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
34Picks
Pick に失敗しました

人気 Picker
AIの動作には、大きく二つあることを理解することが重要である。
 一つは「刈り取り」あるいは「活用」(Exploitation)である。過去のデータから推定して、最も結果がよくなる行動を選択するということである。
 しかし、この「刈り取り」だけでは、うまくいかない。理由は単純である。過去の経験はどんなにデータが大量になろうとも、広大な未来への可能性の中での部分に過ぎないからである。結果も、過去の経験から分かることをつかった最適化になる。大きな劇的なことは起きない。
 そこで必要なのが、「探索」(Exploralation)である。広大な未知の可能性の中から有望なのをためして、より賢くなるということである。データが少なかったり、全くないことをやってみるということである。
 ここで大事なのはデータが少ないので、統計的に考えてもベストケースとワーストケースの間に大きなギャップがあることである。だから試す意味があるのである。だから試すのを止めるという発想はダメなのだ。この楽観的な態度がスロットマシンのような単純なモデルでもうまくいくことが数学的に既に証明されている。
 もちろん刈り取りと探索とのバランスはある。でも大事なのは両方をバランス良く行うのが最もパフォーマンスがよいことを皆が認識することである。人工知能やビッグデータ活用で失敗する大きな理由が、上記の刈り取りだけにフォーカスし、探索を行わないことである。従来のルール指向での思考に探索がないからである。
 これをシステマティックに効率よく我々が行えるようにする方法論が既に確立されている。それは専門的には「強化学習」と呼ばれていたり「バンディット問題」と呼ばれているが、このような機械学習の言葉で説明するのは誤解を与える。あたかもコンピュータのアルゴリズムかと思わせるからである。
 これはコンピュータの専門知識でもなく、人工知能の内部動作でもない。これは我々が未知の未来に向けて、どんな判断をすべきかの方法論を示しているのである。
 あらゆるビジネスパーソンや経営者が知っておくべきことなのである。