超必読。医療AIを作る会社にいますが、「人がいなければAIは成立しない」という大前提を無視したAI信仰・礼賛が年々増えてきてしまっています。
AIの画像識別ひとつ取っても、深層学習・機械学習のフェーズに入る前段階で基礎アルゴリズムを作る際には、教師データの質の担保（いわゆるデータクレンジング）をほぼ人力で行う他ありません。僕らの会社も、画像診断支援システムを作るべく臨床研究中ですが、撮影した画像は一枚一枚医師が目視して定義しています。その先でようやく医師というか人間の目を超えた精度が実現していく。パラメータをきちんと定義しないと情報処理ができないのでExcel以下のままです。
「データ業界の『建設作業員』」とは言い得て妙で、深センでも香港でもなく河南省南宮市を深掘るのは流石のNewsPicks。気合い違う。

ベトナム、カンボジア、ミャンマーなどにデータ作成のチームを作って代行業務を行なっている日本企業も少なくありません。BPOは低きに流れます。
ただ実際に見積もりをお願いすると意外と高くて（記事でも2万件で2,000ドルとなっていて、作業内容によるものの個人的には安くないと思う）、うちは自社でオペレーションを組んでいます。
この辺、日本人だとコミュニケーションが早かったり作業自体が早くてそれなりの時給でもペイしたりするので、こういう記事を真に受けて「BPOが安いだろう」と安易に判断しない方が良いと思います。

このレポートには「ユーザーがスキャナーの下にパンを置くだけで支払いが完了する」自動レジシステムを開発している企業の紹介もある。その精度を高めるために、データにタグづけし、AIに学習させることによって、識別精度を99％に高めたということです。

「あらゆるAIは、人間の労働の上に成立している」「まだ機械は独学ができるほど賢くはない」とコメントしているように、AIの学習には人力が不可欠なのです。

データ加工工場という発想、おもしろいですね。「特別高度な技術は必要ない」とは心強いコメント。地方の人材活用に使えそうです。

そう、そうなのです、本当にこれ。僕も火星関係の機械学習の研究をやっとりますが、教師データをラベル付けするには火星の地質学の知識が必要。よって人海戦術に頼れないのです。Transfer learningで部分的に問題を緩和できますが、やはりデータ量のハンデは重い。だれか良い解決法を知っている方、ご教授ください。

野村さんがコメントされているとおり、超必読の記事ですね。
AI専門家ではない人こそ♪

面白い記事ですね。

一番強く思ったのは、AIが出てこようが、何が起きようが、仕事の種類は変われど仕事がなくなって困ることなんてない、ということ。

この例だと組立の仕事がなくなったもAIというエリアが出てきたからこその仕事があるわけですから。

同じ人海戦術でも、昔急増したプログラミングのオフショア開発と違い、難易度が低くより安価な人件費の地域に流れやすいビジネスですね。これからどこに広がっていくのだろうか。

データ版のフォックスコン、が近い将来に世界のどこかで生まれるかもしれません。