コンテンツ
- 情報技術の詐欺における自動化
- 自動化は機械学習の未来ですか？
- バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
- ケーススタディ
- 機械学習がジョブを置き換える可能性がある
- 結論
出典：Krulua / Dreamstime.com
取り除く：
機械学習は、システムが独自のプログラミングを変更する能力です。しかし、システムがこれを行うことができる場合、人間はまだ必要ですか？
機械学習は、コンピューティングの歴史における最大の進歩の1つであり、今ではビッグデータと分析の分野で重要な役割を担うことができると考えられています。ビッグデータ分析は、ビジネスの観点から見ると大きな課題です。たとえば、膨大な量のさまざまなデータ形式の理解、分析のためのデータ準備、冗長データのフィルタリングなどのアクティビティは、多くのリソースを消費する可能性があります。データサイエンティストやスペシャリストを雇うことは費用のかかる提案であり、すべての企業の手段ではありません。専門家は、機械学習は分析に関連する多くのタスク（日常的および複雑な両方）を自動化できると考えています。機械学習を自動化すると、より複雑で革新的なジョブで使用できる多くのリソースを解放できます。機械学習はその方向に向かっているようです。 （機械学習の使用の詳細については、機械学習の約束と落とし穴を参照してください。）
情報技術の詐欺における自動化
ITの短所では、自動化は異種のシステムとソフトウェアをリンクすることで、人間の介入なしに特定のジョブを実行できるようにします。 IT業界では、自動化システムは単純なジョブと複雑なジョブの両方を実行できます。単純なジョブの例としては、フォームとPDFを統合し、ドキュメントを正しい受信者に送信することがありますが、オフサイトバックアップのプロビジョニングは複雑なジョブの例です。
その仕事をするためには、自動化されたシステムをプログラムするか、明示的な指示を与える必要があります。ジョブの範囲を変更するために自動システムが必要になるたびに、プログラムまたは命令セットを人間が更新する必要があります。自動化されたシステムは仕事において効率的ですが、さまざまな理由によりエラーが発生する可能性があります。エラーが発生した場合、根本原因を特定して修正する必要があります。明らかに、彼らの仕事をするために、自動化システムは完全に人間に依存しています。ジョブの性質が複雑になるほど、エラーや問題の可能性が高くなります。
通常、定期的なジョブと繰り返し可能なジョブは自動システムに割り当てられます。 IT業界での自動化の一般的な例は、Webベースのユーザーインターフェイスのテストの自動化です。テストケースは自動化スクリプトに送られ、それに応じてユーザーインターフェイスがテストされます。 （機械学習の実際の使用の詳細については、次世代の不正検出の機械学習とHadoopを参照してください。）
自動化を支持する議論は、日常的で繰り返し可能なタスクを実行し、従業員がより複雑で創造的なタスクを実行できるようにすることです。しかし、自動化により、以前は人間が行っていた多くの仕事や役割が置き換えられたとも主張されています。現在、機械学習がさまざまな業界に進出しているため、自動化によって新しい次元が完全に追加される可能性があります。
自動化は機械学習の未来ですか？
機械学習の本質は、システムがデータから継続的に学習し、人間の介入なしに進化できることです。機械学習は人間の脳のように振る舞います。たとえば、eコマースWebサイトの推奨エンジンは、ユーザー固有の好みや好みを評価し、ユーザーの選択に最適な製品やサービスの推奨を提供できます。この能力を考えると、機械学習はビッグデータと分析に関連する複雑なタスクを自動化するのに理想的であると考えられています。定期的な人間の介入なしでは動作できない従来の自動化システムの主な制限をすでに克服しています。この記事で後述するように、機械学習は高度なデータ分析タスクを完了することができることを示す複数のケーススタディがあります。
既に指摘したように、ビッグデータ分析は企業にとって難しい課題であり、機械学習システムに部分的に委任することができます。ビジネスの観点から、これは、より創造的で重要な割り当てのためのデータサイエンスリソースの解放、作業完了の量の増加、タスクの完了に要する時間の短縮、費用対効果など、多くのメリットをもたらします。
バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
誰もソフトウェアの品質を気にしない場合、プログラミングスキルを向上させることはできません。
ケーススタディ
2015年、MITの研究者は、Deep Feature Synthesisアルゴリズムと呼ばれる手法を使用して、大量の生データから予測データモデルを作成できるデータサイエンスツールの開発を開始しました。科学者によると、このアルゴリズムは機械学習の最高の機能を組み合わせることができます。科学者によると、彼らはすでに3つの異なるデータセットでアルゴリズムをテストしており、テストの範囲をより多くのデータセットに拡大しようとしている。研究者のJames Max KanterとKalyan Veeramachaneniは、データサイエンスおよび分析の国際会議で発表される論文で次のように述べています。「自動チューニングプロセスを使用して、人間の関与なしに経路全体を最適化し、一般化できるようにします。異なるデータセットへ。」
タスクの複雑さを調べてみましょう：アルゴリズムには自動調整機能と呼ばれる機能があり、その助けを借りて、年齢や性別などの生データから洞察や値を導き出したり抽出したりします。予測データモデルを作成できます。このアルゴリズムは、複雑な数学関数とガウスコピュラとして知られる確率理論を使用します。そのため、アルゴリズムが処理できる複雑さの程度を理解するのは簡単です。この手法は、競技会でも賞を獲得しています。
機械学習がジョブを置き換える可能性がある
機械学習は、人間の脳の効率でタスクを実行しているため、多くの仕事に取って代わることが世界中で議論されています。実際、機械学習がデータサイエンティストに取って代わるという懸念があり、そのような懸念の根拠があるようです。
データ分析のスキルはないが、日常生活でさまざまな程度の分析が必要な一般的なユーザーの場合、膨大なデータ量を分析して分析を提供できるコンピューターを持つことは現実的ではありません。しかし、自然言語処理（NLP）テクノロジーは、人間の自然な話し言葉を受け入れて処理するようにコンピューターに教えることにより、この制限を克服できます。そうすれば、一般ユーザーは高度な分析機能やスキルを必要としません。
IBMは、製品Watsonの自然言語分析プラットフォームにより、データサイエンティストの必要性を最小限に抑えるか排除できると考えています。 Watson AnalyticsおよびBusiness Intelligenceの副社長であるMarc Atschuller氏によると、「Watsonのような認知システムでは、質問をするだけです。質問がない場合は、データをアップロードするだけで、Watsonはそれを見て推論できます」あなたが知りたいかもしれないこと。」
結論
自動化は機械学習の次の論理的なステップであり、eコマースWebサイト、友人の提案、LinkedInネットワークの推奨事項、Airbnb検索ランキングなど、日々の生活にすでに影響を及ぼしています。与えられた例を考慮すると、自動機械学習システムによって生成される出力の品質に疑いの余地はありません。そのすべての資質と利点については、機械学習が巨大な失業を引き起こすという考えは、少し過剰反応に見えるかもしれません。機械は、数十年にわたって私たちの生活の多くの分野で人間に取って代わりましたが、それでも人間は進化し、業界に関連するように適応しました。視点にもよりますが、機械学習は、そのすべての破壊性のために、人々が適応する別の波です。