カテゴリー: Python＆機械学習

みなさん、こんにちは。お久しぶりです。いつの間にか11月が終わりそうなこのタイミング。充実した日々をお過ごしでしょうか？

かくいう私はというと、3足のワラジとも言うべき生活に勤しんでおりました。変化の激しい時代ですからね。幸せに過ごすためには自分もその変化に対応していきたいのですよ。

というわけで、やることがネズミ算方式で増えていっている2022年下半期。そんな中で参加した経済産業省主催のマナビDXクエスト、興味半分でエントリーしたら合格！どんなプログラムかというと？

経済産業省では、地域企業・産業のDXの実現に向けて、デジタル人材の育成を推進するため、デジタル知識・能力を身につけるための実践的な学びの場として、ポータルサイト｢マナビDX (デラックス)｣を令和4年3月に開設しました。さらなる地域企業・産業のDXの実現に向け、ビジネスの現場における課題解決の実践を通じた 能力を磨くため、2022年度9月～2023年2月中旬の期間、1,800名程度の学生・社会人を対象にデジタル推進人材育成プログラム「マナビDX Quest」を実施します。マナビDX Questは、企業データに基づく実践的なケーススタディ教育プログラム及び、地域の中小企業との協働による、デジタル技術を活用した課題解決型現場研修プログラムからなります。
マナビDX Questを通じて、デジタルの経験有無にかかわらず、企業におけるDXを推進する変革の考え方やプロセスを学び、志を同じくする幅広いデジタル人材とのつながりを構築することができます。

デジタル推進人材育成プログラム「マナビDX Quest」 (ipa.go.jp)

こんな感じ。プログラムの受講や課題の提出はすべてオンラインで完結するから、まぁラクショーだろうと思っていたら、はい、そんなことはありませんでした(笑)　

某有名外資系コンサルティングファームさんが事務局をやっていだけあって、内容は東京23区上場企業クオリティー、秋田の田舎者はどではっちゃけたで。プログラムはこんな感じね。

「課題解決のためのAI実装プロジェクト」の疑似体験を通じて、AIモデルの構築/評価から、実装運用・展開計画までを策定。最後に、全社DX変革に向けた検討アプローチを体験。※演習には、AIモデル構築パート、組織変革のプレゼン提案シミュレーションなどを含みます。

デジタル推進人材育成プログラム「マナビDX Quest」 (ipa.go.jp)

そんなこんなで、汗水夜なべしながら、吉野やりました！無事に第一タームの修了証をGET！第一タームの修了証と聞くと、紙を想像しますが、実は修了証がブロックチェーンなのですよ。ハイテクな世の中だ。ちなみに、私の修了証はコレ。

ブロックチェーン証明証リンク（←面白いから触ってみて。ブロックチェーンだよ）

ちなみに、私が学んだ具体的な項目はこんな感じね。DXって実際何やるの？ってわかっていない人は意外とおおいので参考までに。

• 探索的データ分析課題：ビジネス・組織情報を把握し、業務課題を洗い出し、実務データを探索的に分析し、取り組むべき最重要課題を特定
• デジタル課題：主要課題解決のための要求・要件定義を経て、デジタルを活用した打ち手の実現性を検証
• 変革推進設計・プレゼン課題：検証結果をもとにしたDX変革ロードマップ策定とプレゼン作成。組織変革を進める上で考慮すべき観点を受講生同士でディスカッション

今後もマネジメントオフィス檜としては、地方中小企業のDXを目的としたコンサルティング業務にも力を入れていきます。一部パイロットプロジェクトも進行中。ツールの導入ではなく組織変革や利益向上を目的としたDXに力を入れていきたいクライアントのニーズに対応していく予定です。

今は秋田にいても東京で働いてるとの変わらずに知識を吸収できる時代になりました。コロナ禍がきっかけですね。何事も悪いことだけではない。引き続きよろしくお願いします。

こんにちは。秋田は連日雪、雪、雪で大忙し。雪寄せが本当に大変。やってもやっても振っては積もる。ところが、悪いことばかりではない。

雪国の方はご存知と思いますが、雪の除雪は思いのほか、ハードワーク！ちょっと動いただけでも汗をかきます。ママさんダンプと呼ばれる除雪道具で数回雪を運ぶだけでも結構いい運動になる。つまり、ジムに行かなくてもトレーニングができるのです。正月太りもこれで解消だ笑　雪と縁がない地域の体育会系の学生さんたちをターゲットに、雪寄せトレーニングができるからおいで、と営業をかけるのもありですね。

