AIが解決する6つの問題

    データサイエンス・プロジェクトの85%以上が、テストから本番へと移行できずにいる。誰もが機械学習/人工知能プロジェクトを始めているとしたら、どこで失敗しているのでしょうか？ 

 

 

この記事を読めば、AIが得意とする問題の種類に焦点を絞ることができるはずだ。AIを使って自動化を進めることで実際に利益を得るためには、適切なデータが必要であり、十分なデータがあり、データポイントで定義できる方法論があり、チームのワークフローの一部にソリューションを適用したり作り上げたりする方法を理解する上で創造的である必要がある。

AIによる問題解決の例

        
1) 分類（決定）
      
    
バイナリーの決断：買いか売りか、イエスかノーか、スタートかストップか 
分類：承認、拒否、再審査のフラグ、ラベリングデータ 
センチメント：ネガティブ、ニュートラル、ポジティブ、さらに極性スコア
        
        
2) 抽出（自動データ入力）
       
    
ソース文書、ウェブサイト、PDF、フォームを解析する
情報を抽出し、データベースに自動的に入力します。 
社内および顧客向けダッシュボードのデータ表示やアクセス
     
        
3) 要約
       
    
目的は、より大きなテキストから最も関連性の高い文章を抽出することである。抽出モデルは、要約に含める文全体を選択し、抽象モデルは、コンピュータが生成した単語や他の文の一部と組み合わされる文の一部を選択する。
      
        
4) 推薦
       
    
一連の文書（または記事、コンテンツ、特許、顧客プロファイルなど）が与えられた場合、検索対象のデータベース内で類似するコンテンツを特定する。
      
        
5) 見積もり
      
    
スプレッドシートが100,000行を超え、多くの変数があるため、エクセルを開くとコンピュータがクラッシュするほどのデータがない限り、より良い推定モデルを構築するためにA.I.を必要としないかもしれない。機械学習は、あなたがすべての変数の重要性を確信していないときに、何百もの次元に対して最適化することができます。 

 

 

一生涯の人口データを使って個人の健康に影響するすべての要因をモデル化するのと、郵便番号、寝室の#、広さに基づいて住宅価格をモデル化するのとを考えてみよう。

6) 異常検知

    
サイバーセキュリティについて考えてみよう。御社のIT部門は、御社の全従業員の通常の行動を把握しており、御社に実際にリスクがある場合には警告を発する必要があります。例：ハッカーがネットワークに侵入し、会社のIPを盗んでいる。 

 

実際の攻撃形態がどのようなものかを事前に予測することは不可能かもしれないが、異常検知モデルを導入することで、ログインの10,000%スパイクや、海外にあるサーバーに向かうアウトバウンド・トラフィックのような行動の逸脱を探すことができる。