Upgrade to Pro — share decks privately, control downloads, hide ads and more …

考察 : モバイルエンジニアの機械学習との付き合い方

jollyjoester
October 11, 2019

考察 : モバイルエンジニアの機械学習との付き合い方

モバイルの領域は機械学習ととても相性が良いと考えます。しかしどう付き合うべきか戸惑うモバイルエンジニアも多いのではないでしょうか?本セッションではモバイルエンジニアとしての機械学習の学び方、使い方、勘所を考察します。

Mobile Crew Niigata
https://www.mobilecrew.jp/

jollyjoester

October 11, 2019
Tweet

More Decks by jollyjoester

Other Decks in Technology

Transcript

  1. お前誰よ Name: 七島偉之(ななしまひでゆき) ID: jollyjoester Organize: Swift/Kotlin愛好会、try! Swift Tokyo Belong

    to: 株式会社メルカリ • (元?)iOS, Androidエンジニア • 今の本業は「エンジニア組織を強くする」お仕事 • モバイルと機械学習は趣味で追っています
  2. 従来の機能開発 func classify() { if (isHotdog) { return “Hotdog” }

    else if (isPizza) { return “Pizza” } else { return “Other” } } ※擬似コード。雰囲気 Image Hotdog パターンを増やすには厳密に 実装していく必要がある でも結果は必ず Hotdog or Pizza or Other になる 100%
  3. • 機能の結果が確率的というのは従来と異なる体験を生む • 精度が100%ではないことを理解し、体験が失敗したときのことも考える • 体験以外にも影響しそうな ◦ PM ▪ モデルの特性を理解した仕様作り

    ◦ テスト・QA ▪ モデルの特性を理解した ▪ 自動テストしにくいので高度な判断ができる人の QAが必須となるかも ◦ CSとかも影響出てくる可能性が。 • これがくっそ難しそう。。。 決定論から確率論の考え方へ
  4. バイブル(AppleやGoogleのガイドライン) Apple • Human Interface Guidelines (Machine Learning) • Designing

    Great ML Experiences(WWDC19) (関連動画) Google • People+AI Guidebook • Designing Human-Centered AI Products (Google I/O'19) (関連動画)
  5. Human Interface Guidelinesからいくつか • Multiple Options ◦ 可能なら結果を選択可能に • Attributions

    ◦ 客観的な事実を • Confidence ◦ 信頼性の数字をユーザーにわかりやすい形で提示 • Limitations ◦ デザイン、性能、環境による制約が発生したときにヒントを出してユーザーの行動を支援する
  6. People+AI Guidebookから抜粋 メンタルモデル AIシステムは、時間とともに適応していきます。変化に対して、ユーザー側も準備が必要 です。 エラー + 上手な失敗 AIがエラーを起こしたり失敗したりすると、事態は複雑になります。 •

    ユーザーが、確信度の低い予測を「エラー」と見なすのはいつですか? • 複雑なAIのエラーの原因をどのようにすれば確実に特定できるでしょうか? • AIが失敗したとき、ユーザーが先に進めるようになっていますか?
  7. Edgeで機械学習? 機械学習のステップ • 学習と推論 ◦ 学習 ▪ 大量のデータから何かしらの規則性を見つける。 • 大量のコンピューターリソースが必要

    ▪ モデルを作る ◦ 推論 ▪ モデルを使ってパターンから分析する。 • こっちだけエッジ(モバイル)でやる