20210909AI/DX勉強会

AI/DXの基礎を理解して、道具としての活用を学ぶワークショップ

Transcript

1. サンカクパートナー AI/DX勉強会 2021年9月9日 吉岡 拓真
2. 1 自己紹介 吉岡 拓真 i タイ王国/バンコク在住：２S i 豊田通商システムズ(タイ9 i 新規事業企' i 現地採` i サンカクパートナH i 参加：2021年6月 i プランニング経験なし https://www.facebook.com/daikichi.daze @daikichidaze
3. 2 Background 副業：データサイエンススクール補助 好きなこと：料理・お酒・観る将 宇宙化学/隕石分析 オペレーションズ・リサーチ 数理最適化 新規事業開発
4. 3 本日のテーマ AI/DX勉強会 テクノロジーをどうやって事業企画に活かす？
5. 4 本日の流れ 前半：(1) AIの基礎 (2) 普及への課題 後半：グループワーク
6. 5 本日のゴール エンジニアではなくとも「道具」として 事ができることを理解する 道具のインプットとアウトプットの関係を 理解し、 ことを目指す AIを使いこなす テクノロジーと共存する
7. 6 テクノロジーとの共存 2020年7月16日　藤井新棋聖コメント 「AIとの向き合い方」という質問に対する回答 “数年前にはそういう（将棋）ソフトとの対局は 大きな話題になりましたが、 と思う。プレーヤーとしてはソフト を活用することで自分自身が成長できる可能性があ る。見ていただく方にも観戦の際の楽しみの一つに してもらえたらと思う。今の時代においても、将棋 界の盤上の だし、自分としてもそ ういう価値を伝えていけたらと思う” 今は対決を超えた共存 の時代に入った 物語の価値は不変 https://www.yomiuri.co.jp/igoshougi/20200716-OYT1T50303/ https://www.chunichi.co.jp/article_photo_chuspo/list?article_id=90048&pid=175692
8. ur 技術的な話は5%くらいしか取り上げません。
 （スライド２枚分x Cr 本勉強会の内容は、曖昧な内容をなるべくわかりやすく解 説するため、吉岡個人の意見・解釈を多分に含んでいま す。そのため一部厳密性に欠ける部分があるかもしれませ ん。予めご了承ください。 7 留意事項
9. 8 本日の流れ 前半：(1) AIの基礎 (2) 普及への課題 後半：グループワーク
10. 9 “AI”とは？ 人工知能：Artificial Intelligence “人間の知的能力をコンピュータ上で実現する、 様々な技術・ソフトウェア・コンピュータシステム” 強いAI/汎用型AI 弱いAI/特化型AI https://www.tv-asahi.co.jp/
11. 10 ビジネス適応におけるAIの３つの構成要素 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類
12. 11 1. AIの技術要素 『AI白書2020』図3-2-1より引用・加筆 6 組み合わせ最適P 6 動的計画A 6 ネットワークアルゴリズS 6 等々 構成要素
13. 12 1. AIの技術要素 実現できること ① 予測（回帰・分類） ② クラスタリング ③ 最適化・実行 Wikipedia 『見て試してわかる機械学習アルゴリズムの仕組み機械学習図鑑』
14. 13 2. AIの適応対象・データの種類 閲覧/行動履歴 購入履歴 画像 センサー 映像 映像 音声 株価 位置情報 ネットワーク
15. 14 3. 適応領域・ビジネスドメイン ① 産業業界 ② ビジネスプロセス/ バリューチェーン https://digmee.jp/ https://www.persol-group.co.jp/service/business/article/59.html
16. 15 [再掲]ビジネス適応におけるAIの３つの構成要素 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類
17. 16 本日の流れ 前半：(1) AIの基礎 後半：グループワーク (2) 普及への課題
18. 17 AI/DX普及への課題 PwC Japan『2021年AI予測（日本）』
19. 18 AI/DX普及への課題 PwC Japan『2021年AI予測（日本）』 社員のAI利活用の推進スキル ✓ プログラミング・数学能力だけではない 「AIの挙動を理解して使いこなす力」
