Deus Ex Machina

多くの企業がAIカスタマーサポートを導入している。 しかし結果は二つに分かれる。 ある企業では 問い合わせ対応コストが大幅に削減され 顧客満足度が維持され オペレーターの負荷が減る ...

Meta-learning（メタ学習）は、 「どう学ぶかを学ぶ」 と言われる。 少数データでも適応できる。新しいタスクでもすぐに順応できる。 それはまるで、 AIが「構造」を理解し始めたかのように見える。 だがここで問うべきこと...

AIは、世界をよく近似する。驚くほど精密に、なめらかに、現実の構造を写し取る。 それでも私たちは、ときどき強い違和感を覚える。 「言っていることは正しい。でも、意味が分かっていない」 この違和感の正体は、性能不足ではない。 近似でき...

ここまでで、AI時代の新しい観点についてのべてきた。 問題はモデルではない 問題は最適化でもない 問題は「判断構造を書いた人がいない」ことだ では次の問いは、これしかない。 その設計...

AI時代になると、必ずこういう議論が起きる。 エンジニアが重要だ PMが要だ データサイエンティストが不足している どれも間違いではない。だが、どれも核心ではない。 AIが社会に入り...

事故は、突然起きるように見える。だが実際には、ずっと前から起きる準備が整っていた。 その共通点は、ほぼひとつだ。 境界が、どこにも書かれていなかった。 境界とは何か 境界とは、 ここから先はやらないここからは人が決...

AIは、巨大化してきた。パラメータは増え、学習データは拡張され、性能指標は次々と更新されていく。 そして、決まってこう言われる。 「もっと大きくすれば、もっと賢くなるはずだ」 だが現場で起きているのは、まったく別の現象だ。 モデルは...

AIは速い。計算は一瞬で終わり、答えはすぐに返ってくる。 だから私たちは、無意識にこう期待してしまう。 「早く、はっきり、決めてほしい」 だが、その期待こそが、AIを最も危険にする。 「すぐ決めるAI」は、本当に賢い...

Human-in-the-loop（HITL）は、AI時代の“安全装置”として語られてきた。 最後は人間が確認する 人間が承認ボタンを押す 重要な判断には人を介在させる 一見すると、責...

マルチエージェントと聞くと、多くの人はこう期待する。 エージェント同士が話し合い 意見をすり合わせ 最終的に合意に至る そして、その合意が最適な判断であるはずだ、と。 だが、ここに重...