新着Pick
405Picks
Pick に失敗しました

人気 Picker
atama+がAI教育の中で飛びぬけた理由が分かりました。

複雑かつ大規模なナレッジグラフ(≒ルールベース)は十分にAIである、ということですね。プロが見てもきめ細かく対応できているなら、それは価値が高いAIです。

1980年代のエキスパートシステムにも、数千個の大規模ルールベースがありました。しかし、それらのルールの使い分けは論理学をベースでしたので、あいまいさに対応しづらく、メンテナンスも困難でした。

今なら、どのルールを起動するかのパラメータを決める際に、機械学習は有効です。その教師データは学習履歴や正誤データとなるでしょう。

その意味で、ルールベースと機械学習を融合した最新型の実用性の高いAIとみることができそうです。とても参考になりました。
「AI先生」と言われると、また単なるバズワードか?と思いがちですが、アタマプラスでは「AIの定義」がとても明確。そして、その開発手法も流行に流されることなく、世界中の論文に触れながら、ゼロベースで開発しています。

彼らのAIの特徴は、生徒の「習熟度判定」と「レコメンド」の高い精度にあります。その秘密に迫りました。特集第二回をお送りします。
人真似ではなく、学習者の問題や課題を解決するという地に足のついたAI開発はすばらしい。

「アタマプラスのAIは、学習のつまずきの「根本」を探り、それを解消する最短のカリキュラムを、生徒一人ひとりにナビしてくれるというもの」だそうです。

機械学習を過度に期待しないというアタマプラスの川原さん。教育では膨大なデータが集めにくく、ブラックボックスになってしまったのでは意味がない。ルールベースで細かくアルゴリズムを作っていく、と。

融資の審査モデルも機械学習を活用できるのだけれど、ブラックボックス化されて説明できなくなる。故に、金融当局はルールベースを推奨する。
サークルの後輩が出てきて驚いた.

ブラックボックス化しないですむところは,ナレッジベースで作り込む方がいいですよね.機械学習の先生と話す機会がちょくちょくありますが,想像以上に彼らも機械学習を使わなくてすむところには使わないほうがいいというアドバイスをくれます.ギリギリまで計算できる部分はして,最後どうしても非線形でブラックボックスな部分にだけ適用したほうがいい的な感じで.
目的のために流行の技術に惑わされず、世界の文献から最適なものを探し続ける真摯な姿勢に共感しました。AIの可能性を観たとともに、AIの限界もここにあると思います。
最近、AI狂騒曲にも終わりが近づいているようにも思えますが、AIは万能ではありません。しかし、私たちをエンパワーメントしてくれることは間違いないです。
アタマプラスのCTO川原さんの記事。むちゃくちゃ示唆が多くて、もっと読まれるべき超良記事。
「リアル教師あり学習」の話やルールベース・モデルベース・統計ベースなどアルゴリズムを細かく分けてる話などとても勉強になりました。
機械学習がもてはやされる時代だからこそ、その機械学習が目的に対して適切なのかを判別できないと、流行りを追うだけになってしまう。その危険性を痛烈に思い知らされました。
示唆に富んだ素晴らしい記事でした。
機械学習ばかりがクローズアップされがちですが、弱点もあるし、他のアプローチの方が適切な場合もある。ありたい姿に対して思考をし続けている姿に感銘を受けます。複雑な影響関係の中での意思決定や考え方は、思考を重ねた人間が秀でている場合もあることを再認識できる内容でした。

以下引用
“機械学習は、めちゃくちゃ膨大なデータを集めてきて、何日間もトレーニングした揚げ句、最終的にAIの中身はブラックボックスになる”
AIについて、いろいろな記事がありますが、これはユニーク。

ピッカーの皆さんのコメントを読んで、さらに理解が深まりました。
NewsPicksもいい記事が多くなってきましたね〜。確かに子供に数学を教えてると、足りない部分が見えてくる。大きなポイントは小学校の分数、特に割り算。
どうでもいいことだけど、同じマンションに住んでいたことがあり、同じ小学校であり、同じ中学であり、同じ高校であり、同じ大学の学部出身。共通項多いので頑張ってほしい。