入国審査の際にも顔認証システムによりスムーズな往来が可能になり馴染み深いものになって来ておりますが。
ディープラーニングの技術革新により顔認証システムによるセキュリティ強化やサービス向上などの面で可能性を感じる一方、個人情報保護、プライバシーの確保や機械エラーへの対応など論議していかなければいけない面が多くあることも改めて認識しなければならいと感じた。
これまで人間が担当していて、非効率になってきたものへの応用が利くかもしれない。人間と機械学習を経たAIが共同することで、もっとサービスの質があがるかもしれない。
ディープラーニングは人間の脳をまねているいるという事実が素晴らしいと思った。
人の顔の表情から、満足度を推定するといったことができるようになれば、満足度アンケートを取る必要がなくなるのかもしれません。
ＡＩで何が出来て、何が出来ないかを知ることが必要。
ＡＩは人間の思考をモデルにしているので、ＡＩの仕組みを勉強すると人間の思考の問題点について理解が深まるから面白い。
「コツ・留意点」にもあったように、正確性は100%ではないし、使用するデータを選ぶのは、あくまで人間だ。過度な信頼は避け、適切な使用を心がけよう。
セキュリティ強化にいいですね。
コンピュータである以上、判断には何らかの根拠があるので、判断の説明ができないということはないと思う。
判断の根拠となる特徴量についての議論がもう少し盛んになってくると、判断の根拠が得られるようになり、ディープラーニングがもっと流行ってくるのではないか。
また人間のモノの考え方にもつながってくるような話だと思うので、今後の本分野の発展を期待しています。
日々の業務の中で、クリエイティブでない（定型化された）業務を抽出する必要性を感じた。その上で、ディープラーニング技術によって費用対効果が見込めるもの（インパクトの大きいもの）から検討していきたい。
ディープラーニングの技術が進歩することで、今まで人による作業が必須であった工程でも省人化が進むので、技術のさらなる進歩により確実性が高まり、導入しやすい状況になる事を望む。
人間の能力が落ちない様に、上手な活用と更なる研究が進むことを願います。
人工知能の一側面の基本的な事柄を平易な説明で理解することができました。
ディープラーニングの得意な分野とそうではない分野をしっかりと理解して、自身が伸ばすべき部分を考えないといけないと感じた。
開発の最新動向をウオッチしより具体的なアイデアを得たい
効率的な業務方法をディープラーニングさせたい。
学習するデータのよって精度が大きく変わるため、重要なのはディープラーニングよりもデータの作り方だと思う。
結果は回答できるが理由は回答できないのは、データではなく経験則に基づく場合は同じである。一定量のデータは必要であるが、人間と違い仕組みさえ整えられれば常に最新情報に更新できることから様々な分野に活用は可能と思われる。
ただ日本はfaxなどデータではない文化が残っているため、以下にデータ化するかも課題と思われる。
AI学習用語として、ディープラーニングの意味を知れて良かったと思います。今は、従来の経験やスキルに頼るのではなく、新たな考え方や知識、用語を取り入れながら、仕事に活かす事が重要と思っているからです。勉強になりました。
ディープラーニングについて概略を学ぶことができました。
見分ける作業が得意なディープラーニングは製造製品の良否判定や，設備の不具合の発見などの活用に期待できます。また，人間の目では判断できないことを可能にできると思います。
業務の中で利用するためには、どのような情報を容易に集めることができて、それに対する効果がどれほど見込めるかを考えなければならない。
ディープラーニングはあくまで予測であり、その結果をどのように生かすかも人間。
どんな予測があれば、業務の中で良い影響があるのかまで考えて費用対効果を検討する必要がある。
教える情報に偏りがあるとその偏りを特徴として認識してしまうことについて学んだ。与える情報の偏りに注意したい
障害者の移動の際、バリアフリーという概念があるが、一歩進めることで、より障害者の社会参加を容易にする方策へと結び付けられるのではないだろうか。
シンプルにパターン化できる業務には活用できると思います。ただ、ミスが許されない業務での導入には慎重になる必要があると感じました。
