優れたAIを作ることと、そのAIを社会で役立てることは、別の話です。どれだけ高精度なモデルができても、現実のプロジェクトの中で適切に設計され、正しいデータで学習され、安全に運用されなければ、AIは社会に価値をもたらすことができません。
研究室の中で輝いていたAIが、現実の世界に出た途端につまずく——そんな例は、AIの歴史の中に数多くあります。技術の問題ではなく、プロジェクトの進め方の問題、データの扱い方の問題、運用の設計の問題として。
この章では、AIを「作る」から「社会で使う」へと視点を移します。AIプロジェクトをどう進めるか、データをどう集めて扱うか——技術の裏側にある、実践的な知恵を見ていきましょう。
7-1 AI プロジェクトの進め方
AIをビジネスで活かすとはどういうことか——プロジェクトの立ち上げから関わる人々の役割まで、全体像を見ていきます。▶続きを読む
◆CRISP-DM・CRISP-ML・アジャイル・ウォーターフォール AIプロジェクトの進め方と方法論
AIプロジェクトをどんな手順で進めるか——代表的な方法論を比較しながら、それぞれの特徴と使いどころを理解します。▶続きを読む
◆Python・Docker・Jupyter Notebook・クラウド AIを世に出すための技術基盤
AIを開発・運用するために必要な技術の土台——よく使われるツールと環境を、文系にもわかりやすく整理します。▶続きを読む
制作したAIを継続的に動かし続けるために——モデルの監視・更新・管理の仕組みを見ていきます。▶続きを読む
7-2 データの収集・加工・分析・学習
◆オープンデータセット・コーパス・アノテーション AIの学習データを集めて整える
AIは良いデータなしには育たない——どこからデータを集め、どう整えるかが、モデルの品質を左右します。▶続きを読む
データの扱い方を一歩間違えると、AIの評価が根本から狂う——見落としやすい落とし穴と、共同開発の留意点を見ていきます。▶続きを読む