「人工知能」に期待だけを抱く人の3つの誤解 ビジネスマンと開発者でギャップが生まれる

ブックマーク

記事をマイページに保存
できます。
無料会員登録はこちら
はこちら

印刷ページの表示はログインが必要です。

無料会員登録はこちら

はこちら

縮小

どんなビジネスにもリスクはあります。そのリスクを踏まえて、ディープラーニングのメリットを活かしたビジネスを一緒にやっていきましょう、という現実的な話が受け入れられる環境が整ってきたのは、2017年ぐらいからではないでしょうか。言い方を変えると、2017年ぐらいからは、企業がガチで儲けるためにいよいよ本気で人工知能に取り組み始めたとも言えます。

では、ビジネスに導入する上で、どんなリスクが考えられるのか。多くの場合、ディープラーニングを理解した人材の不足、人工知能を導入しようとする組織の勉強不足、そして質の高い学習データの不足、この3点にまとめられると思います。

リスク1:ディープラーニングを理解した人材の不足

最初にディープラーニングを理解した人材の不足です。

国内にそうした人材がほとんどいません。「これをしたいです!」という具体的な内容があったとしても、それを作る人材が足りなくて、思ったより完成に時間がかかってしまいます。

情報学科のある大学でも、ディープラーニングが次に来るというのは、2012年くらいまでほとんど予想されていませんでした。ディープラーニングをしっかり学習した大学生、院生、研究者は想像以上に少ないのです。社会人になって、自分で勉強して会得しようとしている人材の方がむしろ多いでしょう。

2018年現時点で、しっかりと学習した人材を、世界レベルの規模で奪い合っています。はっきり言ってレアメタルより貴重です。なぜなら資源は一気に増えませんが、1人ちゃんと理解した人間を獲得すると、その人を教師にして社内で勉強会をして理解者を増やすことができるからです。

米国なら年収2000万円クラスで採用されています。一方、日本の場合そこまでの金額を出せないケースも多いようです。お金が全てではないですが、重要な要素の1つです。

政府も人材不足は認識していて、2~3年かけて大学院の教育課程を整備することを掲げています。

ですが、日々進化し続けるディープラーニングは、大学院というクローズドな環境で学ぶより、もっとオープンな環境にアクセスして学ぶべきです。

例えばディープラーニングを開発するために使われるGoogleのTensorFlowはオープンソースで公開されて、誰もが自由に使えるようになっています。TensorFlowがオープンソースで公開されたおかげで、瞬く間に世界中にディープラーニングが浸透したと言っても過言ではありません。

次ページ2つめのリスクは?
関連記事
トピックボードAD
キャリア・教育の人気記事