高齢化が進む日本では顔認証システムは今後もっといろいろなところで役立つのではないかと思います。
また赤ちゃんの表情とその対応をたくさん学習することで
赤ちゃんが何を言おうとしているのかもわかるようになる日も近いのかなと思いました。
赤ちゃんがしゃべる映画がありましたが、あんな感じ。
上手く共存できればいいなと感じました。
製品(金属部品)の外観検査に活用できそう。良品(傷がない品)の特徴量を学習させておくことによって、そうでないもの(不良品)を見つけ出すことができるため。
何かを知覚することの繰り返しの業務にはディープラーニングは適していると考えます。
ディープラーニングはコロナ渦でより注目されていくと思います。
防犯で役に立つか一部の人の利益のために監視に使われるのか、、、
理由が分からず罪を償えと言われたりしないか心配です。
まだまだ勉強しなければ具体的には使用できない。
問合せ、クレーム、ポイント交換、入会途中離脱など、ディープラーニング活用をすることで蓄積したデータから顧客動向→思考を予測。効率的な対応、アプローチができると思料。
正確性が100%でないため、正確性が求められるシーンでは、間違ったことに気づいたり、訂正される仕組みも必要になってくると思う。
太陽光発電予測に活用してみたい。
画像データを元にした活用がイメージしやすいが、画像・音声以外のデータでのディープラーニングの利用方法について考え、利用範囲を広げたい。
質の良い大量のデータを集めるのに必要なコストは、現状、莫大なものであると
考えています。研究レベルではそれでも良いかもしれませんが、
ディープラーニングをビジネスの世界に落としていくことを考えるときには、
「費用対効果」についても注目する必要があると思います。
業務でAIに置き換えられるものはないか考えてみる。
どんなシステムだってできることとできないことがあり、それは人間と一緒なわけであって。メディアはよくAIと人間を戦わせてどちらが有能かを証明したがるけど、勝ち負けの問題ではないと思う。共存していくこと、お互いを補うことが大事だと思う。
機械学習…どんどん人の手から離れていきますね…。
今後間違いなく生産現場に大きなインパクトのある技術。少しでも早く導入していきたい。ただし、慌てずにまずは小さな実績作りから。
機械学習とディープラーニングは同じだと思ってました。
特徴を見分ける事ができる。
人間の脳を元にしたアルゴリズム。
よく考えるなー
ウェラブル端末に組み込むことによって爆発的に伸びて行きそう。
製造ラインの最終検査工程で おおいに活用が出来ると思います。
ディープラーニングを用いて、新しい価値を創造したい。
世間ではAIと呼ばれ、よく知らない人は何でもできると認識している。だが実際は、データの前処理など導入までが大変。
精度も100%でないと理解してもらうことが大事だと感じた
機会が偏ったデータ収集により適切でない結果が出るということなので扱うデータの信憑性が大切ではないかと感じた。
人間の脳を真似ているディープラーニングの精度をより一層高めることで、活躍の馬場が広がると感じた。
入国審査で活用されているように、人間とAIで両方で判断することでセキュリティの精度が上がると思った。
利用目的に的を絞り、一定以上の効果が得られればシステム導入を検討することになると思うが、導入までの決済には、時間が掛かりそうだ。
AIに任せることと人間が行うことの領域を分けたほうが良いと感じた。
なぜを考える力。自分の頭で考える力が大切。
ディープラーニングで効率化を図ったりすることは可能になるが、完璧ではないことを踏まえ、上手く活用することが大切。
技術革新は様々な方面で進んでいるなと感じた。
案件を効率化するための手助けになりそうだが、そもそもどの案件をディープラーニングさせて効率化させるかというコンセプトだてが重要になる。
ツールは揃ってきているので、活用したサービスを生み出せる人間になりたい。
AIに任せること、人間がやるべきことの線引をどのようにするかが重要だと感じた。
ディープラーニングは判定結果の理由を説明できないというこを、人的に説明できるようにしないといけないと感じる。
何か予期せぬ結果になった際の訴訟リスクになりそうである。