20. 19 AIへの理解を阻害するものとは？ 「AIで〇〇を実現」
21. 19 AIへの理解を阻害するものとは？ 「AIで〇〇を実現」 構成要素に関する情報が不十# " 技術要E " 適応対0 " 適応領域 具体的に、どのように実現したのか 理解しにくい＝参考にしにくい
22. 20 インプットとアウトプットを 理解する 「弱いAI」の特徴を掴む https://www.tv-asahi.co.jp/doraemon/tool/sa.html
23. 21 弱いAIを使いこなす 1. 課題分析 2. ソリューション設計 3. ツール選定 4. 適応→解決
24. 22 まとめ 「弱いAI」の特徴を理解し使いこなすことで、導入/普及を促進 ３つの構成要素に分けて理7 Y 技術要素　　　インプットとアウトプットの関係を理7 Y 適応対Æ Y 適応領域
25. 23 本日の流れ 前半：(1) AIの基礎 (2) 普及への課題 後半：グループワーク
26. 24 グループワーク 事例分析 身近なサービス/ビジネスはどう活用してる？
27. 25 フードデリバリーサービスの例 1. 需要予測 2. マッチング 3. ルート検索 4. 不正ユーザ検知 AIが利用されていそうなシーン
28. 26 フードデリバリーサービスの例 1. 需要予測 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類 予測（回帰） インターネットサービス フードデリバリー業界 過去の購買ログ/
 時系列データ/地図 未来の注文発生 需要を予測 i 配達員の最適配k i ダイナミックプライシング
29. 27 フードデリバリーサービスの例 2. マッチング 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類 最適化 インターネットサービス フードデリバリー業界 ユーザ×ドライバー× レストランの組み合わせ 膨大な組み合わせから 最適な配車を実現 x フードデリバリu x ライドヘアリング（配車）
30. 28 フードデリバリーサービスの例 3. ルート検索 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類 最適化 インターネットサービス フードデリバリー業界 道路ネットワーク・ 地図 膨大なルート候補から 最短・最適ルートを探索 ˜ ナビ機能
31. 29 フードデリバリーサービスの例 4. 不正ユーザ検知 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類 インターネットサービス フードデリバリー業界 ユーザ利用データ 過去の不正ユーザデータ から推定した予測 ” 不正ユーザ検知 予測（分類）
32. 30 事例分析から見えること P １つのサービスの中でも様々な方法で活用されていT P ３つの要素に分解することで、活用方法を理解しやすくすT P すべてがAI（機械学習）とは限らない 活用方法を理解することで、 他のビジネスへも応用できる
33. 31 グループワーク 事例分析 身近なサービスを分析してみよう
34. 32 身近なサービスから、
 どのようにAIを活用していそうか分析する 分析対象事例の例
35. 33 [事例分析のフレームワーク] 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類 予測/クラスタリング/ 最適化・実行 実現できる機能 活用事例
36. 34 グループワークの進め方 Žy １部屋あたり４名程度のブレークアウトルームに別れて頂きまx †y グループの中で、分析してみたい事例を相談し、実際に事例分析を行って みてください（２０分V iy 各部屋ごとにワークシート(Googleスライド)を配布しまx 2y 分析する事例は基本的には１つ。もしチームに余裕があれば複数でも もちろんO" !y サンプル例に上げているサービスでも良いし、それ以外でも何でもO" y 各チームごとに分析結果を発表（1チーム最大5分）
37. 35 ワークショップ（応用編） 活用アイディア 自分の業務に活用するとしたら？
38. 36 [事例分析のフレームワーク] 技術要素 適応領域 ビジネスドメイン 適応対象 テータの種類 予測/クラスタリング/ 最適化・実行 実現できる機能 活用事例