今日のオリジナル番組


詳細を確認
どこでも栽培可能!?「農業イノベーション」
本日配信
786Picks
Pick に失敗しました

選択しているユーザー
AIは単なる手段で目的ではない。
オープンソース化されていく中で、目的創造できずにAIを使って計算できるだけの人材はコモディティ化して無価値になっていく。

世の中に価値を提供するためには、ビジネスとAI技術をどう掛け合わせて新しいユーザー体験を創造していくかが肝。
そういった意味でも、ビジネスマンが気軽にAIに交差できる場を提供するDataRobotさんのアプローチは社会的意義が大きいと思います。
人気 Picker
データ活用という文脈において、AIの現場活用について対談させていただきました。いかに優れたツールやアプリケーションをもってしても、最終的に現場への導入やシステム化を実現するにはユーザーさんとの深い接点が必要になって来ます。事業のコアな部分に入っていこうとすればするほど現場からの信用を得て行かなくては実現できません。そういう意味で、NTTデータさんとの協業は早くも身を結び始めています。先日弊社の単独イベント、AIエクスペリエンスでお話しいただいた三菱重工航空エンジンさんも、完全に未来を行っていました。
「大人なAI談義」だったな、と。基幹系システムの開発・運用をしている日本最大手のSIerと、国内有数のデータサイエンティスト。ともにシステムやデータの現場を知っているだけに、AIの現実がひしひしと伝わってきました。

「AIは劣化するもの」という言葉は、AIは学習して進化するものというイメージがあったのでなかなか興味深かったです。
『AIは使い続けていると「劣化」していきます。』について、もう少し深堀して知りたかった!本当に記事にあるグラフのように劣化してくるのだろうか?
記事にあるように、モデルを作った状態と現状は違うので、定期的にモデルを作り直すことはとても重要だと思う。一方で、劣化するというよりは、データがよりたまっているので、改善する機会を逃している、に近いのではないかなぁと思っている。
あえていえば、AIを導入前と導入後で、前提条件も違ってくる。前提が違えば学習させるべき点、学習させないべき点(現状と前提が違うためノイズデータになる)というのも変わってくる。そこらへんの処理を間違うと、図のように継続的な劣化は発生するかもしれない。
現実を踏まえたまっとうな対談です。AIの議論は、ハリウッド映画の影響もあり、現実から遊離した話が多いので価値があります。
学習モデルの更新は大きな課題ですね。

これは遠隔でポチッとやれるものではないので、データサイエンティスト側からすると、ユーザーに更新してもらえるように教育するか、毎度更新サービスを提供するかのどちらかになります。

社内データサイエンティストなら前者、コンサルなら後者を選びたいところですが、現時点で現実的なのは後者のみですね。前者を実現可能にするところには大きなビジネスチャンスがありそうです。
実用フェーズは導入して終わり、ではない。いろんな企業がそこの壁にぶつかりそうなので、ビジネスチャンスがありそうですね
システムインテグレーターの専業大手。NTT子会社。マルチベンダーとしての「中立性」が強み。大型M&Aによって海外展開の拡大を加速。
時価総額
3.36 兆円

業績