つくづく、人間のすばらしさを感じた。人間の研究が生かされ、そして新しい技術が開発され、、、どこまで進むのか、、とても興味深い。
ディープラーニングによる高精度の認識精度は、学習したデータの量によって向上する。
得意不得意を理解した顧客への提案。
AIの進化によって、今までの『労働』という概念が必要無くなるかもしれない。
『働く』ことが新し形、考え方に変わっていく。
様々な業務に活用することのできる可能性を感じます。
判断した理由を説明する能力がないというのは意外だった。ディープラーニングに置き換わる仕事がある一方で、検証するというようなことに関してはまだ人の能力が必要なのだと思った。
ディープラーニングの活用には、読み込ませるデータの質と量が大事であり、データに偏りがあると予期せぬ結果を出してしまうことがわかった。また、データそのものの意味することを理解しているわけではないので、はじき出した結果に至った過程・理由の説明などは行えないということも興味深かった。
イラストとナレーションが聞きやすくスムーズに学習することができた。
ディープラーニングがより発展することで、世の中が便利になりそう！！
特に画像認識は、高い汎用性が見込めそうです！
業務で活用するには、ディープラーニング技術そのものの開発ではなく、商品化された技術を購入して使用することが考えられる。具体的にはフォークリフトに荷物の形状や重さに対する対応を記憶させ、自動で棚に置くなどが考えられる。
ディープラーニングはセキュリティや人権に気をつけて活用するべきである。
医療などでは説明可能なAIが今後の課題である．しかし，人間が理解できる内容に噛み砕くということは，人間以上に高度なことを行うことが制限されるということにもつながる．そのため，ある程度の実績さえあれば，説明可能である必要はない分野もある．
人間は有機的な機械の一つであるとも捉えられると思った。
これからの時代ますますディープラーニングに接する機会が増えると思うが、仕組みをしっかりと理解して精度を完全には信頼せずに疑う姿勢も大切にしたい。
会社の入場ゲートに顔認証を設置できれば、不審者の侵入も防げるし、来客の場合も誰のお客さんなのかそのゲートで担当者の呼び出しが出来れば、受付の役割を担ってくれると思いました。
百貨店に勤務しております。
人と人、face to faceの小売り業で
顔認証システムの導入は困難です。
でも、ファッションの売場で「お洋服 認証システム」のようなものができたらおもしろいと思います。
その日に着ているお洋服を診断して、その方の好みを分析して、相応しいお洋服をが提案できるシステム。
お客様も遊び感覚で楽しめるのではないかと思います。
画像認識技術の進化はすさまじいため、今後の幅広い活用が期待される。
中国が、ウイグル人やチベットを侵略して、人々を弾圧をしやすくするために顔認証システムを使っているのは有名なことなのだが。彼らから生きたたま臓器を取り出して臓器売買するときの、適合臓器を判断するのにも、ディープ・ラーニング応用してるのかなぁ。
為政者がディープ・ラーニングを使い始めると、ヤバいということなのか。
悪いことのヒントに活用されたら、まずいので止めておきます。
知ったかぶりはできない時代に入ってきたと痛感しました。
過去に起きたことのデータが十分に蓄積されていたら、それを学習させて予測などに活かしたい
今後応用できるシーンが増えていくであろう技術だと思いました。
昨今では、ディープラーニングは、仕組みを理解していなくても利用できるツールがだくさんある。しかし、世の中に革命を起こすようなサービスや製品を生み出すためには、根底にある数学の理解が必要不可欠である。
Deep Learningは今後誰もが当たり前に使える技術となるので、必ず身につけておきたいと思った。
今までディープラーニングと何気なく使っていたが、それがどういった面で優れているのか、使用する際の注意点は何なのかを学ぶことができた。
100％の精度が確約されているものではないため使い方に注意は必要だが
今後のサービスに大きく寄与することのできる研究だと感じた
ディープラーニングとは、特徴量を自ら発見できる機械学習の手法で、ニューラルネットワークを利用している。
