実践フェーズに突入 最強のAI活用術 [単行本]

実践フェーズに突入 最強のAI活用術 [単行本] の 商品概要

• 要旨（「BOOK」データベースより）

  今のＡＩ（人工知能）で何がどこまでできる？ＲＯＩ（投資対効果）を高める秘訣は？どんなソフトやハードを使えばいい？学習に必要なデータをどう確保する？ベストセラー『人工知能が変える仕事の未来』筆者が著す、導入効果を最大化するＡＩビジネスの書。評価方法や人材育成など、知っておくべき全てを網羅！

• 目次

  ≪第1章　今のAIで何ができるか／できないのか≫
  AIに関する「よくある誤解」
  天文学的なデータ量・計算量を駆使する囲碁AI
  「子供の知能」をいかに生かすか
  画像監視が有用なビジネス領域を考える
  深層学習は「生データコンピューティング」
  AIを三つの軸で分類
  深層学習はどのように特徴を抽出するのか
  「パターン認識」はAIの目や耳
  深層学習による機械翻訳が圧勝した理由
  「強いAI」の誕生は早くて22世紀？
  指数関数の本当の怖さ
  知識量は高々2次曲線的に増える
  
  　【コラム】強いAI、汎用AI（AGI）の研究は科学か？
  
  今の深層学習を活用しない手はない
  深層学習と他の方式の組み合わせも有用
  
  ≪第2章　深層学習活用の基本的な流れ≫
  AI活用に欠かせない目標設定
  同じ評価データを利用可能にする
  精度指標は「適合率」と「再現率」
  前提となる正解が一つとは限らない
  適合率と再現率、どちらを重視するか？
  アマチュアとプロで求める精度は異なる
  深層学習の精度評価実験は非常に簡単
  共通の特徴と多彩な違いを反映した正解データを用意
  開発環境を使ったデータ学習の流れ
  オーバーフィッティングに注意
  
  ≪第3章　目標精度評価・活用の実際≫
  ◆例1　車載カメラで危険映像候補を認識
  
  危険運転の分類から自動運転の課題が分かる
  コスト削減効果は単純計算で7200倍
  交通標識のAI対応やRFID化も必要に
  
  ◆例2　日本語OCR（文字認識）
  ◆例3　希少がんなどの病理診断を支援
  
  精度目標の設定と予算見積もりは「鶏と卵」
  自動運転は様々な観点での総合評価が必要
  テスラ車の事故はなぜ起こったのか
  事前の期待値を考慮したサービス評価が大切
  実務フローの構想で有用な「取り違え行列」
  確率値付きの判定結果で分岐条件を精密化
  確信度に応じて処理を場合分け
  検体や医療機関ごとに最適な精度を設定
  AIの揚げ足取りをする意味
  対話ボットの精度をどう評価するか
  「対話成立度合い」で精度を定量評価
  ITILを参考に業務フローを改善
  例外的事態のデータを機械学習させて活用
  
  ≪第4章　具体例で見るAI導入の実際≫
  企業はデジタル・エンタープライズに進化
  AIを実装し、APIとして公開
  AI導入の概略と社内体制
  
  　【コラム】情シスはAIの担当になれるか
  
  正解データをうまく作るための留意点
  アノテーターによるラベル付けの実際
  少しずつ異なる正解データを「水増し」する
  深層学習の導入は辛抱強く
  運用時のトータルシステム構成を描く
  GPUを選ぶ：現状はエヌビディア一択
  ハードウエア機器を選ぶ：性能は10数年前の最先端スパコン以上
  メインメモリーの容量にも注意
  
  　【コラム】小型化の動きが加速
  　～GPU内蔵ノートPCやUSBアクセラレータ
  GPUクラウドという選択
  　【コラム】タダほど高いものはない？
  　無料のデータ学習サービスの実用性
  
