ビジネス向けのUX

マシンラーニング、AI、データ製品

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

AIは新しい黒

マシン学習と人工知能がここにとどまり、急速に拡大していることは明らかだ。10年前であれば、デザイナーやビジネスパーソンは高度なデータ・ソリューションを考える複雑さを避けることができたが、そのような時代は終わった。10年後、AIを無視するような企業は、もはや企業ではなくなっているかもしれない。

このセクションでは、機械学習について深く理解することが目的ではなく、むしろ機械学習のためにどのようにデザインし、他の方法ではできないような価値を構築するために機械学習を活用できるかを考えることが目的である。

考える：新しい知識ではなく、新しいスピード

AIを扱う際に最も危険な誘惑は、AIが知らないことを「知っている」と想像することだ。

人工知能について考える最良の方法は、私がよく "ファンシー・カウント "と呼んでいるものだ。AIモデルとは、何をどのようにカウントするかについての規則セットにすぎない。単語と単語の関係をカウントすることもあれば、映画の選択に基づいた100種類の人々の特徴に点数をつけることもあれば、都市のさまざまな場所で使用されている電気容量をカウントすることもある。データにないものをカウントすることはできない。

私が見たAIの説明の中で一番面白くて良かったのは、誰かがChatGPTは "究極のマンズプレイナー "だと言ったことだ。ChatGPTに何でも聞けば、たとえそれが何について話しているのかわからなくても、長くて詳細な答えが返ってくる！

AIは非常に複雑な情報を処理し、価値ある決断に変えることはできるが、データのどこかにすでになかった知識を追加することはない。そのことを忘れてしまいがちだ。

データは必ずしもAIを意味しない

問題を解決するために、最新のホットなマシンラーニングテクニックに手を伸ばすことはよくあることだ。データを価値ある有用なものにするために、必ずしも高度なAIソリューションが必要なわけではない。データ・サイエンティストは非常に価値のある分析に貢献できるし、エンジニアはかなりシンプルなアルゴリズムを開発しても、問題を解決する決定やカテゴリーを生み出すことができる。

アナリティクスツール、例えばGoogleアナリティクスなどは、データを読み取りやすくしたり、統計を計算したりするために、バックグラウンドで多くの作業を行うかもしれないが、Webサイトのパフォーマンスの良し悪しを見るのにAIは必要ない。つまり、通常の（それほど派手ではない）カウントで十分な場合もあるのだ！ ...