利用シーンは多く考えられるが、ブラックボックス化しやすいため注意が必要だと思った。また学習のためにきちんとしたデータを用意することは難しいと思った。
ディープラーニングから導いた結果の理由は人間が思考するという支え合いが重要かもしれない
セキュリティ業務に活用できるかもしれないが、過信しないことが大切であると思った
全てを過信するのではなく、最終的には自分自身で判断しなくてはならない
そう感じました。
人工知能は便利な一方で、精度が100％ではなかったり、学習させるデータの質によって偏った結果になってしまったりと、上手く活用しないと間違った結果を出してしまう危険があることが分かりました。
人間の脳のメカニズムを参考にして、ディープラーニングは編み出されたことを知った。そういったAIと共に、より価値のあるものをいかにして共創するかが今後の論点となりそうだ。
ディープラーニングが様々な業務に応用されたら、時間のかかる処理業務が飛躍的に短くなる。
様々な業務に応用すると便利になりそうな一方で個人情報の取り扱いには気をつけないとならないと思った。
この知識は顧客対応全般に応用できる要素があり、どんな職種においても重要な分野であるように感じる。企業側で言えば業務の効率化や対応のマニュアル化によるストレス軽減、顧客側で言えば疑問や問い合わせの自己解決など、双方にとってメリットがあるのではないかと思う。
ディープラーニングを取り入れる際は、メリットをいかに活かし、デメリットをうまく補えるかが鍵となると感じた。
さらに進化すれば様々な業務に応用できそうだが、その精度は100％ではないことに気を付けなくてはならない。
とても素晴らしい技術であると思いますが、精度が100%ではないという点には注意が必要だと思いました。
今までの機械学習とディープラーニングの違いを理解できた。
ディープラーニングを上手く使って、業務の効率化に繋げたい。
人間同様初めは完璧な判断を行うことはできないであろうが、その結果も反復して学習することで改善につながるであろう。
扱いについて我々が想像する以上に簡単であるという点も、ディープラーニングが破壊的イノベーションとなりうる根拠の１つだろう。
今後は機械の世界になる。
間違いが許されない、１００%の精度が必要とされる業務については、どのようにディープラーニングを活用するのかということを考える必要がある。
今後ビッグデータと深層学習を合わせたものがあふれてくると思うので、その技術や知識に遅れないように意識していきたい。
今まで人間が行ってきた考えるという仕事が、人間が行う必要性というものが薄れていくだろう。機会が行うことで生産性が向上する業務がある一方、人間が行わなければならない業務は何なのか考えないといけない。
ディープラーニングとは、人工知能を飛躍的に進化させる可能性を秘めた機械学習の手法のこと。
※機械学習：大量のデータを反復学習し、パターンを発見すること
従来は人間が特徴を教えていたが、ディープラーニングでは勝手に特徴を学習する
画像認識技術と翻訳機能の技術革新によって，将来シームレスな国際交流が図れたら良いと思う．
この講座だけではなんとも言えません。
多くの認証技術や最適化などに応用できる可能性は高い．
中国国内の顔認証システムの導入の浸透度に驚きました、日本は遅れているのか、慎重なのか。国民性も反映されると思いました。
判断の根拠としての利用がますます増えてくることが想像できるが、留意点にもあったように、与えるデータの属性の偏りを人間が考慮できなければ、実情に一切そぐわない結果しか吐き出さなくなることは利用するものが細心の注意を払うべき点だ
ディープラーニングを上手く使って、業務の効率化に繋げたいです。
システムにおける問題発生時、データ数が蓄積されていて、業務の際にそのデータを人間が分析し、問題解決策を練っていた事例について、ディープラーニングを活用し、問題発生時の症状とその解決策や原因を瞬時に結び付けることができるのではないだろうか。
ディープラーニングは身近なものとなってきているが、精度が100%でないところには気をつけなくてはならないと思った。
重要な場面では、結局のところ人間による確認が必要となってくるように感じた。
ディープラーニングを導入すべきかどうかはよく考えなくてはならない。
