AI・機械学習

機械学習が失敗する3つの要因(そして、成功への1つのカギ)

機械学習は困難だが、グーグルの「TensorFlow」をはじめとするオープンソースプロジェクトが機械学習の成功に必要な文化を育んでくれるという。

 どの企業も機械学習に取り組もうと群がっているようだが、過去の記事で書いたとおり、この分野に取り組めるのは資金に余裕のある企業だけだ。Googleの「TensorFlow」やAmazonの「DSSTNE」のようなオープンソースの機械学習プロジェクトは、機械学習エンジニア志望者が超えなければならないハードルを下げ、機械学習の成功に向けた一番の障害だとGartnerのアナリストMerv Adrian氏が言うスキル不足を解決する。だが、どれだけトレーニングを積んでも解決できないより厄介な問題がある。それは、データ不足だ。

 ロシアのGoogleとされる企業Yandexは大量のデータを抱えるとともに、機械学習の成功に向けて自社を導くだけの経験も持ち合わせている。そのため、多くの企業にとって機械学習を成功させられない要因となっているデータ格差について、解消に向けた最善策をYandexの姉妹サイトYandex Data Factoryで最高執行責任者(COO)を務めるAlexander Khaytin氏から聞くのはとても興味深い。

 とはいえ、まず必要なのはデータだ。しかも、大量のデータが必要となる。

3つの障壁

 機械学習アルゴリズムを訓練するには、当然のことながらデータが必要だ。多くの企業は、そのような訓練に必要なデータという資産をまず持っていない。しかしKhaytin氏によると、真面目に機械学習プロジェクトに取り組んでいる企業にとってデータ量は問題ではなく、データを一カ所にまとめることこそが問題だという。

編集部おすすめの関連記事

残り本文:約1369文字 ログインして続きを読んでください。

「AI・機械学習」で読まれている記事

TechRepublic Japanで人気の記事

編集部オススメ

トレンドまるわかり![PR]

財務・経理
人事・労務
マーケ・営業
購買・調達
生産・製造
データ分析
コミュニケーション
通信・通話
文書・コンテンツ
PC・モバイル
新興技術
IoT
ドローン
ロボット
VR・AR
AI・機械学習
ITインフラ
クラウドサービス
OS・ミドルウェア
開発
データベース
運用
セキュリティ

ホワイトペーパーランキング

  1. AWSが提唱する、モダン分析プラットフォームのアーキテクチャと構築手法
  2. AWS資料、ジョブに特化した目的別データベースを選定するためのガイド
  3. Zero Trust Workbook--ゼロ トラストの先にある世界を知るためのガイダンス
  4. 「ゼロトラスト」時代のネットワークセキュリティの思わぬ落とし穴に注意せよ
  5. データ駆動型の組織でビジネスの俊敏性を実現するには?戦略的な意思決定とイノベーションを両立へ

Follow TechRepublic Japan

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]