【図解】コレ１枚でわかるディープラーニングの学習方法

ディープラーニングは、画像の認識だけではなく、様々な用途に使われています。昨今話題の「生成AI」もこの技術を使っています。そんなディープラーニングを支えるニューラル・ネットワーク同士のつながりの強さを表した数値が、パラメーターです。このパラメーター数（つながりの数）が増えるほどに、「ニューラル・ネットワークの性能＝機械学習の性能」が向上します。

従来は、学習のために使うデータ（訓練データ）を増やし、階層の深いモデルでパラメーター数を増やし続けても、一定のところで性能は頭打ちになるとされていました。しかし、近年の研究により、これら要素を増加させれば、性能が向上することが分かりました。つまり、アルゴリズムやモデルを複雑化しなくても、規模を大きくすれば、性能が向上できるということです。

この規模の大きさと性能との関係を定量的に予測する法則が「スケーリング則（Scaling Low）」です。これは、経験則であり、既知の常識とは矛盾するものですが、「結果としてうまくいった」ので、広く受け入れられています。また、ある時点で、突然それまでにできなかったことができるようになることも明らかになりました。これを創発（emergence）と呼びます。

そんな「スケーリング則」が極めてうまく一致することから、投資対効果が正確に予測できるので、各社が、モデルのサイズ、訓練データの量、計算リソースの規模を増やす競争を繰り広げ、AIでの覇権を握ろうとしています。

こんなディープラーニングにも、以下のような課題があります。

データ依存性:訓練データの品質が性能に大きく影響を与える。

モデルの解釈性と透明性の欠如:結果の理由を説明できない。医療や金融などの規制産業での採用を妨げる要因となっている。

膨大な計算資源:モデルを大規化するのに膨大な計算能力とデータが必要。これには、相当な資金が必要とされ、研究や開発者には大きな障壁となる。

環境への影響:計算のために大量の電力を消費することで環境負荷が大きい。

セキュリティとプライバシーの問題:モデルを騙して誤った予測をさせることや、入力されたプライバシーに関する情報をどのように保護するか。

これらを含む様々な課題を解決するために研究や開発が行われていますが、容易なことではなく、課題あがることを前提に使いこなして必要があります。

新入社員のための「１日研修／1万円」

今年で8年目を迎える恒例の"新入社員のための「１日研修／1万円」"の募集を始めました。

社会人として必要なITの常識を学び、ITに関わることのやり甲斐を考える

ChatGPTや生成AIの登場でビジネスの前提が大きく変わってしまいました。DXもまた再定義を余儀なくされています。アジャイル開発はもはや前提となりました。しかし、ChatGPTに代表される生成AIが何か、何ができるのかも知らず、DXとデジタル化を区別できず、なぜアジャイル開発なのかがわからないままに、現場に放り出されてしまえば、自信を無くしてしまいます。

そんな彼らに、いまのITの常識をわかりやすく、体系的に解説し、これから取り組む自分の仕事に自信とやり甲斐を持ってもらおうと企画しました。

お客様の話していることが分かる、社内の議論についてゆける、仕事が楽しくなる。そんな自信を手にして下さい。

【前提知識は不要】

ITについての前提知識は不要です。ITベンダー／SI事業者であるかどうかにかかわらず、ユーザー企業の皆様にもご参加頂けます。

これからの営業の役割や仕事の進め方を学び、磨くべきスキルを考える

ChatGPTの登場により、ビジネス環境が大きく変わってしまいました。もはや、お客様からの要望や期待に応えて、迅速に対応するだけでは、営業は務まりません。お客様の良き相談相手、あるいは教師となって、お客様の要望や期待を引き出すことが、これからの営業には求められています。

AIやテクノロジーに任せるべきことはしっかりと任せ、人間の営業として何をすべきか、そのためにいかなる知識やスキルを身につけるべきなのか。そんな、これからの営業の基本を学びます。また、営業という仕事のやり甲斐や醍醐味についても、考えてもらえる機会を提供致します。