2019年10月17日読了時間: 6分

マシンラーニング（機械学習）

更新日：2023年11月22日

データ、マシンラーニング、人工知能は、多くの人が理解できない方法で、既存のものを変貌させています。最新情報をお届けするため、新しいブログシリーズ「Degreed Does Data」を連載しています。関連するトピックを深く掘り下げ、複雑なモノを簡単に、潜在的影響を説明し、業界を変える劇的な方法を探求していきます。

今日、私たちはホットなもの－マシンラーニング－を扱うようになってきました。これまで以上の情報が利用可能になりました。マシンラーニングは非常に価値があり、必要になってきています。それがホットになってきている理由です。マシンラーニングは何でしょうか？なぜ企業はマシンラーニングに注意を払う必要があるのでしょうか？そして企業はその能力をどのように活用できるのでしょうか？

マシンラーニングとは何ですか？

定義：明示的な指示を用いることなく、パターンを認識し、推論を行い、タスクを完了することができるように、事例、実験、経験でソフトウェアプログラムが自身を発展させることです。

コンピューターが膨大な量の情報を処理できるようになった今、マシンラーニングを使用することで、これまで不可能だった方法で情報を繋ぎ合わせることができます。自動車は常に道路全体を見ながら、コンピュータービジョンで何千ものルートを運転することができます。同様に、スマートホンは自然言語処理を使用して音声情報を分析し、アルバニア語からズールー語まで何でも理解できるようになっています。

最もエキサイティングなことは、マシンラーニングは今世紀の人工知能（AI）における最も重要なブレークスルーであるにもかかわらず、まだ初期段階にあるということです。その能力は成長し続けており、ロボットのような人の模倣作業をするというような方法ではありません。

マシンラーニングの適用

企業はマシンラーニングをどのように適応するのでしょうか？もしかするとマシンラーニングのソフトウェアエンジニアを雇って、トラックドライバーを自動運転できるトラックに置き換えるかもしれません。または各個人の長所と短所に合わせて調整された語学学習アプリで国際営業チームを再トレーニングするかもしれません。さらに企業はマシンラーニングアルゴリズムを活用して効率を高め、研究開発から販売・マーケティングに至るすべてのプロセスを合理化するかもしれません。

特にL＆Dの世界で、最もスマートなアプローチは包括的であることです。マシンラーニングに必要なすべての要素を適用することにより、企業内での学習は大幅に改善され、より多くの情報に基づいたデータドリブン型の意思決定につながることができます。一言で言えば、L＆Dには、適切な人が適切なタイミングで適切なことを学ぶのに役立つソフトウェアが必要だということです。

マシンラーニングは、どのスキルが必要になるかを予測することもできます。ですので、どの従業員が何を学ぶべきなのか、効果的なリソースがどれなのかを特定することができます。マシンラーニングの最大の特徴の1つは、関連するマイクロラーニングを自動的に提供して、従業員が作業中のタスクや目標を達成できるよう支援することです。これはIBM Watson Career Coachで見ることができ、従業員のエンゲージメントを促進し、キャリアをガイドします。Career Coachを使用することで、IBMの従業員は自身のスキルセットを分析し、自分のキャリアに推奨される事項と、関連するアップスキルの提案を受け取ることができます。

SaaSベンダーにマシンラーニングについて質問する

このシステムはマシンラーニングで何ができますか？

一部のベンダーは、マシンラーニングについて誇大広告している場合があります。そのソフトウェアは進化しておらず、いわゆる「推奨」コンテンツのみをリストしているだけで、学習コンテキストが十分ではありません。真のマシンラーニングは、個々のユーザーを理解し、個々の弱点を強化し、発見したトレンドに適応するプラットフォームを提供します。いわゆる「推奨」コンテンツのみを受け入れる必要はありません。

マシンラーニングはすでにあなたの仕事をどのように変えていますか？

はい、マシンラーニングは未来でもありますが現在でもあります。最も鋭敏なベンダーは、すでにこれらのテクノロジーをあらゆる業界に適用しています。DIY業界でもマシンラーニングの新しい用途を見つけました。組織に必要なのは、最新の学習トレンドに全員をガイドするツールです。これにより、ベンダーはあなたの業界がどのように変化しているかを理解し、ベンダーはあなたがどのように適応するのかを説明することができます。

貴社のソフトウェアはどのタイプのマシンラーニングを使用していますか？

2つの主なアプローチを知っておく必要があります。一つは、Supervised Learning（監視下学習）と呼ばれ、プログラムが、人間が既に分類したデータで分析するよう指示に従い、パターンを確認するまで処理を進めるタイプです。もう一つは、Unsupervised Learning（非監視下学習）と呼ばれ、パターンをするまでのトレーニング期間が不要になるため、システムは繋がりを見つけて、独自のカテゴリを作成しながら、未分類のデータを処理します。

マシンラーニングが有効であるためにはどのくらいのデータ量が必要ですか？

人々は通常、必要なデータ量を過小評価しています。マシンラーニングの場合は、多ければ多いほど良いです。100,000レコードでも十分ではありません。マシンは保有するデータに基づいてのみ予測できます。銀行が詐欺をキャッチするためには、場所、通貨、クレジット利用履歴など、各取引のデータをトラッキングする必要があります。

同様に、学習システムは、関心、SNSアカウント、学習履歴などの適切なユーザーデータをトラッキングしている場合にのみ、関連するコンテンツを予測できます。システムをトレーニングするためのこれらの数百万のデータがあると、何が成功なのかが明らかになり、アルゴリズムがその可能性に到達することができます。