こういった技術の進歩に置いて行かれないよう常にキャッチアップしていきたい。
顔認証システムにより犯罪者を判別することで、防犯率向上・セキュリティ強化につながる可能性が高く魅力的に思うが、精度100％ではないことを考えると誤認識などから生じる影響も懸念し、様々なリスクを認識した上で活用しなければならないと感じた。
より細分化した要望に応える、同じものでもチューニング機能、テレビの音、色調、電子レンジの焼き加減、等に応用できそう。
ディープラーニングの概略が理解できました。
情報活用しようという動きはあるが、まだディープラーニングの考えにはいたっていない。
勉強して活かしたい。
これまで少なからず過去の経験や直感で物事を判断してきた経験があるが、
このディープラーニングが世の中に浸透してくると、より客観的な判断が可能になり、様々な判断ミスを未然に防ぐことができるようになると感じました。
人事面談での表情を分析し社員の健康管理する
ディープラーニングについて基本的なイメージが理解できました。予測精度は100％でないなど限界や、個人情報保護への影響など弊害も留意しつつ、効率性・生産性を高めるために活用したいツールだと思います。
開発現場において、今後いかに物を作らずに開発を進めていけるか求められている。
その中でもディープラーニングを用いた予測手法に興味があります。
現在の顔認証システムは、化粧やマスク、髪型の変更等による変化をどの程度認識出来るのかについて興味が有ります。
まだまだ活用方法がありそう。
想像力、妄想力なますます必要だと思う。
はい。IT統制で活用します。
顔認証などは法律的にも個人情報保護の観点で色々と課題が残っている部分もあるかと思います。現状の法制度の中で、機械が得意な分野でどのように生かすのかが重要と考えます。
人間であることと、AIであることの境界がなくなりつつあることを考えさせられる。
機械に使役されないようにしたい。
テクノロジーの進化はまだまだ進み変化し続けると思う。臆するこなくテクノロジーの進化の仕組みに興味を持って望みたいです。
空港を利用する度に、顔認証での通過できるところが増えているが、Deep Learning技術の進歩の恩恵を知らず知らずに受けていたと感じた。
ディープラーニングの特徴を意識しながら、職場や家庭において適用できるものがないかを折に触れて考える。
人間と機械の得意な業務をミックスして効率化することが今後求められると感じた。
お客様との提案フックとして利用できそう。
モノや情報の認識については学習が進むはず。人間の感情や趣向についても学習されるはず。
ディープラーニングは帰納的なものだと理解した。完全じゃないことを肝に命じたい
知識として勉強になった。
個人的には好まない流れであるが、その背景に、ディープラーニングは意味を説明できないということがあると感じた。
概要は把握できましたが、実務への活用を考えるとしたら、もう少し勉強しないといけないと思いました。
顔認証システムを応用して会計システム等を飛躍的に進化させれそうである
予測を立てる業務全般において活用できると考えます。実施毎に精度も上がっていく事を考えますと業務が飛躍的に変わると感じました。
業務においてディープラーニングを活用するには、大量のデータを読み込み、何が特徴量かをコンピュータに探し出させ、何がマーケティング上の重要因子になっているのかを学習させていくことが大事である。
セキュリティ対策などの用途として期待が高い反面、
100%正確ではなく使用するデータにより偏りがあるなどの留意点も認識したうえで活用していくことが大切だと思いました。
ディープラーニングを使ったAIを活用するためには、元となる膨大なデータが必要となることがあらためて分かった。
自身が業務で扱っている業務でAIを活用してみたい場面はあるが、今持っているデータ数では圧倒的に足りなそうである。それを補う術はあるのかを考えていきたい。
自由記述で生産設備での利用が書かれていた方がおり 納得しました、歩留り向上や最後の仕上げで人の手が加わる部分で人の行動(作業)から発生するミスなどが防止できるかもしれません。
人間による手作業が大きく減り、業務時間の削減やミスの減少が期待できる。
安全管理精度の向上に役立つと思われる。
