人工知能:Artificial Intelligence

AIシステムについて議論するとき、多くの人は次のようなテーマに注目します。 モデル精度 データ量 推論速度 パラメータ数 しかし、実際の業務システムでは、もう少し違う問題...

前回の記事では、AIの判断を記述するための構造として Ontology DSL Behavior Tree という三層構造を説明した。 この構造によって、AIシステムの判断は ...

これまでの記事では、AIシステムを 判断を量産する工場 として捉えてきた。 AIは単なるソフトウェアではない。Event を受け取り、Signal を生成し、Decision を行い、Boundary によって品質を管理する。 その...

AIシステムを設計するとき、多くの企業は次のように考える。 モデルを作る APIを作る データを保存する つまり、AIはアプリケーションの一部として扱われる。 しかしAIが社会の意思...

AIについて語るとき、多くの議論は次のような話に集中します。 モデル精度 データ量 パラメータ数 しかしAIが社会の中で実際に使われ始めると、重要になる問いは少し変わってきます。 そ...

AIについて語るとき、 多くの人はこう考える。 AIは ソフトウェア である。 モデルを作る。 APIを呼ぶ。 アプリに組み込む。 しかし、AIが社会に入るほど この理解は間違っていることが分かる。 ...

AIシステムを設計するとき、多くの議論は 何ができるか に集中する。 しかし現実のシステムではもっと重要な問いがある。 それは どこで止めるか である。 AIは 予測する 推論する ...

半導体工場では最も重要な指標がある。 それが 歩留まり（Yield） である。 歩留まりとは 作ったチップのうち正常に動く割合 のことだ。 例えば100個作って90個動けば 歩留まりは90%になる。 この数字は半導体ビジネ...

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...