「数理・データサイエンス・ＡＩ」教育に大きなうねり、教員不足にどう対応するか
コメント
選択しているユーザー
分からないデータを集めて、未知の傾向を学び、ネクストアクションを探るだけではなく、
意図したプロセスに意図した方法でデータを流す計画を立て、需要の種類と量は現実ニーズで決まり、時々にVUCAな例外をも想定し、リアルタイムに検知しながら、ジャストインタイムと全体最適からネクストアクションを決める、そのシステム全体を美しく維持・集中・ムダを炙り出す整理・整頓・清潔・清掃+しつけ、そして継続改善。
こうしたコントローラブルな成長世界と、デジタル活用におけるその計り知れない可能性も大切にしたい。
注目のコメント
言いたいことがたくさんあり、まとまりがない文章になります。ご容赦を。
数理・データサイエンス・ＡＩ教育のニーズがどんどん高まっていることは間違いありません。教員の不足については指摘されていますが、年々減る一方の予算の中で人材を確保するのも要易ではありません。予算が増えない中で特定の分野だけに注力するということは「じゃあ、どこを減らす？」という議論になりかねません。それをやらないのが日本の大学のプライドだと思います。
AI特に深層学習を学ぼうとするとそれなりの性能の計算機が必要となります。通常のPCやタブレットでは駄目。規模感がわからないと思うので参考のために申し上げますが、我々の学部生向け実習では全10回の演習のために1人の学生あたりうん十万円のクラウド環境を用意しました。受講生20人です。かかるコストは・・・
さらに、「受験生増が期待できるＤＳの学部・学科の新設が相次ぐ中、ＤＳを専門とする教員は争奪戦でもある。」というご指摘もあり、それも事実なのですが、DSを専門とする教員であっても家族の事情などにより全国どこにでも動けるわけではない。一部の地域に人材が集中してしまってそれらの地域ではどんなに応募しても採用されないという事態も起きています。せっかく優れた能力を持つのにAIの研究者・教育者であることを諦めた人材を少なくない数知っています。例えば海外の大学で行っているように夫婦揃って研究者の場合両方の就職について責任を持つなど、工夫ができると思います。研究者・教育者ばかりが道ではないのでそのような人材が産業界で活躍することも素晴らしいことだと思います。
講義のようなカリキュラムがあって粛々とすすめるものではどうしても身につくものもそれなりです。熱意を込められる演習の設計や仲間の存在が必要不可欠です。演習のデザインの仕方やラボなど仲間の存在一つで短期間でも国際会議で発表できたり企業さんへライセンシングできるようなレベルまで引き上げることも可能です。必要なのは相談や共に切磋琢磨できる仲間やライバル。
あと、高校までのカリキュラムにどの様に取り込むかについては慎重な議論が必要だと思います。変に受験に向けた対策がなされたり、面白さ・素晴らしさを伝えられずに嫌いな人を生産してしまったり、変な万能感を植え付けてしまったりすることを危惧しています。今後、日本がAI活用大国になれるかどうか、実は最も重要なのがこれ。
そもそも日本にはコンピュータサイエンス学科(マスターでもドクターでもない四大の学部)が少な過ぎ、AI人材を輩出できる基盤が脆弱です。無論、その前の小、中、高校から数学重視、プログラミング教育を充実させる事も重要。
無論、得手不得手もあるので、数学やプログラミングが好きな子には飛び級も含めて英才教育のコースを、そうでもない子には少なくとも「DSマインド」を教えて、AIを作るのではないが、利用する事を学んでもらうと良いと思います。
記事にあるようにeラーニングで多くの学生が一気に学べるのは素晴らしい事です。
地道だが、20年でその効果は一気に出てくるので、直ぐにでも着手すべきです。リテラシーのレベルで学ぶ上で、パイソンでディープラーニング書く以外の世界が大きく広がっています。自社製品の宣伝と思われてもしょうがないですが、AIは「アルゴリズムレベルで実装するもの」から、「技術的に難しいところは解決されて自動化され、その応用方法を学ぶ」ものに変わりつつあります。生の技術で基礎を学ぶことを否定するものではないのですが、技術的基礎は概念レベルで理解し、その技術がどのように社会に応用されうるのかを理解することから始める方が、ずっと実用的インパクトに近づくと考えています。
