ディープラーニング活用の教科書 先進３５社の挑戦から読むＡＩの未来

投稿元：

レビューを見る

ディープラーニングとはなんぞや？と様々な活用事例が分かります。参考になりました。
IoT展に行く前に予習したかったので、丁度良かったです。

投稿元：

レビューを見る

どのようにディープラーニングを実業務で活かしたかだけではなく、例えば異常データが少ない場合にどう対処するかなど、ディープラーニングでなくとも分析全般にヒントになる方法が書かれていた。

投稿元：

レビューを見る

ディープラーニングの様々な活用事例について紹介した一冊。参考になる。

＜メモ＞
・ディープラーニングの発展ロードマップ
　画像認識、マルチモーダルな認識、ロボティクス、インタラクション、シンボルグラウンディング、知識獲得というフロー

・マルチモーダルとは映像、おと、各種センサーなどの情報を複合的に扱うこと。現在急速に技術が進化している分野
行動予測や異常検知を実現する。

・ロボティクスとは、環境変化にロバストな自律的行動を実現するもの。自動運転など。

・オムロン　ドライバー見守り車載センサを開発　認知、判断、操作の状況を判定する。前方注視しているか、運転い復帰できる状態か、運転席にいるかなどを判定する。

・AIがもたらす経営効果は製品サービスの付加価値向上、オペレーション効率化、業務プロセス最適化。

・積極的にモデル開発すべきは、自社にしかないデータを活用した領域

・AIが得意とする領域。１つは法則が自明でない膨大なデータから法則性を見つけ出すこと。もう１つは法則は分かっているが、目的に達する最適な手段がわからないときに手順を見つけ出すこと

・アプローチ
何がしたいのか、何ができるのか
ディープラーニング、機械学習、ITシステム、機械、人のどれでアプローチするか
ディープラーニングの場合
１クラウド、オープンソースを利用
２自社AIを持つ企業のAIを活用（API）
３独自開発　自社開発、ベンチャー、大学など

・活用がうまくいくデータの６条件
１正規化・整形されていて、AIが読み解くべき情報のみに整理されている
２データを説明する情報が多い。説明変数多い
３可能な限り個別の情報が特定されている
４欠損がない
５偏りがない
６データ数が多い
他の例ではデータ量が多い、データのアノテーションの質が高い、アウトプットが明確に定義されているなど

・タスクを分解して、必要なデータを定義し、その上でデータ収集、開発、実証テストとつなげていく。

・AI活用で大切なことはトップのイマジネーション。ビジネスが成立するかどうかの仮設設定力や構想力。そして投資するマインドとスピーディーな意思決定。企業体の変革とAIを中核にしたデジタルシフトを行うことが重要。

投稿元：

レビューを見る

ほぼ活用事例を羅列しているだけなので
「活用の教科書」
というタイトルだとちょっと違うかなと思う

投稿元：

レビューを見る

ディープラーニングの活用事例についていくつか取り上げた本。
ディープラーニングはGPT(汎用目的技術)とのことで、いろいろ応用的に使えるらしい。
具体的にアルゴリズムについては自分も理解できてないのだけど、使うことはそんなに難しいわけではないのかなと思った。ただ、重要なのはデータの質と量なのだろうなと思う。
これから日本は人口が減少していくわけだし、もっとうまくAIで代替できるところは代替していく必要があるのだろうな。
それにしても、いろんな事例の話の中に松尾豊氏がでてきて驚いた。有名な人だからこの方にまず相談するという人も多いということなのだろうけど、もっと他に優れたAIの研究者っていないのだろうか。
後、GAN(敵対的生成ネットワーク)という技術は面白いなと思った。アイドルっぽい顔とかアニメキャラとかを自動生成できる技術らしい。このキャラをうまく動かせるようになると、ドラマである人の子ども時代なんかはAIで代替できるんじゃないかと思うのだけど、どうなんだろう(よりその人に似た顔で作れるので)。
他にも、DNN-TTSという音声合成技術も気になった。最近は、やけに自然なAIによる発音がでてくるように思うし、進化していってるんだろうな。
ところで、この本ですごく気になったのが、重要なところの線の引き方について。だいたい、縦書きの本に引き線は、文章の右側というイメージがあるのだけどこの本は文章の左側。何で左側にしたのだろう。そのせいで、線の左側について重要とされてるのかと思って読んでいたら、変なところで線が終わっていて、右側かと気づくことがあった(ただ、横書きだと大抵、文章の上じゃなくて下に引かれてるものなので、そういう意味では文章の左側に引かれているのもおかしくないのかもしれない)。

投稿元：

レビューを見る

会社で回し読み。「活用の教科書」とあるけど教科書っていうよりは2018年時点の試行錯誤の状況をまとめたって本。国内の活用事例35件が紹介されてて、まあ一般論よりは役立つ感じ。自分が理解しやすいからだろうけど、送電線の異常検知と油圧ショベルの自動掘削あたりが良さそうに思った。

投稿元：

レビューを見る

「時代の流れに遅れている自分を実感」

「ディープラーニング」という言葉がニュースやネット上で見かけることが多くなったがそれについて知識がなかったので読んでみました。

本書の事例の紹介から、AIは日本各地で様々な職種で活用されていることがわかりました。特に、AIアナウンサーが「辛い」を「つらい」と「からい」を使い分けて読めるというところに驚きました。

