ディープラーニングを始めとする機械学習を要素として利用するAIシステムは、単なる流行の段階を超えて、実際の製品開発に取り入れられるようになっています。しかし、機械学習モデル単体を作成するのではなく、全体システムを開発するためには、機械学習特有の開発メソッドと従来型の開発ハンドリングとをマージしなければなりません。
本講演では、開発をマネジメントするために必要となる、機械学習モデルの評価手法や必要となる人員の種類、機械学習による開発特有の注意点などと、開発を外注する際に必要となる、データのハンドリング手法と機械学習モデルの開発ステージ、落とし穴となりやすい体制構築上の注意点などを紹介します。
- 人工知能とその限界
- 人工知能研究史概略
- 現在の人工知能ブームの正体
- 人工知能に対するよくある誤解
- 現在の人工知能の限界点
- AIシステムの開発・テスト
- システムとしての人工知能
- システムインテグレーションの必要性
- 機械学習モデルの得手不得手
- AIシステムのテスト
- AI開発のための人員・体制
- 開発体制とデータのハンドリング
- 優秀なAI開発者を見分けるポイント
- 提案段階における評価のポイント
- 評価用データセットと交差検証
- 性能の評価と仕事の評価
- データのサブセットと評価スコア
- モデルの性能向上手法・学習曲線の見方
- 機械学習プログラミングの難しいところ
- 重要な割に評価されない仕事
- 機械学習システムの契約・検収方法
- 性善説・性悪説どちらを取るべきか
- 契約上の検収条件と性能向上のモチベーション
- 開発側が担保できる動作
- 定常運用時にAIが狂うパターン
- 機械学習ビジネスの今後
- 人工知能の本当の可能性
- 知的財産権とモデルの権利について
- 機械学習ビジネスの健全な発展のために (まとめ)