顔認証は、今回のホテルの例では悪用されそうですね。宿泊者に変装した人物が不正にホテルに押し入るとか。また、年齢を重ねたときに顔認証が効かなくなる、というのも考えられそうです。いずれにせよ、AIもディープラーニングも銀の弾丸たりえませんね。限界をよく認識して活用することは、人間の仕事でしょう。
良いデータだけを集めるだけでなく質の良いデータを入手するために企業としてどのように取り組んでいけばよいのかを考えていきたい。
どの業界でもセキュリティに関することはとても重要である。
業務で活用するには、学術的に優れたモデルを土台にする必要があると思います。説明責任を果たすのが難しいので、リコメンド等から利用するのがよいと思われます。
データに偏りがあると結果が正確でないことがあることを理解。大量の量のデータを集めることで偏りが改善されるものと理解している。
ディープラーニングが電子カルテと連動すれば、患者の病状変化や対応の優先度管理に役立てられるかもしれない。
ディープラーニングの基礎が理解できた。自分で特徴を見つけ出すのは改めてすごい技術。また、結果の説明が苦手であり、学習する質が悪いとよくないことは留意点として理解した。
ディープラーニングという言葉を何となく聞いたことのある程度だったが、どういう仕組みで動いているのかイメージすることができた。また、具体的な活用事例を見て自分の業務でどう使えそうか考えるきっかけになった。
機械がこんなに進化していると分かりました
ディープラーニングというキーワードはよく聞き一度は理解していたが、普段の業務などで利用していなかったので、記憶が曖昧になっとぃた。今回、改めて学習して思い出すことができた。
今後、業務に活かす事が出来ないか考えるようにする。
今のAIでできないと思うこと。
1.課題とゴールの設定。これは人間が決めなければならない
2.事象の一般化と構造化。事象から物事の考え方の核を抽出し、それを他の事象に応用すること
人工知能にも100%はないので、人間の目によるチェックが必要。
人間の脳とイメージすれば、なんとなく、仕組みは簡単そうでも、応用となると、難しいと感じます。奥が深いです。
あまりふれる事はなかった為、とても参考になりました。
ＩＴ関連は知識がないので、参考になりました。
ディープラーニング技術がすでに実用化されていること。その速度にあらためて驚きました。
ディープラーニングの強み、弱みを理解して生かしていきたい
人の知能に機械がどこまで追いつけるか、何ができるかが問われているようである。
独自進化的な学習機能は最適行動の提案に活かせるのではないかと感じます。
ディープラーニングによって、将来人間がやってきた業務のいくつかは、ロボットに置き換わると期待できる。
ディープラーニングの定義、概要がコンパクトに認識できた
多くのよくある質問には有効性があり活用することで業務負荷の軽減が図れそう。しかし、特異例や個別案件、複合案件には比較的向かず、人間の能力や智識が必要なケースは無くなることは決してないと感じた。
特長を活かし人間と共存することで、今後の業務効率化に欠かせない技術になると感じた。
ディープラーニングを活用した業務プロセスに関するリスク管理のポイントが理解できたように思われます。精度が100%ではないことを前提にしているか、学習データの質・量がどのようなものであったか、等。
分かりやすく短時間で学べる
学習による効果は人間より劇的に大きく、職業人として、親として、自分や子供たちの職を奪わないか、恐怖を感じる。
今後 自部門の製品にも搭載するよう開発を進めます
ディープラーニングとはどのようなものか理解できた。
業務の引き継ぎ
検査
保守
人材育成
奥が深そうな分野の表面がわかった程度かな。
ディープの意味を初めて理解しました。
若干の誤認識は引き続き精度を高めるとして、人間作業とうまく棲み分けを考えれば、楽で効率の良い仕組みが構築できるだろう。
ディープラーニングは、人間の学習に近いと感じました。
事例紹介で、中国の天網が述べられていたが、中国は個人情報の管理に国の権力が強いため、SFの近未来のようなことがすでに実用化している。さらに進んでいくのだろう。日本でも、事例はどんどん増えていくに違いない。
表面的な内容にとどまっているが基本を押さえているので役立つと思われる。あまりIT系ではない人に見せると、AI万能のような解釈がなくなり良いと思う。
