AI人材になるために

はじめに

AIや機械学習と聞くと、テレビや映画に出てくるような人間と同等、またはそれ以上の知能を持っているロボットや、膨大な量の処理を一瞬で処理してしまうシステムを想像する方が多いのではないでしょうか。しかし、実際のAI・機械学習はとても身近で、理解しやすいものです。
例えば、お掃除ロボットやスマートスピーカー、スマートフォンに内蔵されているAI・機械学習など、私たちの生活の中にもすでに活用がされています。とても便利なAI・機械学習ですが、その「学習」プロセスや仕組みはどのようなになっているのでしょうか。AIやビッグデータを活用してビジネス課題を解決できる「AI人材」になるために、AI・機械学習の基礎知識についてご紹介します。

AI・機械学習とは

AI・機械学習は、AI・機械学習の脳みそ部分にあたる変換器(アルゴリズム・計算式)に何か値を与えると、その結果の予測値を返します。そして、実際の答えと返した予測値を比較してギャップを計算し、そのギャップを埋めるように変換器にフィードバックを返します。このサイクルを繰り返すことで、実際の答えと予測値にギャップを埋めていきます。そして、利用者が与えた答えをできるだけ再現できるようになっていきます。このように、値と答えのペアをアルゴリズム、計算式に与えることで、実際の答えに近い値を得ることができます。この仕組みがAI・機械学習です。
しかし、注意しなければならないことがあります。それは、得た予測値が100%正しいということはありえないということです。答えに限りなく近い予測値を得ることができますが、答えとピッタリ合わせるというのは難しいのです。このことから、絶対に間違ってはいけない所では活用できないというのが大前提としてあります。

AI・機械学習が出来ること

AI・機械学習が出来ることは主に以下の3点です。

分類

例えば、人事業務で退職しそうな従業員を早期の段階で知り、退職をやめさせたいという課題があった場合、勤怠データや人事評価データなどの情報をインプットし、得ることができる答えは「退職する」「退職しない」の2つの値です。このインプットした情報と答えのデータをAI/機械学習に与えることで、従業員ごとの退職確率のスコアを予測値として出力できるようになります。
この予測値が一定値以上であれば「退職する」、以下であれば「退職しない」の分類ができます。

回帰

観戦チケットの売上を上げたいスポーツチームがあったとします。この課題を解決するため、チケット価格や予約状況、天候のデータなどをインプットデータ、チケット販売数を答えのデータとして準備します。このインプットと答えのデータを機械学習アルゴリズムに学習させます。例えば、チケット価格が1000円で、予約状況は20%、天候は晴れで気温20度、対戦チームはXチームといったインプットのデータを入れることで、チケット販売数の予測値を出力してくれます。
この学習済みの変換器を使えば、価格を変動させた時にどのくらいの入場者数になるかをシミュレーションすることができ、最も売上が大きくなるチケット価格を導き出せます。この例のどの部分が「回帰」なのかというと、チケット販売数を予測する部分です。回帰というのはチケット販売数のように数値の予測のことをいいます。

クラスタリング

クラスタリングを言い換えると自動グルーピングです。例えば、顧客に合わせたマーケティング施策を行う際に、行動ログデータやユーザーの属性データを準備し、クラスタリングができる機械学習アルゴリズムに与えると、自動敵に類似しているユーザーをクラスタリングしてくれます。その結果、近距離移動する旅行ユーザー、大型連休で家族で旅行先を探しているユーザーなどのようにユーザーのグループを見つけることができます。

最後に

政府が発表している「AI戦略」の中にもあるように、これから高校生や大学生がデータサイエンス、AIの基礎を学ぶことになります。そして、そのような学生が社会に出て、ビジネスや社会の課題を解決するブレイクスルーを起こしていくことが期待されています。
そうすると、現在、社会で働いている人々はどのようにAI・機械学習を活用する時代に適用していけばいいのでしょうか?
少なくとも、自身でAI・機械学習について学ぶ必要があります。そうすることで、現在社会で働いている人々は、AI・機械学習を早い段階から学ぶ若者よりもビジネス経験では勝るため、ビジネストランスレーターとして価値を出すことができるでしょう。
現在、在宅勤務や外出自粛を強いられています。これからの社会人生活で周囲よりも活躍できる人材になるためにも、今与えられた時間はスキルアップするチャンスとも言えます。ぜひ、家にいる時間が多い期間に、今後の仕事人生において役に立ち続けるであろうAI・機械学習を学んでみてください。
最後までご覧いただき、誠にありがとうございます。