広がる機械学習のビジネス適用、現場が抱える3つの課題
「データは21世紀の石油」という表現が誇張ではないことは、米ナスダック市場を見れば分かる。アップル、マイクロソフト、グーグル、アマゾン、フェイスブック、テスラの6社だけで、市場トップ100社の総時価総額の約50%を占めるのである。これらの企業の最大の特徴は、膨大なデータを持ち、かつ有効活用していることだ。
この現実を受けて、多くの企業がデータの活用に取り組んでいる。そこで欠かせないテクノロジーが「機械学習」である。ECサイト等でおすすめ商品を提案するレコメンデーションエンジン、需要の予測、IoTのセンサーデータの活用など、さまざまな業種・業界で機械学習の活用がすすんでいる。
しかし、企業が実際に機械学習に取り組もうとすると、「3つの課題」に直面する。
1つ目はデータが低品質でサイロ化していることだ。複数のシステムにデータが分散し、かつ整備されていなければ、機械学習にかけること自体が難しい。2つ目は大量のツールが必要になることだ。複数のツールやフレームワークを組み合わせて、チームとして機械学習に協調して取り組むことは、決して容易ではない。
そして3つ目がデプロイだ。機械学習でモデルを作ったら、それを顧客に使いやすい形で本番環境に実装する必要がある。さらに、環境の変化に合わせて、モデルを更新し続けなければならない。そのPDCAサイクルを回すのに数ヶ月もかかるようでは、とても機械学習を活用することはできないだろう。
この記事の続き >>
・機械学習の課題を一気に解決する新しいアーキテクチャとは?
・Microsoft Azure上で機械学習を効率化する手法
・リテールAI研究会事例、「現場が使える機械学習」を実現
・あらゆる業界の「AIの民主化」に貢献する