業務のためのツールというより、それを活用したビジネスを考える必要があると考えます。
商談現場における会話をディープラーニングにて認識させることにより、お客様の購買意欲を駆り立てる「言葉」を抽出することができる。セールスプロセス・技術への応用に活用できるのではないかと思った。
ディープラーニングがビジネスを始めとする世の中全般で活用されるころには、世の中の景色や世界が大きく変わるであろうことに改めて思いを馳せた。
AI翻訳の精度が上がるのではないかと思う。
主に過年度から蓄積している膨大なデータに基づく将来予測について、人間の処理能力を超えた能力の発揮が期待できる。
ディープラーニングのアルゴリズムを組む方法を知れば、業務に応用できるかを検討できると考えます。
問い合わせ業務での分類わけ、類似事例の抽出にディープラーニングを活用できるようにしたい。応用できるようになりたい。
しくみや特徴についてよく理解できた
識別、判別が必要で、かつ対象が大多数の場合最も効果を発揮する。現時点では自分の業務での活用法は思い浮かばない。
まだ改善の余地があることがよく分かりました。
すでにセミナーやテレビで知っていること。
ほんとにできるの？と考えるより、
どうしたら利用できるか、と考えたい。
ディープラーニングによる業務効率化、生産性の向上により、働き方改革へつなげていく必要がある。
自組織で活かして考えたいと思います
AIの機能を進化させるためには、より幅広いデータを機械に学習させる必要があるが、その分プライバシーが犠牲になるリスクがある。効率性とプライバシーを両立する基準が必要になりそう。
AI、ビッグデータとともに発展し、その技術が研究されている手法である。ロボットが深層学習し、精度が高くなると人間の仕事がロボットにとって代わられるという不安もあるくらいである。人間も負けずに深層学習していくことが求められるかもしれない。
ディープラーニングの仕組みがわかることで大量のデータが必要な理由がよくわかりました。同時に何でもかんでも「AIにとって代わられる」といった謳い文句がいかにAIを知らないのか、業界を知らないのかということがよくわかりました。
AI活用により改善出来る業務の洗い出しを進めたい。
業務改善を考える際に活用したい。
当面社内事務の簡素化に使えそうかなと思いました。
精度はこの先どんどん上がっていきそうですね。人にしかできない仕事のスキルを身につけておかないと、仕事が奪われていきますね。
ディープラーニングはデータ量が多い程良いと認識していたが
質によって精度が変わる事を知った。
ディープラーニングという言葉は知っていたもののどう活用できるのか、精度をどう考えればいいのかなどわかっていませんでした。今回、ハイレベルな概念がわかっただけでも、ビジネスへの活用のイメージが出て来ました。
ディープラーニングは、全能ではないため、優位性を理解したうえで利用する必要があることを理解した。
ディープラーニングについて、自身でも説明できるよう簡単な理解ができた
判断の根拠を説明してくれない、という点が、実務に適用したときに注意する必要があると思った。一方では業務に活用し、効率化できる、という事実が、他方には自分が知らないところで監視される、ということになるかもしれず、こわいと感じた。
全く知識のない分野なので勉強になりました。
ディープラーニングについて、初めて体系的に学習できました。
学習に用いるデータによって結果が変わるのなら、人間が判断する領域が残っていると感じた。技術革新を恐れるのではなく上手く活用できる人材になりたい。
ディープラーニングについて理解が進みました。
ありがとうございました。
もっと勉強しないとな
認識精度もじきに100％に近いものになると思われる。
技術が追い付いてきたタイミングで、どのようにビジネス利用するか考えるアイディアは人間が出さなければ…。
予測説明ができない、が印象的だった。
セキュリティ―の問題への関心も高まった
グーグルの事例などを数多く知りたい
初級編という内容でした。
活用できる範囲は広いと感じた。
分かりやすかった。話してのスピードアップをお願いします。
勉強になったが、ディープラーニングかどうかを理解するのはまだまだ難しいと感じた。さらに理解を深めたい。