さて、2022年度も始まってすでに３週間が経過。相変わらず世間もコロナも落ち着きがなかなか見えないですね。ただ、そこで気落ちしていてもしょうがないので、私はというと仕事と並行してコツコツ、キカガクさんの動画講座を受けていました。（URL：https://www.kikagaku.ai/）お陰様で動画視聴率はようやく60%を超えました〜　2月までには終わるかな？引き続きがんばってまいります。

そんな感じで勉強を続けていたところ、ふと印象に残ったキーワードがありました。それは「内挿と外挿」。人工知能を学んでいたり、統計学を学んだことがある人にはお馴染みの言葉ですが、一般的にはあまり知られていない。どういう意味か？こんな感じです。

内挿（Interpolation）と外挿(Extrapolation)という言葉は、最近ではDeep Learning関連で目にする事が多い気がしますが、内挿・外挿とは、データを近似し、データ以外の場所を推定する際に、データの範囲内を推定することを内挿といい、データの範囲外を推定することを外挿といいます。

https://imagingsolution.net/math/interpolation_extrapolation/

さらに噛み砕いて、より簡潔にするとこんな感じ。

□内挿：データの範囲内ゾーン

□外挿：データなしの未体験ゾーン

ちなみにですね、人工知能は基本的に内挿モデル。「過去データから学習して予測すること」が得意。逆に苦手なことは何かというと「経験外の状況から予測すること」。これって私には衝撃的でしたよ。なぜかいうとAIのマッチングや予測って当然外挿もある程度織り込まれた学習モデルが使われているんだろうなぁ、と思っていましたので。。。AIによるマッチング！とか広告などで目にする機会も多くなってましたので、時代はかなり進んだなぁという印象を勝手に持ってました笑

ところがどっこい、実際世に出ているAIさんは大半が内挿マシンです。過去データから学習して予測することが得意、しかし、未知の事態には対応できない。では、こうしたことによってどういう事態が引き起こされるのでしょうか？とても参考になる記事がありましたので引用します。

たまたまゲリラ豪雨により路面が冠水して，人の視覚では側溝と道路の区別ができなくなったような状況を想像してほしい。自動運転の場合は，三次元地図情報を事前にAI内に獲得済みであり，さまざまなセンサーを搭載しているので，それらを複合的に利用すれば，道路から逸脱することは決して起こらないし，最悪でも停止するようになっているかもしれない。それでは，側溝からの増水が急激になったらどうするのか。そもそもこのような極端にシリアスなケースを，実世界の走行例だけから収集するのは時間的にいって不可能である。それは，前述したように，高次元空間を有限サンプルで埋めることは不可能だからである。同様の理由で，災害などの巨大なリスクインシデントの予知は今のAIの技術では困難であろう。

「視点　人工知能はみようみまねマシンの究極形」　樋口 知之　https://www.jstage.jst.go.jp/article/johokanri/59/5/59_331/_html/-char/ja

ちなみに、内挿マシンは通常はありえないような事態、いわゆる”ブラックスワン”的なイベントにとても弱い。今回のコロナパンデミックで引き起こされた社会や経済的な混乱はまさに予期せぬイベントでした。世界最強の小売・通販企業であり、高度な人工知能をフル活用している、Amazon社ですらもその影響を受けていたのです。

新型コロナウイルスが世界を崩壊させつつあった2020年3月、オンライン小売の巨人Amazon（アマゾン）はこのパンデミックが引き起こした急激な変化への対応に苦慮していました。水やトイレットペーパーといった、通常決して売り切れるはずのない日用品の在庫が払底し始めたんです。本来なら翌日または翌々日だった配送スケジュールが延びて数日後になりました。Amazonのジェフ・ベゾスCEOはコロナで240億ドル稼いだと言われる一方で、会社としてのAmazonは当初、優先度の高い商品の在庫確保と配送だけでも処理すべく、物流や配送、サプライチェーン、仕入れ、サードパーティ販売者の手続きなどの調整で四苦八苦していました。

