして、データ利活用の地平を切り開く国や市場が人類の未来を生み出す場となる可能性が高い(中国が2019年秋現在にやってること)
・Uberのようにサービスをマッシュアップで迅速に創り上げていく能力
・何もかもをブラックボックス化して創る事で競争優位、競合の参入障害を築く時代は終わりつつある
・IoT化しリアルタイムでメンテナンス、そして顧客対応も可能になる。顧客と商品・サービスの接点の情報は刻一刻とクラウドに届き多くのものがバックグラウンドでアップロードされるようになる。
情報処理の仕事の多くが自動化すれば、当初は技術プラットフォームの良し悪しを競うゲームになり、その後はパフォーマンスがこなれてくるとそれを前提とした上で機械にできない人間的な接点が小erまで以上に価値創造、価値提供の中心になっていく
・AIとデータに得意なことはAiとデータに任せ、浮いた余力を人にした生み出せない価値のうちだし、人にしかできないこだわりや暖かみの実現を目指していく事がビジネスの勝負所になっていく

不連続な変化はData x AI だけではない

世界経済の重心が急速にアジアに戻りつつある。中国は遅くとも2035年までにアメリカを抜き世界経済、そして情報科学のトップになるだろう。
・日本は現在米中に次ぐ三位の経済大国であり、現在トップのアメリカと強い同盟国であり、尚且つこれからトップに立つ中国の隣というこれ以上なく地政学的に有利な状況にある

未来の方程式

・目には見えないがスマホの上に世界最大の大陸がある
・これまでは「スケール」をとり、大きな売り上げ、付加価値、そして利益を生めば企業価値に繋がるのが富の方程式だった。しかし、この非連続的な変化を富む局面ではそもそも「未来を変えてる感」が企業価値になり、これをテコに投資し、最終的に付加価値、そして利益に繋がるという真逆の流れになった。(1. 未来への期待感、寄与, 2. 既存の枠組みを超え、ICT、技術革新をテコに世の中アップデート 3. ジャングルを切り開き、サバイバル = Steve Jobs やElon Muskのように妄想し形に変える事が富に直結する時代)
・未来＝夢x技術xデザイン
・技術の実装だけで未来を変えることは難しい。目に見えない特別な価値を生み出せるかどうかだ。素晴らしい世界を描き領域を超えたものを繋ぎデザインする力が小rまで以上に重要な時代
・人がいいなと思うであろう事を先んじて感じ、素rを自分なりに表現できる力が重要

Chapter 2: 第二の黒船にどう挑むか - 日本の現状と勝ち筋

一人負けを続けた15年間

・企業単位では韓国にも大敗。理由はいまだにスケールゲームをしているから
・日本の成長率が低迷しているのは”生産性”が他国に比べ劇的に低いから。→ 日本の産業は海外の国がやっている、やるべき事をやってないだけで伸び代は巨大

埋もれたままの三つを才能と情熱

・2017年段階で単身を除く、世帯のほぼ3世帯に一つが貯蓄を持っていない
・金融資産非保有も2000万円超も三割ずつ。環境的要因で才能が死んでる
・日本は非効率を苦痛でカバーする国
・女性の時間は明らかに解放されていない。

Data x AI世界で戦うには

Data x AI世界の押さえどころは三つ
様々なところから多様なビックデータが取れ、いろいろな用途に使える事。
圧倒的なデータ処理力(技術であり、コスト競争力)を持っている事
これらの利活用の仕組みを作り、回す世界トップレベルの情報科学サイエンティスト、そしてデータエンジニアがいるという事

・研究と開発のギャップを超えられる and 大量データを処理するデータサイエンティストが少ない。具体的には自然言語処理や機械学習などの研究・実験環境を堅牢で大規模かつリアルタイムの本番環境につなげられる人材が足りてない。また高速データ収集、分散環境、ロギング周りの仕組みを作れて、回せる人が極めて限定的。
・それを学ぼうと思えば、大学1-2年レベルの
統計数理: https://ocw.mit.edu/courses/mathematics/18-650-statistics-for-applications-fall-2016/index.htm
微積分の基礎素養: https://www.amazon.co.jp/dp/4410152300/ref=zg_bs_500902_1?_encoding=UTF8&psc=1&refRID=1MXQ75C8V0Z69HNVQMJ8
線形代数: https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm

