ビッグデータをもとに機械学習させるという中途半端なAIの導入を夢見てない？それ、無理だから

AIというのは、テクノロジー（シーズ）の側面と、適用場面（ニーズ）の側面から考えられる。

●テクノロジー（シーズ）の面では、以下の２つの観点で、大きく３つのレベルに分けられる

【２つの観点】
　　・学習する必要があるか
　　・学習データは過去データか、生成するか？
　　　　　↓
【３つのレベル】
第一レベル：（学習の必要なし）
　アルゴリズムを使って（既知の特徴量から）AIらしい処理を行う
　　例：（機械学習を使わない）人物認識
　　　　多くのチャットボット、スマートスピーカー

第二レベル：（過去データによる学習の必要あり）
　機械学習によるAI処理。現在は統計的機械学習（SVM、回帰が多い）とディープラーニングが中心

第三レベル：（データを生成して学習する必要あり）
　強化学習・GAN等を使ったAI処理。なにかの動作の学習などで有力候補


●運用場面は、「認知」の観点から見ると、以下の５つぐらいに分けられるかも？

【５つの場面】
（１）感覚知覚：センサー入力から、「何か」を判断する
　　画像データから数字を判断する、人物を判断する

（２）認知（音声認識・画像認識＋α）
　　数字・文字などを判断したうえで、それらをまとめて判断・処理する
　　形態素解析、音声合成などがこれにあたる

（３）判断（予知・予測）
　　予兆検知や売り上げ予測など。
　　自動運転のルーチン的な操作も、どのルーチンを選ぶかという意味では判断　　

（４）高度な判断（意思決定）
　　ジレンマやトレードオフを伴る判断
　　自動運転のトロッコ問題など。
　　最適化は、「判断」の場合も「高度な判断」の場合もあり得る

（５）創作
　　新たなものを作成する
　　成功例としてはPaint Chainer等

→ただし、（２）は（１）、（３）、（５）は（２）、（４）は（３）を含んでいる
　（後者ができないと、前者もできない）

---

　このうち、現在成功しているレベルと運用場面の組み合わせは

・（１）感覚知覚に第一レベル、第二レベル
・（２）認知は、第一はだいたいやりつくされ、第二レベルへ
・（５）創作は、第三レベルで成果が出つつある（Paint Chainer等)出ないものもある。

　現在進行形なのは、
★（３）判断（予知・予測）に第二レベル

　うまくいくかどうかわからないのは
・（４）高度な判断：サポートはできるけど、そもそもジレンマは解けたらジレンマじゃない？
・（５）創作：うまくいくものもあるけど、なんでも捜索できるのかは？


　ビッグデータで機械学習させて、何かを予測させるとか、
　自動運転というのは、（３）、（４）のレベルにあたるけど、それは現在成功しているというより、
まだ、固まっていない技術。なので、これを一般の会社が入れるのはリスキーなんだけど
（リスキーなら半々で成功するはずだけど、失敗するのが多いのは）
それに加えて、

・（３）、（４）を行うためには、（１）つまり、センサーデータを取得し、それの判断部分がいるんだけど
　（主にIoT)この部分を構築するのがお金がかかるし難しい。
・（３）、（４）は第二レベルで行うのが中心。ビッグデータは集めるのに（１）のセンサー機械だけでなく、
　ディスク料金など、お金がかかる。この費用が問題

ということで、いまだと、（３）、（４）をねらうより、まずは（１）のセンサーデータとって、
（その際、必要なところにAI使って）可視化して、人間が判断するという状況をまず行う必要があるんだけど、
それをすっ飛ばして、「ビッグデータによる機械学習を導入し」・・・導入しようという
（１）（２）をしない中途半端なAI導入をしても、ちゃんとデータとれないし、データにもかなりのお金がかかるから、
その程度の認識では、導入は無理じゃないかなあ～