機械学習で避けるべき3つのよくある間違い

企業は、お金の無駄遣い、アプリケーションのパフォーマンスの低下、成果の得られないという 3 つの間違いを犯し続けています。

私はクラウドベースの機械学習やディープラーニング、そして人工知能全般の大ファンです。結局のところ、質問に答えたり命令を実行したりできる人工知能と会話することを想像できないのであれば、あなたはオタクとは言えません。

そうは言っても、クラウドベースの機械学習やディープラーニングが何度も誤用されているのも見てきました。もちろん、クラウドベースの機械学習はすでに広く使用されているため、この問題はほとんど簡単に修正できます。しかし、それを賢く適切に使用する必要があります。

ここに私がよく見かける 3 つの間違いを挙げます。

[[236065]]

1. 知識モデルをトレーニングするためのデータが不足している

学習なしの機械学習は無価値です。機械学習の実際の使用例は、大量のデータにアルゴリズムを適用し、特定のパターンを出現させ、それを機械学習ベースのアプリケーションのトレーニングにすることです。

つまり、データがなければ学習はあり得ません。機械学習アプリケーションは最終的にデータを収集し、よりスマートになりますが、システムに思考方法を教えるのに十分なデータがある出発点が必要です。

たとえば、病院では、入院中に患者が死亡する可能性を魔法のようにスタッフに伝える機械学習システムが稼働しています。データ ポイントが 100,000 個もない場合は、確率は 0 または 100% のいずれかになると予想されますが、これはまったく役に立ちません。

2. 必要のないところで機械学習を使う

これは私が目にする最も一般的な失敗です。企業がアプリケーションで機械学習を使用することで、まったく理由もなく開発コストを 2 倍または 3 倍にしてしまうのです。機械学習システムが実際に何の利点ももたらさないユースケースは数多くあります。

手続き型ロジックはほとんどの状況でうまく機能するため、会計システムやスケジュールシステム用の知識ベースを構築するのはやりすぎです。さらに悪いことに、結果として得られるアプリケーションの効率ははるかに低くなります。

3. パフォーマンスへの影響を理解していない

アプリケーションに機械学習システムを組み込むと、ビジネスにとってさらに価値が高まる場合があります。ただし、これによりアプリケーションのパフォーマンスが大幅に低下する可能性もあります。

考えてみてください。組み込みの機械学習サービスでは、データに対してアルゴリズムを実行する際に数秒の遅延が発生する可能性があります。アプリケーションがほぼリアルタイムで応答を提供する必要がある場合、応答の遅延によって生産性が失われるため、機械学習の価値はすぐに失われます。