人工知能:Artificial Intelligence

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...

Cold-start問題は、技術的な問題だと思われている。 データが足りない モデルが学習できない 精度が出ない だから人は言う。 「データを集めよう」 だが本当にそれだけだろうか...

AIは、止まらない。 最適化は続く 確率は更新される スコアは改善される これは欠陥ではない。計算とは、そういうものだからだ。 だからこそ問わなければならない。 判断を「止める」条...

これまでの記事では、 なぜ判断を外在化する必要があるのかを説明してきました。 その中核となる三つの構造要素は： オントロジー DSL（判断契約） ビヘイビアツリー しかし、当然次の問いが生まれます。 ...

多くのAI基盤は、「モデルをどれだけ賢くするか」に焦点を当てて設計されている。 精度を上げる。推論を高速化する。自動化率を高める。 しかし、現実の意思決定環境で本当に重要なのは、別の問いである。 判断はどこにあるのか。 モデルの中か...

信用スコアは便利だ。数字があると、人は安心する。 だが信用スコアには致命的な誤解がある。 信用は“推定値”ではない。信用は 「許可範囲」 である。 だから、信用スコアをモデル出力として扱うのではなく、契約として扱わなければならない。 ...

例外が多いシステムは、「未完成」「不安定」「設計が甘い」と思われがちだ。 だから多くのAI・業務システムでは、例外を減らそうとする。 ルールを増やす 条件を網羅する ケースを潰す だ...