  深層学習の仕組みは多彩
  主要な深層学習フレームワークの特徴と選び方
  多種類のネットワーク構造の中でどれを選ぶか？
  プログラム言語はほぼPython一択
  既成のAIリソースの活用を意識する
  完成したAIをアプリケーション化、API化する
  作ったAPIを世界に公開する
  様々なセキュリティ対策、プライバシーへの配慮
  目には目を、AIにはAIを
  AI導入支援企業側を守る不正コピー対策
  ソースコードをあえて一部開示する提供方法も
  
  ≪第5章　AI導入を支える人材が持つべきスキル≫
  ユーザー企業はAI人材をどう確保するか
  ユーザー企業のマネジャーが心得るべきポイント
  AI時代に必要なのはシャーロック・ホームズのような思考力
  AI要員に求められる資質と専門分野
  旧来のIT知識が足を引っ張る恐れも
  「正解データの整備」が開発作業の中心に
  APIエコノミーでマッシュアップの達人がより大切に
  AI要員に欠かせない高いコミュニケーション能力
  知識は急速に陳腐化する
  知識労働から知能労働へ
  知識はタダ同然になっていく
  AIと人間の役割分担を考える
  人間はビッグデータ無しにそこそこの確度で推論できる
  異なる専門家のコラボを実現する「ペア要求開発」
  AIプロジェクト推進の原動力となる人材
  熟練職人芸をAIに移植した後の空洞化対策
  
  ≪第6章　AIの産業応用で今後留意すべきこと≫
  ビッグデータの役割はより重要に
  AIを利用して人々がデータに圧倒されないようにしたい
  現在のAIにも存在する「知識獲得ボトルネック」
  データの整備や付加価値化にこそAIを活用すべき
  正解データの整備・収集時の留意点
  日本はAI導入の「伸びしろ」が大きい
  店員と同じように接客できるAIが登場する？
  AI研究者にとって人文科学や哲学は重要
  ベーシックインカムでは問題は解決しない
  AGI＝汎用AIを道具として扱う

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  野村 直之(ノムラ ナオユキ)
  メタデータ株式会社代表取締役社長。法政大学大学院イノベーション・マネジメント研究科兼担教員。１９６２年生まれ。１９８４年、東京大学工学部卒業、２００２年、理学博士号取得（九州大学）。ＮＥＣ　Ｃ＆Ｃ研究所、ジャストシステム、法政大学、リコー勤務をへて、法政大学大学院客員教授。２００５年、メタデータを創業。ビッグデータ分析、ソーシャル活用、各種人工知能応用ソリューションを提供。この間、米マサチューセッツ工科大学（ＭＩＴ）人工知能研究所客員研究員（Ｖｉｓｉｔｉｎｇ　Ｓｃｉｅｎｔｉｓｔ）

• 内容紹介

  今の人工知能（AI）を正しく理解して活用し
  導入効果を最大化するAIビジネス書の決定版
  
  AIブームはとどまるところを知らず、企業や組織はAI活用の実践フェーズに突入しつつあります。
  一方で、AIに関する様々な誤解がいまだに蔓延しており、深層学習（ディープラーニング）をはじめとする「今のAI」をどうすればビジネスに生かせるかの理解も進んでいません。
  
  AIは非常に大きな可能性を秘めています。今のAIを効果的に活用すれば生産性やROI（投資対効果）の劇的な改善につながります。
  一方でAIは癖のある道具であり、使いこなすには正しい理解と十分なノウハウが欠かせません。
  
  本書は30年以上にわたりAIの開発や導入・活用を手掛けてきた筆者が、AIのビジネス活用に必要なすべてを具体的に解き明かす待望の一冊です。
  今のAIで何がどこまでできるのかにはじまり、AI活用の進め方や評価方法、データを確保する手順、ハードやソフトの選び方、人材育成のやり方までを豊富な実例で具体的に説明します。
  
  今がAI導入の絶好のチャンス。ここで決断しないと、国内外のライバルに後れを取ることになりかねません。
  自社のAI活用に取り組むIT部門や経営企画部門、業務部門、顧客企業のAI活用を支援するベンダーやコンサルタントなど、AI活用に関わる人必携の一冊です。

実践フェーズに突入 最強のAI活用術 [単行本] の商品スペック