「AIがあなたの問題を解決できるでしょうか？」
『AIがあなたの問題を解決できるか？』
AI対象プロジェクトのアイデアを認識するための3つの簡単なヒューリスティック
製品にAI機能を組み込みたい組織では、非AIリテラシーの人々をAIの世界に乗せるという課題が常に存在します。AIのエキスパートである必要はありませんが、AIの力を最大限に活用し、会社を次のレベルに進めるためのアイデアと可能性を多く持つことが必要です。特に問題やそれに取り組む製品やサービスのトップにいるドメインの専門家やプロダクト担当者には、これが当てはまります。
私が学んだ一つの問題は、「AIでどの問題を解決できるのか？」という基本的な質問です。非専門家がこの質問をすると、意外にも答えるのが難しい質問です。だから私は、問題を見るときに「これをAIで解決できるのか？」と疑問に思うときに使える3つのヒューリスティックな質問を考案しました。もし、これらの質問に全て「はい」と答えられるなら、AIプロジェクトを開始する位置にいるかもしれません。
質問1：それを言えますか？
AIは質問に答える神託と考えることができます。自分自身について考えなければならないのは：
書面で質問を表現することができますか？
これは、何かをするために適用できるテストです。何かをするつもりでも、何をしたいのかを明確にはできない場合、本当に何をしたいのか分からない可能性が高いです。AIプロジェクトもこのルールに例外ではありません。
AIに尋ねることができる例としては：
- この写真には犬がいますか？
- 明日の天気はどうなりますか？
- 来週の宝くじの番号は何ですか？
これらは質問として適切に形式化されたものですが、すべてに答えがあるわけではありません。ですので、別のテストが必要です。
質問2：それは存在しますか？
私たちは、神託を質問から答えへとマッピングする関数と考えることができます：
左の円にはすべての質問が、右の円にはすべての答えが含まれています。神託は質問を答えに送る関数です。次に考えるべきことは：
その関数は存在しますか？
これは奇妙に感じるかもしれませんが、さらに奇妙なことは、この質問を形而上学的なレベルで問うべきだということです。この関数が存在する理論的な可能性はありますか？いくつかの例を挙げましょう：
私たちは「写真に犬がいるか？」という質問にAIが答えるのを見たことがありますので、この関数が存在することを知っています。また、天気予報も見たことがあるため、明日の天気をある程度予測することが可能です。しかし、来週の宝くじの番号を予測することはできません。その理由は、宝くじは関数が存在しないように操作されているためです。つまり、不可能です。これが「形而上学的なレベル」であると私が言う意味です。
なぜこれが重要なのでしょうか？なぜなら、機械学習（AIを作る方法）は、例から学ぶことで関数を近似しようとするからです。
もし関数（すなわちオラクル）がどのように振る舞うべきかの多くの例がある場合、私たちはこの振る舞いを学び、可能な限りそれを模倣しようと試みることができます。ただし、既存の関数を近似することしかできません。
正直に言って、これは少し抽象的ですので、次のメタヒューリスティックでこのヒューリスティックを置き換えることをお勧めします：
よく情報を持つ人間はその仕事ができるか？
世界中の情報と無制限の時間があれば、ある人間はその質問に答えることができるでしょうか？ 明らかに、人間は写真の中の犬を認識するのに非常に優れています。 そして、人間は天気予報を作り出し、それを行うことができます。 しかし、私たちは来週の宝くじの番号を予測することはできません。
ここまで来て、二度「はい」と答えることができれば、 1）適切な質問があり、 2）少なくとも理論上はその質問に答えることができるということを知っているわけです。 しかし、まだチェックするべき項目がもう一つあります：
質問3：文脈は利用可能ですか？
これはもう少し技術的な要素です。質問のキーポイントは、オラクル関数が答えを見つけるために質問自体だけでなく、追加の情報がしばしば必要であることです。情報を持った人間がオラクルとして仕事をする際には、意思決定または回答を出すために追加の情報が必要になる場合があります。これが私が文脈と呼ぶものです。
たとえば、天気予報のオラクルは、天気を予測するために現在の気象条件および数日前の条件を知る必要があります。この情報は「明日の天気はどうなるか？」というフレーズには含まれていません。一方、犬と猫の写真の場合、文脈は写真の中にあり、追加の文脈は必要ありません。
なぜこれが重要かというと、AIを訓練する際には、AIに以下のような質問が提出されます
AIは真の回答を受け取る前に推測を行い、時間の経過と共にAIが猫と犬の違いを学ぶことが期待されています。しかし、これを実現するには、違いが利用可能である必要があります。AIが違いを特定できるような画質であることを確認するだけで十分です。一方、天気予測の場合、より複雑になります。天気予報を行うためには、適切な情報を判断するための確信を持たなければなりません。これはドメインの専門家によって最も適切に答えられる質問ですので、良い回答を得るために情報提供者に連絡する必要があるかもしれません。
ただし結論として、情報提供者が質問に答えるのに十分な情報が利用できない場合、AIが質問にどのように答えるかを学ぶのには望みがありません。文脈が必要です。
結論
まとめると、AIを使用してこれを解決できるかどうかをテストするために、以下の3つの質問に答えてみることができます：
1. 質問を文章で表現することができますか？
2. よく情報を持つ人間はその仕事ができますか？
3. 文脈は利用可能ですか？
これらの3つに全て「はい」と答えることができれば、次に進む準備が整っています。まだ克服しなければならない障壁があるかもしれませんし、最終的には難しすぎるかもしれません。しかし、それは別の投稿の話題です。
幸運を祈ります！
心からのご挨拶Daniel Bakkelund
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
