有料コンテンツの購読
現在、Web上での有料コンテンツ購読機能は準備中です。
ご不便をおかけしますが、有料コンテンツを購読希望の方は
モバイルアプリ上で購読の手続きを行ってください
認証方法を選んでください
ご協力いただきありがとうございます。
いただいた情報は実名認証のみに使用いたします。
利用可能になる機能
コメントの公開範囲が
すべてのユーザーまで開放されます
フォロー中トピックスの投稿にコメント・返信ができるようになります
Facebookで認証を行う
LinkedInで認証を行う
名刺・学生証で認証を行う
お名前の変更には
再度実名認証が必要です
Facebookで認証を行う
LinkedInで認証を行う
名刺・学生証で認証を行う
名刺または学生証を利用して
実名認証を行いましょう
名刺または学生証をアップロード
※ 名刺等の情報は照合にのみ利用します
※ アップロードされた資料は公開されません
入力された情報に虚偽があった場合、認証が取り消されることがあります。
これに同意の上、下記のチェックボックスにチェックして登録を完了してください。
実名認証を行う
を利用して
実名認証を行いましょう
入力された情報に虚偽があった場合、認証が取り消されることがあります。
これに同意の上、下記のチェックボックスにチェックして登録を完了してください。
実名認証を行う
実名認証が完了しました
ご協力いただきありがとうございました。
一層のコミュニティ活性化に取り組んで参ります。引き続きNewsPicksをご活用ください。
利用をつづける
実名認証をして
コメントを発信しよう
現在あなたのコメント公開範囲は
フォロワーのみに限定されています
信頼性の高いコメントコミュニティをつくっていくために、実名認証にご協力をお願いします。設定を行うことでコメントの公開範囲が「すべての利用ユーザー」に開放されます。
実名認証を行う
あとで
学割プラン継続確認
学割プランは毎年月に更新の確認を行っております。
月以降も学割プランを継続されたい方は、
学生情報を更新してください。
学生情報を更新されない場合、
次回更新時に自動解約となります。
卒業される方等、プレミアムプランに移行される方には
1ヶ月無料期間をサービスいたします。
学割プランを更新されない場合
学生の場合
学生の間であれば、またいつでも学割プランにお申込み頂けます。
社会人になる場合
いま、アンケートに答えてプレミアムプランに移行すると1ヶ月無料の特典が受けられます。
ここで「更新しない」を選択すると、後からは1ヶ月無料の特典は受けられなくなりますのでご注意ください。
メール認証をしてください
ご登録いただいたメールアドレス宛に届くメールから
URLをクリックし本人確認をお願い致します。
届いてない場合、見つからない場合は下記から再送と認証をお願い致します。
再送設定する
閉じる
新しいトップページへの
フィードバックのお願い フィードバックを受けて改善いたしますので、ご意見・ご要望をいただけませんか?
現在、AI活用の自動運転車/投資にAIを活用するシステム/ブロックチェーンによるweb取引とパラダイムシフトを起こし、VRやゲーム/医療/介護/弁護士業務等のAI開発も活発ですが、企業に於いてはIOTの分野で物流や生産現場のロボット/マテハンにAI活用で大きい進化が出ているものの「ビジネスソリューションをAIで革新」というテーマにはこれまで具体的な開発やテーマが殆ど発表されていなかったのです。
確かにビジネスソリューション領域では着手したばかりで成果は殆どありませんし、問題はデータサイエンティストの不測と云う指摘も納得ですが、実はこの領域ではこの本執筆中頃の「BPR」が頓挫し、今は「RPA」を活用して現場だけでなく積み残した事務部門も一気に革新を図る機運が出てはいますが、やれる人は探しても居ないでしょう!本当に必要なのは「データサイエンティスト」では無く企業経営とビジネスアルゴリズムを熟知した「システムデザイナー」なのです。
実は私は1994年4月に「省脳化システムリデザイン/ダイヤモンド社刊」を出版しましたが、これがビジネス本流に最適な判断ロジックを組み込みリアルタイムに最適判断(意思決定)が実現する具体例をシステムデザイナーとして実際にクライアントに提案した省脳化システム30の事例を掲載したものです。
もう25年も前の本で現在「ディープラーニング」という先端機能はありませんから、あくまで社内のデータベースから最適判断を導くシミュレーションロジックを開発して搭載するレベルですがこれは大革新をもたらしました!
1970年に日立から転職したファッションチェーン:キャビンでは「色柄サイズレベルでの店別在庫管理システム」はPOSが無い時代にJANコードを利用して米キンボル社のパンチタグを付けて代々木本社に回収してバッチリーダーで読み取るシステムで、この際に世界で初めて売切日設定とその予測による「最適店間移動自動指示機能」を組込み値下げ率が約10%削減する大成果を得て同社の大躍進に寄与しました。
<参考>https://www.amazon.co.jp/省脳化システムリデザイン―経営情報の巧みなシステム化で成功した企業群-納富-誠治/product-reviews/4478371245
多いのは、AIはどこまで行くんですか?創造的なことまで出来るんですか?といった問いである。
私の答えは、今どんな活動にもコンピュータが使われているのと同じように、創造的なことやは発明や発見にも、AIを使わないことは無くなりますよ。というものである。
AIはあくまでも道具である。
1. 画像認識、物体検出、顔認識
2. 静的インテリジェンスだけでは不十分
3. 次なるAIの最前線は「エッジ」
4. データサイエンティストは依然として不足
2019年らしさを加えるなら、「動画元年」に合わせて「動画解析」が流行るかも。
今年にフォーカスすることは大事。
よく、5年10年先のAIの未来やロードマップを知りたいという企業や人がいるけど、予測は当たらない。
いま出来ることを理解して、いま活用して、いまを生きた方が、実りがある。(いつやるか?いまでしょ!)
センサーなどのモノのインターネット(IoT)デバイスの利用拡大に伴い、企業は「エッジ」で情報を集めるようになるだろう。エッジとはつまり、データセンターのクラウドではなく、データソースやその近くという意味だ。
どうすれば最も効率的にエッジでデータを収集し、処理し、精製することができるのか。企業はその点に目を向けるようになるだろう。
そうしたアルゴリズムには膨大な演算力が求められることから、エッジで収集したデータをどのように高速処理するかが最重要課題になる。
“有能な” データーサイエンティストは明らかに足りてない。
有能なデーターサイエンティストの条件は、プログラミングの理解、業務の深い理解、統計学の理解、社会的常識があること。
どれ一つが欠けても、頓珍漢なシステムが出来上がる。
大学を出たからって、そんな人がいるわけがないし、育成するとしても長期間が必要。
だから、中間マネジメントの仕事はより少なくなっいくだろうなあ。これから大事なのは、ビジョンやストーリーだろう。どのような未来をどのような物語で紡ぐのか。