2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

機械学習でなんとかしようと安易に考えてみよう

Posted at

先に、「機械学習でなんとかしようと安易に考えるな」という記事を書いた。「機械学習だから、学習させればなんとかなるよね」という安易に考えすぎないことを述べた。機械学習でなんとかなるに違いないという安易すぎる考えで、不十分な品質のデータを収集する仕組みを作ってしまったり、機械学習が失敗したままになって改善が見込めないときに対するバックアッププランが用意できなくなってしまうことが恐れたための記事です。

しかし、この記事では、安易に考えてみようと主張します。

理由:

  • やってみれば意外となんとかなることがある。
  • やってみて失敗すれば、なにかしらの知見が得られる。
  • 最初からうまくいくことはほとんどない。
  • うまくいっている機械学習にしても、何度も学習データを追加するとか、学習条件を変更するとか、うまくいっていない状況から改善を繰り返すことで実現している。
  • 経験することで得られる知見は、web記事で得られる知見よりも自分自身にひびくものである。
    • 口頭で説明してわかってもらうよりは、実際に実行してみた結果を示した方が伝わりやすいこともある。

ほとんどの技術開発は、うまくいくことの証拠が開発着手前にあることはない。こうやればうまくいくに違いないという開発者の信念(もしくは思い込み)があるにすぎない。うまくいくことの証拠が得られるのは、開発が進んだ後である。だから、機械学習でなんとかしようと安易に考えてみよう

成功する確率を上げたい人は、失敗事例の記事が世の中には大量に存在するので、読んでみるとよい。

失敗事例についての記事

【ホワイトペーパー】なぜ上手くいかなかったのか 機械学習プロジェクトが失敗した5つの原因

【具体例あり】AIプロジェクトの失敗する原因3つと失敗しないで進める方法!

機械学習のトレーニングに失敗したしくじり事例

AI導入の失敗例と、成功のポイントとは?

AI導入の失敗あるある、「PoC死」の罠とは?

機械学習プロジェクトが失敗する9つの理由

2
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?