【連載】AI・機械学習モデル開発の6ステップ ①テーマ決め

活用について

前回はこちらから:
AI・機械学習モデル開発の6ステップ ~まずは全体像を把握しよう!

 

このテーマでお話しする第2回目です。
まずは前回の復習からいきましょう。

AI・機械学習モデルの開発には、大きく6つのステップがあります。
その中でも今回は、一つ目のステップ「テーマ決め」についてお伝えします。

~ AI・機械学習モデル開発の6ステップ ~

1.テーマ決め
2.データ収集
3.データ前処理
4.学習
5.精度評価と試行錯誤
6.サービス導入

 

最初が肝心

このステップで何をするかというと、

「どんな課題に対して」
「どんなデータを使って」
「どれくらいの期間で」
「どのような手段・予算で」
「どんなアウトプットを得るか」

というテーマを決めます。他のシステム開発や導入と同様、見切り発車は事故の元となります。この段階で、どれだけリアルに解決までの道筋を描けるかがプロジェクト成功のカギを握るといっても過言ではないので、十分な時間を取ってください。

【どんな課題に対して】

自組織、あるいはクライアントの抱えている課題のうち、AIで解決見込みのあるものを選びます。何がAIで解決できるかを把握しておく必要があるので、書籍やセミナーなどを通じて得る事前知識は必須です。とはいえ、手法ありきで考えると、発想が縮まってしまうことも珍しくないので、「こうだったらいいのになぁ」くらいの気持ちでブレストしてから絞り込むのがおすすめです。なかなか自分事にとして考えにくい、という方は、研修に参加された方が実際に出したアイデアを紹介した過去の記事↓も参考にしてみてください。

参考:AIでこんなことを実現したい! ~AI研修での声

【どんなデータを使って】

解決したい課題とアイデアがあっても、解決のためAIに学習させるデータが無いと、絵に描いた餅です。本当の意味で無から有を生み出すのは苦手で、過去のパターンから、未来を予測するというのがAIの基本スタンスであるということを忘れないでください。データは、自社で蓄積してきたデータが中心にはなりますが、現在はインターネット上で使えるデータを集められることがあります。天気や、政府統計など、手元のデータと突合することで価値を発揮することができるので、視野を広く考えてみてください。

学習にあたって必須のデータがない場合は、集めるための仕組み作りから始めることも選択肢の一つです。この場合、時間的コストも追加でかかりますので、より慎重を期します。とはいえ、IoTも身近になってきたので、これまで集められなかったデータを集め始めたという組織は多いです。

【どれくらいの期間で】

最初の段階で見通しを立てていても、思った通りの精度が出るかどうかなど、通常のシステム開発以上に遅れや失敗もあり得るのがこの分野なので、当初想定した課題解決策やアウトプットの形式を変更したり、場合によってはプロジェクト自体を諦めることも必要です。その時に指標となるのが、最初に決めた期間、期限です。「ここまでやってきたのに戻れない」と泥沼にはまらないために、最初の段階でラインを引き、ダメであれば潔い対応をしましょう。

【どのような手段・予算で】

開発会社に委託する、自社エンジニアにツールを用いて開発させる、大手IT企業が提供しているAPIを活用するなど、実現する方法も多岐にわたり、必要な費用感も大きく異なります。例えば、画像認識や自然言語処理など深層学習を用いる場合は、学習コストなどの観点から、各社提供のAPIベースでサービス化を図るのがスマートです。

【どんなアウトプットを得るか】

例えば、飲食店の売り上げに関してAIを使うにしても、日単位の売り上げを予測するのか、一人ひとり来たお客さんが買いそうなものを予測するのかで、必要となるデータもアルゴリズムも異なります。

 

6ステップの最初として、盛りだくさんの内容となってしまいましたが、ご理解いただけましたでしょうか。
これから補足説明などもご紹介してまいります。次回もお楽しみに!

 

おすすめリンク

AI・機械学習研修

データベース~全般

【公開講座】AI・機械学習研修~回帰・分類・レコメンド編(2日間)

【公開講座】Pythonで学ぶ機械学習~回帰分析とディープラーニング(2日間)

AI・人工知能を使った業務改善研修(1日間)

to top