普通の状況なら、Amazonの複雑な物流のほとんどを人工知能（AI）アルゴリズムが管理しています。無数の販売、配送の経験で磨き上げられたAmazonのシステムは、各商品がどれくらい売れて、配送センターの在庫をいつ補充すればよくて、どうまとめれば配送距離を最小化できるかを的確に予測できます。でもこのコロナ危機で我々の行動パターンが大きく変化し、これまでの予測が通じないようになってしまいました。

https://www.gizmodo.jp/2020/08/how-the-coronavirus-pandemic-is-breaking-artificial-int.html

どれだけ世界最先端の人工知能を持ってしても、予期せぬ事態が起きると一気に機能しなくなってしまうのです。ちなみに、内挿マシンの基本は帰納。個々のデータや事実を通して原理や原則を導き出すことがベースになっています。変化が少ない状況であればこの帰納は有効です。しかし、土台となる世界に過去のデータから予期できない変化が突発的に起こった場合は、予測機能の精度が一気に落ちてしまう。。。これは課題だ。

となると、求められるのは内挿マシンではない人工知能さん。単純な発想ですが外挿ということになるのでしょうか？調べてみたところ、実際、高度な研究の世界で「外挿予測が可能になった深層学習技術を開発した」というニュースを発見。

【共同発表】量子物理学の理論や波動関数に基づく新たな深層学習技術を開発－学習データにはない、分子構造が大きく異なる未知化合物に対する物性の外挿予測が可能－（発表主体：産業技術総合研究所）

https://www.iis.u-tokyo.ac.jp/ja/news/3401/

内挿と外挿のいいとこ取りをした人工知能が登場すれば、また世界が大きく変わりそうですね。ちなみに、ヒトは基本、外挿的な物事に対応してますよね。予測できない事態がいきなり起こりますし。そう考えるとヒトってすごいなぁ。お読みいただきありがとうございました。

こんにちは。さて2022年度から始まりました当事務所の1人DX強化プロジェクト、順調に進んでいます。現在は、【機械学習・python】がテーマのオンライン講座と【統計学】がテーマのオンライン講座、計２つのコースを通して学んでいます。

現在学んでいるコース

●キカガクさんの動画コース’Python&機械学習入門’

https://www.kikagaku.ai/

●Udemy いちばん理解できる統計学ベーシック講座その１【確率分布・推定・検定】

https://www.udemy.com/course/statistics_basic/

どちらのコースも学びやすく、ガチ文系の私でもサクサク進めることができています。そんな中で統計学を学びながらタメになるなぁと思ったことがあったので述べていきます。

今日、Udemyの統計学ベーシック講座では中央値と平均値について学んでいました。この講座を学ぶまでは中央値と平均値の明確な定義がわかりませんでしたが、講座を聞いてようやく理解できました。言葉にするとこんな感じになります。

• 中央値とは？：各値との距離の合計を最短にする値
• 平均値とは？：各値との距離の２乗の合計を最短にする値

例えば、生徒が3人いて、それぞれ国語のテストの点数が９９点、８８点、８０点だったとしましょう。中央値と平均値はどうなるでしょう？　計算式は省きますが、こんな感じになります。

• 中央値：８８点
• 平均値：８９点

平均値の方がこのケースですと中央値よりも大きくなります。では、数学の点数が９９点、７０点、７５点だった場合はどうなるでしょう？他の2人は７０点台なのに、1人だけ９９点。前述したパターンよりもバラツキが多そうですね。この場合、９９点の値を「外れ値」と呼びます。結果を見てみましょう。

• 中央値：７５点
• 平均値：８１点

実は、平均値は外れ値の影響を中央値よりも受けやすいのです。これはとてもタメになりました。このことを勉強して私が思い出したのは、日本国民の平均所得と中央値の統計でした。2018年度のデータになりますが、全世帯平均の所得は552.3万円に対して、中央値は437万円となっています。（参考：世帯平均所得は552万円…世帯あたりの平均所得をさぐる(2020年公開版)https://news.yahoo.co.jp/byline/fuwaraizo/20200813-00191952）

平均所得552.3万円と中央値437万円、その差は115.3万円！　すごい差だぞ笑　前述した通り、平均は外れ値の影響を受けやすい。となると一部の高所得富裕層が外れ値となり、平均所得を嵩上げしている可能性が高い、という見方ができますね。

それが、良い悪いではなく、統計を見る際は、平均値、中央値、外れ値の関係性を頭に入れてから見た方が良さそう。統計学面白い。これからも勉強頑張ろう。