我们为人工智能设下的目标,与现实情况之间,其实是有着难以磨灭的差距的。即便制作出了一些试行项目,但是其在现实世界中的运用却难以为继,类似的例子不绝于耳。本书致力于让开始或探讨AI(人工智能尤其是机器学习)的导入、但进展不顺利的企业及负责人理解Z初的系统性问题出在哪里,全书旨在传授能够成功导入AI的“规则”。作者把“关于AI的商业应用的思考方法”总结为“7条规则”。书中并未涉及很难的理论和复杂的数学公式,在简单地解说机器学习理论的基础上,再来解说其在企业的商业化应用中应该掌握的要点。本书是熟练使用AI这一数字技术的必读书。
编程小白也能读懂的人工智能图书
2012年,机器学习领域中的深度学习发展到了一个新高度。以此为契机,日本的人工智能热潮随之到来,通过对机器学习的灵活运用,迄今为止的许多棘手问题纷纷能够得以解决。另外,计算机视觉( Computer Vision)的性能也得到了极大的提升,由此,机器学习的应用范围也正在极速扩展大众对于人工智能的期待值日复一日地升高。然而,我们为人工智能设下的目标,与现实情况之间,其实是有着难以逾越的差距的。即便开发出了一些试行项目,但是它们在现实世界中的运用却难以为继,类似的例子不绝于耳。有许多人,他们由于人工智能在实际运用方面没有获得进展而希望幻灭。而且他们在没有对人工智能抱有正确的理解下,就妄下定论:人工智能没有用。
在这样的背景之下,我们不得不说:人工智能人才处于短缺状态。的确,2016年日本经济产业省的调查结果显2020年日本尖端科技人才(擅长于人工智能等软件技术的人才)有48000人的缺口。因此,有不少人甚至提出这样的论调:制作机器学习系统的对口人才,即机器学习工程师十分短缺。
我从2017年起,开启了 Aidemy这一服务。该项服务旨在令用户能够在网页端简易操作计算机程序语言 Python。到2020年为止,已经有超过50000名用户使用了该服务。另外,我于2018年出版了《一本书教你人工智能编程的数学》、【角川( KADOKAWA)书店出版】、《用Python来学习!全新深度学习教科书从机器学习的Z基础到深度学习》(翔泳社出版)等书,为解决机器学习工程师短缺这一问题而不断向前迈进。
然而,在进入了2019年后,一些新的变化出现了。那时,我所运营的 Aidemy服务正在努力迈进以制造行业、金融行业、信息技术企业等为中心的大企业。在这期间,有不少用户对我说,他们更希望我在写面向工程师的书之余,能够写一本给商务人员或规划师( Planner)的书。因此,我从2019年后,就专注于写出一本给规划师的书。我与各行各业的经营者进行了对话,他们当中有不少人都有着一致的论调,即机器学习工程师短缺,而且机器学习规划师更加短缺。
机器学习规划师的职责是什么呢?其实就是整理出需要解决的课题,以及明确机器学习工程需要获得的成果。
即便有试行项目,但是在现实生活中却无法获得实际运用。这是机器学习规划师短缺的一大特征。虽说也有一部分人会采取“总之先用手头上的数据来推进企划吧”“先模仿其他公司的例子吧”等说辞推进他们的企划。然而事实上他们的工作进展得并不顺利如果想要让机器学习项目获得成功,那么就必须整理出自家公司所面对的课题,并把握住机器学习技术的特征,再以此为基础,找出机器学习中亟待解决的课题。
接下来,如果有数据的话,就分析现有的数据;没有数据的话,就以投资回报率为基准,用投资的方式来获得自己所需要的数据这样想来,一个机器学习规划师也需要掌握设计企划的相关技能。今后,机器学习将会成为社会必需的技能,那么伴随着这一潮流,机器学习规划师的需求也会日益增高。
人工智能风险企业也在倡导着机器学习规划师的必要。有许多人工智能风险企业都曾接受过大企业的机器学习板块负责人的咨询。有很多咨询者似乎处于一种明确度很低的状态,他们的问题十分抽象又模糊,仿佛是处于一个找不到答案的迷宫里。他们咨询的问题,一般都是这样的:“我们是希望借助机器学习做点什么的,但是又不知道该怎么做比较好”或者“希望能够使用这个数据记录,来试着做一下机器学习模型”等。
其实这些人工智能风险企业都是十分希望能够整理出这些课题,并通过讨论来得出企划方案的,但是在有限的资源之中,将这些不够清晰明了的问题全部处理完,是根本做不到的。因此,他们时常陷入不得不拒绝对方的情境:“请您再稍微整合一下关于机器学习技术的大体纲要,将问题的明确度提高之后再过来……”
