ICT教育が活きる

　おはようございます。

　学童、高校生、大学生に高度な情報教育が急務だと思います。情報教育を小集団活動により生徒が自由にテーマを選べたら、経済安保や個の未来にも役立つでしょう。AIやロボットなど先端ソフト経験が未来の扉を開きます。

　日本の公立校に20％近い、今の教育システムに不適な生徒さんが地区によらずいると思います。多くは帰宅部、悪友とつるむかとゲームか。良くて学童保育か塾通い。楽しいICT教育が苛めや閉じ籠りを少なくするでしょう。

　過適合(overfitting)、過学習(overtraining)の理論が統計学にあり、情報科学の研究、AI、ロボットの知識獲得システムで人気でしたが下火になり、また最近、ディープラーニングがこの用語を表舞台に登場させました。AIだけでなく子供の知育に適用できると思います。

　30年以上前、大量に知識を入力すると正しい推論を自動化できると考え、機械翻訳や人工知能を実現する第五世代計算機開発を通産省が目指し、失敗した理由は色々ありますが、プロ並みの人の知識獲得、即ち知識入力が大変だったのも失敗の理由のひとつでした。

　最近、ディープラーニングが進化し、またAIや機械学習がブームになりました。ディープラーニングは、機械学習させた条件の近傍の問題にも正しく回答できますが、機械学習させた条件と大きく違う異常な条件に出くわすとAIは正しく判断しません。

　現実の社会システムは想定不能な異常な状況に陥ります。ロシアの侵略や大地震の災害などです。要件が抜け落ちていたと後から分かります。想定不能の要件があるとAIは正しく判断しません。

　プロが数学モデルを作って考察しても、上手く未来の状況を考察できるのは4次元までです。将来予測は条件の絞り込みが役立ちます。このため私は4項目の箇条書きで何事も押し通しています。

　要件定義が多い方が現実を正しくモデル化でき、4項目より10項目の方が正しいと言う人が多そうですが、未来は予測不能です。予測できなかったパラメータが潜んでいます。現実の社会システムの要件は無限に存在します。

　サンプルの離散的有限個のデータをインターポレーションやエクスターポレーションにより連続関数グラフ化するのを小学校で習います。中間値は精度が良く、下限や上限付近の誤差は大です。未来は上限の外、予測は外れます。

　教育の問題を考えます。例えば数1は難しい教科です。20点から80点のテストが20点から40点に大きな山、60点から80点に小さな山ができ、最下位、最上位、中間に薄い層が3つできがちです。点数を正規分布に直して評価するか、そのままの分布関数で評価するか、教え方も評価も難問です。

　会社の人材育成も似ていますが更に難問です。潜在能力、実際の業務成果など評価は大変です。結局、楽しい指導や業務がベストです。その結果、国も国民も豊かになります。随時随所楽しまざる無し。南無大師金剛遍照。

　要件を

　増やさず思考

　楽しもう

　今日はここまでにします。