が必要
・今の日本はデータ。利活用、処理力、人、いずれも勝負になってない
・事業の成長を決める本当の要因は何か
→
戦略:
実行力:
リーダー:
市場: 事業成長の7割がここで決まる。上の項目がどれだけ優れていようが、ここを間違えば終わる。逆に言えば時勢に乗った事をやればほぼ確実に成長できる。これほどdata x Ai化、テクノロジーとデザイン力を手子にした事業や領域の刷新という強い変化が世界的に起きている現在、この流れに乗らない手はない。(自分たちはちゃんと大きなトレンドに反した動きをしていないだろうか、正しいスピードで仕掛けられているだろうか)

日本には希望がないのか
・産業革命には三つのphaseがあった
1. 新しい技術やエネルギーがバラバラと出てきた時代。百年続いた。電気の発見や蒸気機関など
2. その新しい技術が実用性を持つようになり、様々な世界に実装された段階。エンジンやモーターなども小さくなり、車やミシン、家電などが次々生まれた
3. この新しく生まれてきた機械や産業が繋がりあって、航空システムのようなより複雑な生態系ともいうべきものが次々生まれた段階。インターネットなど

・これからPhase1で生み出された技術があらゆる分野、空間、機能、に広まっていく。全ての空間、機能、サービスが半ば感覚を持ち、スマート化するようになる。何でもセンシングされるようになり、それに基づいて色々なものが見えないところで最適化されていくまさにPhase2だ。さらにこれらのスマート化された物やサービスはことごとく繋がりあっていく。この新しいエコシステムはリアル空間に重なり合い、インテリジェンネットと言うべきものが様々なレイヤーや目的ごとに重なり合っていく。

・AIには入口と出口がある。入り口は外部から入ってきた情報をどのように仕分けするか、識別するかと言う話。対象は画像であり、言葉と言ったもの。出口系はヘルスケア、住宅、教育、金融、などといった実際の産業での用途、もしくはその構成要素としての調達、製造、物流、マーケティング、人事などといった機能側の話。Phase2 and 3 is Exit.
・出口側で何らかのAI的なソリューションを生み出そうとすると、その出口特有のデータが必要になる。日本はほぼ全てのオールドエコノミーをフルセットで世界レベルで持つ数少ない国の一つ。これほど抑えられているのはアメリカ、ドイツくらい。日本はかなりまとまったチャンスがある。

まず国として目指すべきはAI-ready化
・Society5.0 = Phase2: 単にデジタル化を行うわけではなく、「我々の多様な想像力、妄想力をテコにこのデジタル革新の力で世の中をことごどく刷新していく事」
・AI-ready化のポイントは10個
1. 目的・目指す姿: これまででは不可能だった新しい事を行い価値を生み出しているのか。Data x AIを用いた志を持てているのか
2. 扱える人材: 理数・データ素養を基礎教養として使う事が出来ているのか。最先端の研究を行える能力があるのか。事業の刷新、創造運営の要を担っているのか
3. 対象となる分野、領域: DataやAIを使う新しい試みがあらゆるところから生まれているか
4. 作り込みのあり方: 様々なAIをマッシュアップ的に使える共にコアエンジニアについては各ステークホルダーが自分達なりの磨き込みで競い合えているか。ある程度の技術的な知見をブラックボックス化せず、共有され学び合う状況が出来ているか
5. データの利活用状況: webもリアル空間も含めてことごとくデータ化しているか、もしくはいつでもデータ化できる状況にあるのか。そのデータがそのまま繋いで使う事が出来ているのか。
6. 市民/利害関係者のリテラシー: データやAIは繋ぎ込まないと価値を生まない事を正しく理解し、プライバシー課題が整理され、個人が便益を受けつつデータが提供されるl感毛が成り立っているのか。
7. データ処理力: 世界的に見ても低廉にデータ処理できるか。AI技術を十分に使いこなされた状態でいるか
8. 革新の主体と推進状況: AIネイティブ層があらゆる分野の刷新の中心かつリードになって分野、業界を超えた再編、革新が進んでいるか
9. 教育システム: 教育のモデルが理数・データxAIデザイン作用をベースに持つ境界・応用型の人材モデルになっているか。専門分野を横断し、経験を柔軟にミックスする事が可能な人材育成システムになっているか
10. 社会全体としてののリソース投下: 米中に負けぬよう、AI-ready化になるようリソースを投下し続けているか