AIの活用で業務効率とサービスが向上し、より寛容な社会になっていけばよいと希望的観測をもちました。

なお、「教科書」と銘打っていますが、それ以前の入門書等で少しディープラーニングについて知識がないとサクサク読み進められないかもしれません。

なぜなら、見たことのないカタカナ・専門用語のオンパレードだからです。
本書の読者はディープラーニングについて知識がある人を想定して書かれている本なのかもしれないですが。

例.米グーグルの「テンソルフロー」
・・Googleが開発しオープンソースで公開している、機械学習に用いるためのソフトウェアライブラリ。（wikiより）
私は存在すら知らなかったです。
しかし、このような状況が、日本におけるAI人材の不足と言われる所以なのかもしれません。
つまり、AI業界で基本的な言葉（例。テンフルソロー）でさえ一般人に浸透していないということです。
本書を通して、今後AIについて、知らないと情報格差が生じるのではという危機感をもったので少しずつ知識を深めていこうかと思います。

投稿元：

レビューを見る

ディープラーニングの活用事例を勉強したい人におすすめ

【概要】
●ＡＩの技術発展を基に分類した事例の紹介
●ＡＩをビジネスに活用する企業が直面する疑問

【感想】
●「活用の教科書」というとおり、基礎的知識を持って読んだ方がよく理解できる。
●実現したいことの業務プロセスを分解して、ＡＩがそれぞれを実現できるかを見極め、ＡＩに何を担わせるかが重要になる、ことを理解した。

投稿元：

レビューを見る

AI創世記。ぼぼ毎日、新聞の一面や見出しを賑わせている単語。その根本となるディープラーニングとは何かと思い手に取ってみた。

事例が多く掲載されているが、素人目から見るとITシステムと同じように思えてくる。課題自体が全てを解決してくれるのではなく、どう使うか、といった点は同じである。しかし、スピード感が尋常ではなく生活そのものに関係して来るのは何となく分かる。

これからどうなって行くのか将来を見据えた動きなのでワクワク感が伝わってくるが、現在は試行錯誤の時期でありこれからどう発展していくのか分からない状況。

一方でこれが進化する事で中国で2020年までに行おうとしている管理社会が世界全体で加速度的に進みそうで一抹の不安を覚えてやまない。

投稿元：

レビューを見る

ディープラーニング（DL)のビジネス活用事例や導入時のポイントに触れた本。

・DLは「汎用目的技術」であり、あらゆることに利用可能。
汎用目的技術：原理が単純で汎用的で様々なことに利用可能。

・DLはすでにコモディティ化しているため、ビジネスへの応用力・構想力が問われるフェーズにきている。

・データだけに依存するとグローバル企業に勝てない。データとモノをつなげることやいかにユニークなデータを集めれられるかがカギ。

・今、急速に進化しているのはマルチモーダルな認識。

・DLで100％こなそうとするのではなく、タスクを分割したり、人間がどうやってヘッジするかを考える。

・どの水準になったらビジネス活用が可能か考えておく。

・データが重要になるビジネスにおいては、どうやってデータを獲得するかがビジネス上の肝であり、データが集まるよう「必然性」を工夫できるかも考えるべき

・AI活用で重要なこと：「経営のイマジネーション」「ビジネスインパクトと費用の試算」「多産多死を前提に、チャレンジを続ける」

何度も出てくるのは、「AIは道具であり、どう使うか(どんな課題を解決したいのか)が大切。現場を知っていて課題設定力があり、AIの使い方を知っている人材が重要」というメッセージ。

言うのは簡単だけど、やってみないとわからないこ上申してやるのは、崖から飛び降りるぐらい怖いなー。

投稿元：

レビューを見る

事例は正直あまり面白くなかった。

　ブレインパッド　アナリティクスサービス本部　副本部長　兼　AI開発部長の太田満久氏も、最初に考慮すべきは、「実現したいタスクは、本当にAIを利用しなければ不可能なのか」だと指摘する。太田氏は、「既存の技術を利用して解決できるならば、無理にAIを使う必要はない」と助言する。
　
　グーグル・クラウド・ジャパンの大薮氏は、「一般企業が新たなAI活用分野を切り開くのは難しいので、先行事例がある分野で戦った方がいい。」と助言する。

　活用がうまくいくデータの６条件
①正規化・整形されていて、AIが読み解くべき情報のみに整理されている。
②データを説明する情報が多い（データベースでいえば列の数が多い）
③可能な限り個別の情報が特定されている
④欠損がない
⑤偏りがない
⑥データ数が多い

投稿元：

レビューを見る

ディープラーニングを日本で実際にどうビジネスに組み込んでいるか、事例が割と豊富に集められている。ややソースが偏っている気もするが、日本ではまだそれくらいしか事例がないのかもしれない。データの入手や利用範囲の割り切り、人間とのタスクの切り分けなどにも多少触れられていて、すごいシステムをアピールする系の記事より現場感があってよい。

投稿元：

レビューを見る

ディープラーニングに関する技術の活用事例集
画像系が多いが、複数社の事例で参考になる部分はあるかもしれないが
結局各社各様、解は一つではないので、あくまで参考程度
結局エンジニアリングを理解してないと、未来がかいなと再認識はできる
必要なら読む程度で良い