新規事業のつくり方

新しいことを学ぶことが好きです。今は機械学習や自然言語処理に興味があります。

就職を控える大学生や若手会社員にとって、これからの変化の波を読むことは重要なことです。自分が身に付けたスキルや経験が、将来不要になるのではと心配していることでしょう。

今起きている社会変化は、"人工知能"というテクノロジーが牽引しています。その変化はとても急激です。人間が把握できる情報量では追い付けなくなっています。

しかし人工知能分野の事業開発に携わる一人として、これからの生活がどう変わるか、大枠での予測は可能だと思い、5年後に起こりうることを予測しました。

未来予測の考え方
①メタップス佐藤さんの本「未来に先回りする思考法を」を大いに参考にする
②自分が人工知能の仕事で体験したことを参考にする
③世の中の統計データを参考にする
    続きを読む

上司から一言「人工知能について何か考えてみてくれないか」

翻訳すると、「外部環境として他社のAIの事例を調べ、内部環境として自社のビジネスプロセスを分析し、AIを導入できそうな領域を特定し、人工知能の開発方法を検討し、導入後にどのくらい収益に貢献するかのストーリーを作ってくれ」 ということです。

数あるムチャ振りの中で、最もムチャ振りな仕事と言えるでしょう。このセリフを言われたら、こう返してください。
「それなら〇〇さんが人工知能に詳しいみたいですよ。」
※〇〇には潰したい人の名前を入れましょう

逃げられなかった人へ
おめでとうございます。あなたは流行の最先端です。一緒にAIバブルに踊りましょう。

参考書籍
続きを読む

チャレンジすると失敗する。チャレンジしなければ失敗しない。
人間は失敗から学ぶ。
よって、人間の成長を最大化するためには、チャレンジ数を最大化することだ。

新規事業とはチャレンジの代名詞であり、成功確率は高くない。成功率を高めるためには、何度も経験するしかない。蓄積スキルは、経験数とコミットメントの掛け算だ。

一方、推進を担う事業開発部門はわりと花形な部署でもあるため、失敗すると、出世コースから外れたり、次の新規事業を任せてもらえなくなる。チャレンジ数を最大化したくとも、何度もチャレンジさせて貰えないのだ。

ここでは、新規事業失敗の社内的ダメージを最小化する方法を紹介したい。おそらく新規事業以外の失敗でも応用できるはずだ。

参考書籍

続きを読む

人工知能技術の歴史を変える1冊が出版されました。


現在人工知能技術(AI)は、Googleが牽引しています。その技術力は世界随一です。またWeb上の検索データを掌握しています。これからのGoogleの発展は、そのまま人工知能の発展といえるでしょう。

一方本書は、人工知能技術の本命であるディープラーニングについて、極めて分かりやすく説明してくれています。いずれ古典となる本です。

一般の人にディープラーニングという最先端技術を民主化したのです。現在本書の輪読会が多数開催されています。今後本書を学んだエンジニアが、世界を変えるためにAIの開発を行っていくでしょう。この本が日本語で出版されたことを、大変うれしく思います。 

多くの日本人に本書を読んで欲しいのですが、 140字以上の文字を見ると痙攣する人もいるかもしれません。ですので、本書のエッセンスを簡単に解説します。

続きを読む

Pythonで人工知能を使ったWebサービスを作ってみます。具体的には、その人がニートかどうかを予測するプログラムです。
今は洗練された機械学習のオープンソースやWebフレームワークが用意されていて、とても簡単に実装できます。初心者の方でも1ヶ月ほど勉強すれば十分出来るようになるのではないでしょうか。
なお今回のWebサイトは、cssなどのデザインが超適当です。。。

順番はこんな感じです。

1.Pythonをインストールする
2.FlaskとWTFormsをインストールする
3.データを用意する
4.予測モデルを実装する
5.予測結果をHTMLに渡すプログラムを実装する
6.結果を表示するHTMLを作成する   

参考書籍
続きを読む

理系研究者は、この大自然を対象に、仮説を立て、実験を行い、データを集め、法則を発見している。
一方データサイエンティストは、企業を取り巻く市場環境や生産設備などに対して、データを集め、分析し、パターンという法則を発見する。 その法則は、自然科学分野のような普遍性は持たない。その企業でしか役に立たない局所的な法則だ。しかし、その企業が業績を大きく向上させるくらいの効果は十分に持つ。

データサイエンティストが科学する対象は、主にマーケティングや経営学の領域だ。文系学問の領域に、理系研究者が行うデータによる仮説検証の手法を持ち込んでいる。
続きを読む

「日本で最も人材を育成する会社のテキスト」という本を読みました。

本書によると、
人間の学びの70%が経験からだそうです。つまり、いかに効果的に経験から学べるかどうかが、成長の鍵になるということでしょう。

最も成長できる学習方法とは何か

本書が提示する、経験からの効果的な学習を図解化してみました。

続きを読む

Python(パイソン)で人工知能を開発したい人向けに、これだけは知ってほしいという知識をまとめました。本記事だけで、PythonでAIを実装出来るはず。

まあ簡単に言うと、データをきれいにして、サーキットラーン(scikit-learn)というライブラリにデータ食わせれば、予測モデル(=人工知能)が作れるというお話です。

AI開発のプログラミング言語はPython一択

AI開発のプログラミング言語はPython一択です。理由は3つあります。

①Python向けの人工知能ライブラリが豊富だから
  ・データ処理:NumPy、Pandas
  ・作図:Matplotlib
  ・ディープラーニング開発:PyTorch、TensorFlow
  ・機械学習:scikit-learn
②Pythonは業務システムやWebサービスとして実装可能(Rで業務システムは作れません)
③シンプルな言語で可読性が高くプログラミングが簡単

機械学習エンジニア・データサイエンティストの求人は、ほぼ確実にPythonが前提条件です。
続きを読む

「年収3000万以上稼ぐにはどうすればいいですか?」という質問を受けました。
しかも、20代、30代のうちに稼ぎたいとのことでした。
 
とりあえず、どういうことをやればいいのか思いつく限り上げてみました。
続きを読む

人間は、人間を区分けすることが好きだ。
女王と奴隷、貴族と平民、武士と農民、資本家と労働者、正社員と非正規社員など、各人の生まれや能力によって、人を区別する枠組みを設けられてきた。組織運営の理由もあると思うが、人間は遺伝子レベルで人よりも上回りたいと願う生き物だということだろう。

そして2020年、人類は人工知能を管理する側と、人工知能に使われる側で区別されるかもしれない。
続きを読む

↑このページのトップヘ