AI-ready化のガイドライン
Level1: AI-ready化以前
2: 先端的な旧来の企業・初期のネット系スタートアップ
3: 中-大規模のインターネット企業の多く
4: Spotify, Toutiao(他先端利活用企業)
5: Alibaba group, Alphabet, Amazonなど

日本の本来の勝ち筋

どんどんトライし、学び修正すると言うデータxAI社会の基本サイクルをガンガン回していけばok

総じて言えるのはこのような0 to 1が価値創造の中心になる世界において、単なる技術獲得だけでなく、夢を想像し創造する力が鍵になる。

Chapter3: 求められる人材とスキル

ワイルドな局面で求められる人材とは

・マネジメント = 「組織に成果を挙げさせる為の道具、機能、機関」
具体的にやっている事は
あるべき姿を見極め、設定する(Phase2 and 3に向け、AI-readyかを通じて意味のある価値創造)
いい仕事をする
いい人を取って、いい人を育て、維持する
以上の実現の為にリソースを適切に配分し、運用する

・この時代局面で価値を生み出せる人と場を生み出す and 多面的な人材のAI-ready化が鍵

普通ではない人の時代

・日本をこの時代において、産み出そうとしている人材の像、ゴール設定が間違っている
・異人の時代→これからは誰もが目指す事で一番になる人よりも、あまり多くの人が目指さない領域、あるいはideaで仕掛けらる人が圧倒的に重要になる。こういう世界が欲しい、嫌なものはいやと言える人たちだ。一つの領域の専門家というよりも。夢を描き複数の領域を繋いで形いしていく力を持っている人が遥かに大切になる。むしろ、自分が仕掛けようとするどんな話題でも相談できる人、すごい人を知ってる人が大切だ。同じ分野の人とばかり付き合って行けはいけない
・人間社会で成功するかどうかは面白い事を仕掛けらるかどうかのかなりの部分は運、根気、勘、そしてその人の魅力(チャーム)である
チャームがなければ、どれだけ人から愛され、信頼を得るのは難しい。何かを仕掛けようと思っても誰も助けてくれない。
・今の社会に必ずしも合わない人、他とは違うように感じ動ける人が、これからの時代の価値創造の中心になる
・これからはdata x AIを使いこなせる人とそうでない人の勝負になる

・Data x AIの力を解き放つのに必要なスキル→ 統計数理・情報科学系のサイエンス力(以下サイエンス力)、これを上手く計算機環境に実装・運用できるデータエンジニア力(以下エンジニアリング力)、深いドメイン知識を元に課題を整理し、サイエンス、エンジニアリングと繋げるビジネス力の三つが必要。

なのでプログラミングスキル単体が重要というわけではない。
大切なのはData x AI世界の全体観、分析とは何か、どのような価値を生み出すのかなどを感覚で理解しておく事。
そもそも何の解析をしようとしているのか、そもそもデータにどのような意味があるのか、これらを判断できない人がdata x AI的な力を解き放つと言っても無理がある。その為にはサイエンス力やビジネス力が必要。これがないと指示を受けてただ実装するだけの技術者になってしまう

・どんな専門の人間も普通に形態素解析して、その上で異なる国の文章などのデータをweb scrapingするのが当たり前になる。本やWebだけで学んでいる時代は終わり

知性の核心は知覚

・人間の知性とAIの最も本質的な違いの一つは、機械知性は意味を実感あるものとしては何も理解していないという事。単に情報処理を自動化しているだけであり、何を行なっているのかすら理解していない。識別はできても、知覚はしていない。
・知覚拡大の鍵となる知的訓練
→
1. 皮膚感覚で価値を理解でき操作できる領域を増やす。(科学的概念、数式)
2. ナマの体験・苦労
3. 対象とのぶつかり合いを通じ自分なりに血肉化する力(気づく力): 新たに気づいた事はそう簡単には忘れない故、その人の成長力は気づく力に真に依存してる。