因此,本书从人工智能领域中机器学习商用的思考方式这一角度出发,总结出了“七个规则”。而这种思考方式也是机器学习规划师所必须掌握的。我曾跟进过许多的机器学习项目,而且在与机器学习工程师共同工作之时发现了一些规律。而我提出的七个规则,其实就是将这些规律进行了抽象总结。本书不会提到难以理解的理论和复杂的数学公式只会以简单明了的方式为大家解说机器学习相关理论,明确商业企划当中所必需的要素,以及一些亟待明确的知识点。
因此,本书的目标读者群,首先就是正在考虑商用机器学习的规划师。相信购买本书的你,一定有着自己的想法。或许,你是机器学习板块的负责人、对机器学习的运用抱有兴趣的人或是想要了解机器学习的人。如今,市面上有许多与机器学习相关的专业书、商务书,而本书则是从Z初步的地方为大家讲解机器学习。希望大家能够明确,首先一定要掌握本书所提到的机器学习技术的要点,再在推进项目的基础上巩固其次,本书的目标读者群就是正在考虑在企业内使用机器学习的工程师。如果你希望获得机器学习工程师需要掌握的具体技术,像算法语言、解析手法或编程等知识的话,就请移步其他图书。但是,如果各位工程师在推进项目之时,有了诸如以下的感受:“怎样让规划师掌握技术”或“如何做到与企业利益相关者持续对话”等,那么本书就正适合你。作为工程师的你,在已经掌握专业的解析技术的基础上,相信读罢此书之后,更能够以实际运用技术的商务视角来强有力地开拓项目工程。
Z后,本书的目标读者群就是希望使用机器学习来革新商业的经营者。相信现在,没有几家企业的经营企划关键词里还没有机器学习吧。要想推进机器学习项目,就必须有着强有力的、自上而下的管理方式。除此之外,这也要求经营者对人工智能技术有着透彻的理解。机器学习与迄今为止的系统投资的方式有着很大的差别。只有把握好机器学习这种全新的方式,才能够正确理解公司内的项目状态,以及做到Z合理地分配公司资源迄今为止,我一直认为,学习机器学习知识是一件物超所值的好事。与英语能力等技能相比,从事机器学习的专业人士仍然很少,而且现在学习的困难程度也有所下降。在拥有机器学习技术素养后,可选择的工作范围就会宽广许多。
因此,我希望本书能够帮助大家,以机器学习为第一步,去开拓未来科技的更多可能性。
石川聪彦
1992年生于神奈川县横滨市。在东京大学工学部学校期间创立AIDEMY公司并担任总裁。2017年开始提供AI商业设计服务,两年内用户突破5万人,成为日本Z大的前沿技术学习服务供应商。随后,创立AI系统咨询公司(Aidemy Business),并担任早稻田大学AI变成实践课讲师,入选“福布斯日本地区30岁以下商业领袖”榜单。著有人工智能领域的畅销书《学习人工智能程序设计必备数学书》。
第一章
导入AI失败 九成都是 “隐形损失”! 1
第一节 人工智能早就进入了幻灭期 2
第二节 屡屡遇PoC死,多数的人都陷入了幻灭 10
第三节 机器学习工程师和机器学习规划师会互相走近对方吗? 15
第四节 早在进入概念验证阶段前,就注定了PoC死这一结果 23
第五节 机器学习真正需要的究竟是什么? 26
第六节 掌握“机器学习商业模式画布”概念 34
第七节 你在运行项目的时候,是否意识到了“制约条件”呢? 41
第八节 很重要!提前定义好成功的条件 43
第二章
投资回报率Z大化 企业应当遵守的七个规则 47
总则 七个规则让机器学习的效果Z大化 48
规则一 应明确机器学习的投资回报率 51
规则二 应把握可用数据和不可用数据 73
规则三 应确定应该导入机器学习的领域 92
规则四 应提高输出和输入的明确度 104
规则五 应正确评价机器学习的性能 111
规则六 应提高对实际运用的预想程度 121
规则七 应创建利益相关者共生的生态系统 134
第三章
从人工智能项目的三个实例来看企划书的金科玉律 143
导语 符合机器学习项目七个规则的企划书大公开 144
案例— A公司使用机器学习实现了工厂机器设备的检测 146
案例二 B公司使用机器学习实现了不合格产品的检测 157
案例三 C公司使用机器学习实现了自动推荐商品 164
第四章
未来的企业与人工智能的应用 173
第一节 自动机器学习(Auto ML)与数据机器人(Data Robot)的登场,让机器学习迎来变革期 174
第二节 作为企业, 重要的是“获取数据的觉悟” 179
第三节 增加公司内部机器学习人才的处方笺 182
后记 185