ウォーターフォール型

人工知能を作る作業は、これまでのコンピュータのプログラムを作る作業とは大きく違っていて、注意深く進める必要があります。これまでのやり方では、最初にどんなものを作るかを決めて、設計し、実際に作って、テストをしてから世に出していました。途中で新しい機能を追加することもありますが、基本的には最初に決めた通りに作っていきます。しかし、人工知能の場合は、作り始める時に最終的にどうなるかをはっきり決められないことがよくあります。開発を進めながら、いろいろ試したり、学習させたりしながら作り上げていくのが普通です。 これは、人工知能の出来栄えが学習に使うデータに大きく左右されるからです。作り始めの段階では、集めたデータの特徴や、学習結果の良し悪しを決める色々な要素がどんな影響を与えるかわかりません。そのため、最初に立てた計画通りに進むとは限りません。これまでのやり方のように、確実にこうなるという見込みを立てて計画を作るのが難しく、臨機応変に対応できる作り方をする必要があります。 具体的には、まず小さな規模で試作品を作り、実際にデータを使って学習させてみて、その結果を評価します。そして、その結果を基に、設計やデータ、学習方法などを改善し、再び試作品を作って評価するというサイクルを繰り返します。このサイクルを繰り返すことで、徐々に人工知能の性能を高めていきます。また、開発途中で新しいデータが見つかった場合や、想定外の課題が発生した場合には、計画を変更する必要もあるでしょう。このように、人工知能開発は、柔軟性と適応性を重視した、試行錯誤を繰り返す作業なのです。従来の開発手法に慣れている技術者にとっては、この違いを理解し、新しい考え方に適応することが重要になります。計画通りに進まないことへの不安や、試行錯誤の必要性を受け入れることが、人工知能開発を成功させる鍵となるでしょう。

人工知能を作る計画を立てることは、これまでのコンピュータの仕組みを作るやり方とは大きく違います。これまでのやり方では、どんな仕組みを作るか、どんな動きにするかを最初に細かく決めて、その通りに作っていくのが普通でした。しかし、人工知能の場合は、作る最初の段階ですべてを決めるのが難しいことがよくあります。なぜなら、人工知能を作るには、たくさんの情報が必要です。そして、その情報の特性や、作った人工知能がどれくらいうまく動くかは、実際に使ってみないとわからないからです。そのため、人工知能を作る計画は、最初にすべてを決めずに、やりながら変えていけるようにする必要があります。 具体的には、まず最初に大きな目標を決めます。例えば、「商品の売れ行きを予測する人工知能を作る」といった具合です。そして、その目標を達成するために必要な情報の種類や量を検討します。次に、小さな目標を立てます。例えば、「過去の売上データを使って、来月の売上を予測する」といった具合です。この小さな目標を達成するために、具体的な手順を考えます。例えば、「売上データを集めて、人工知能に学習させる」といった具合です。そして、実際に人工知能を作って、小さな目標を達成できるか試します。もしうまくいかない場合は、手順や情報を見直して、もう一度試します。このように、小さな目標を一つずつ達成していくことで、最終的に大きな目標を達成することができます。このやり方は、まるで迷路を進むようなものです。最初に全体の地図がわからないまま、少しずつ道を進んでいくのです。 人工知能を作る計画では、このような不確実さを前提として、臨機応変に対応できることが重要です。そのため、計画を立てる際には、様々な状況を想定し、柔軟性を持たせることが大切です。また、計画の変更を迅速に行えるように、関係者間で密に連携を取り、情報を共有することも重要です。