Chapter 4:「未来を創る人をどう育てるか」をどう育てるか

三層での人づくり

これからの時代, data x AIの持つ力を解き放てること、その上でその人なりに何をどのように感じ、判断し、自分の言葉で人に伝えられるかが大切だ。その基礎になるのは生々しい知的、人的体験、その上での多面的かつ重層的な思索に基づく、その人なり異価値を感じる力、すなわち「知的」の深さと豊かさ

国語と数学の力を再構築する

未来を仕掛ける人を育てる六つのポイント

いずれも難しい問題を解ける必要は全くないが、恐らく色付けした部分ぐらいまでの広がりについてはある程度馴染んでおくべき。

英語→ 最新情報は世界語(英語と中国語)で得るのが現在の状況であり、自動翻訳がどれだけ発達しても交渉の時には理解し、喋れる必要がある。

起業家の素養として
1. イノベーションとは何か
2. ビジネス課題の広がりと解き方
3. 事業をどのように創るか
4. 収益(売り上げ)と利益の違い
5. そこでの押さえどころは何か
6. 事業を率いる為のマインド

・時代の変化から生まれるリアルな課題解決にエキサイトする人
・統計的な素養を持った上で情報科学的な知恵と技を課題解決に使う人
・課題を俯瞰し、柔軟にビックデータ処理を実験環境から本番環境まで実現できる人
・Data x AI分野の基礎研究において、Ph.Dを持つ人ほどの体系的な訓練を受けていいない人が地平を切り開く存在に(その先のリーダー層)になる事は極めて難しい。
・シリコンバレーのスタートアップCEOの多くがPh.D holder.
・大学院レベルの教育を受けて、さらに英語で仕事ができる人が少な過ぎる
・そういうレベルで訓練を受けていない人は世界を切り開く企業には入社できない。

ビックデータ利活用に必要な専門人材の広がり↓(P253)

AI-ready化するには
1. データの利活用基盤を構築する人間、メンテする人間が相当量必要
2. 一つのサーバーではとても捌けない情報量を扱う為、分散型理基盤を開発し、メンテする人間も必要だ
3. 大切なデータをどのように保管するのかというデータウェアハウスを設計・メンテする人、
4. (3)から分析的な用途の為の必要データを使い勝手の良い形に切り出して、目的別のデータベースを設計・メンテする人
#新しい成長エンジンの要となるCDO (Chief Data Officer, Chief Digital Officer)が必要な時代

・データサイエンティスト = データサイエンス力、データエンジニアリング力をベースにデータから価値を創出し、ビジネス課題に答えを出すプロフェッショナルのこと
・ドメイン知識も領域インサイトもないところで価値が生まれるわけがない

Chapter 5: 未来に賭けられる国に - リソース配分を考える

・現在、data x AI化におけるフェーズ１から2 and 3に一気に移る局面であり、そのような半ば不連続な局面において最初にツバをつけた人たちに多くの未来が待っている。（過去のイノベーションと勃発期と同じで、それは変わらない）
・日本という国がここまで成功したことの一つの大きな理由は日本中のありとあらゆるところから才能を情熱を集め、それを時はなったことにある
・資本主義社会で真に大きな富を持っている人達の大半は事業を立ち上げた、もしくは事業の立ち上げにあたって重大な貢献をした人達だ

Chapter 6: 残すに値する未来

・産業はそこにある課題とその課題を解決する技術、方法の掛け算で生まれる
・ダーウィンが言った通り、生き残るのは最も強い種ではなく、最も変化に対応できる種だ。そして一番いいのは未来を作り出すこと。振り回されるぐらいなら振り回せ。
・イニシアチブポートフォリオという考え方
「形成」自ら未来を創る
未来に「適応」する
「プレー権」を確保する
#未来を予測するのに一番いい方法はそれを発明する事だ - Alan Kay

・課題解決には大きく二つの型がある。
あるべき姿が明確なタイプ
あるべき姿から定める必要があるタイプ

この記事が気に入ったらサポートをしてみませんか？