人工知能や深層学習に対する知識は身に着けていかないといけない
質の良い教師データってどう考えればよいのでしょうね？
偏っていてはダメと説明されていましたが、何が偏っているとダメなのでしょうか。たとえば猫を認識させる場合に黒猫ばかりを教えてはいけないというのはわかりますが、実際にはそのような単純なデータばかりではなく、偏っているかどうかもわかりにく場合が多いと思います。
契約書の筆跡をディープラーニングすれば与信業務に活かせると思いました
deep learningの基本を修得できました。
とても簡潔にディープラーニングの特徴がわかりました。
ディープラーニングの基礎が理解できた。
機械学習とディープラーニングの関連性が良くわかりました。
よく聞くディープラーニングという言葉について、理解が深まった。理由をせkつ名できないというのも、これからは変わってゆくのだとは感じる。
機械学習をさせるデータの質と量という注意点が一番大変で、なかなか簡単に活用できない。今後、もっと機械学習が簡単にできるようにデータを流し込むことができるようになってほしい。
なんとなく知った気になっていたことが理解できました。
もう少し自分の仕事でどう、役立てられますか？という質問について、[Best answer!]など紹介していただけると、知識の定着につながったのではないかと思います。ご検討お願いします。
ディープラーニングと言ってもピンと来なかったが、
ある程度は理解できたと思う。
ニューラルネットワークは人間の脳の神経細胞の仕組みを模倣したものということから、異なる分野を学ぶことが発明につながるため広く興味を持ち続けたい。
ディープラーニングの留意点を踏まえた上で、どのニーズに応用するか見極めることが重要と感じた。
身近にディープラーニングを活用できるビジネスが存在していることが理解できた。
わかりやすい内容でした。中国の例等もありイメージが湧きやすいですね
正しいデータを集めるのが大変そう。システムにゴミを入れてもゴミしか出てこない
ITの進化を感じた。近い将来様々な分野での活用がされるであろう
ディープ⁉︎なラーンだった。
ところでインタビューとかでないナレーションはボカロイド？それとBGMが、なんとなく雰囲気出してる。
ディープラーニングを生かした新しいサービスが世界を大きく変えていくと思われ、それにかかわる仕事をしていきたい。
小さい子供が生き物すべてを、ワンワンと言っていた数ヶ月後に、ワンワンとニャンニャンの区別をするようになる。
人間が教えずに猫の特徴を解析して認識できるようになる、ということはものすごいことなのだろう。
人間が問いを与えずに機械が何かをするようになったら相当に怖いが、相当な能力を持った機械に対して人間がどのような問いを与えるのかも怖い。
人のやらなくてよい領域が増えることは良いことです。
とても役に立ちました
ＡＩが敵になるか味方になるかは利用の仕方次第。今現在の価値観で仕事や生活を考えてはいけない。知識のないまま仕事が奪われるのでは？という不安から闇雲に敵視するのは進化を止めるだけ。
人間の作業や手間も加えつつ、併用できたら良いと思います
サービス業での活用度が高いと思う
これからはAIとの共生がテーマだと思っています。
基礎知識というより、初歩的な言葉の解説でした。
データの質により予測の結果が変わる。データの特徴を説明するのが苦手の２点には注意が必要だと感じた。
プログラミングを学ばずとも、ディープラーニングの進化により、誰でもアプリ等は簡単に作れる時代が来る。
モノを見分ける際に手がかりとしている特徴が人間と深層学習によっては異なっているという点が印象深かった。
ディープラーニングをわかりやすく、短い時間で学ぶことができました。
将来あらゆる業務にディープラーニングが関わってくると感じた。
業務効率改善に具体的に役立てることができそう
わかりやすかったです
知識が深まった
参考になった。
精度更に向上すると、様々なものに活用が出来るので、進化が楽しみだと感じました。
犯罪者として認識されたら怖いと思った
ディープラーニングに関する大まかな理解が出来た
ディープラーニングが全ての事象に活用できるわけではないことが理解できた。
赤ちゃんを育てていくのに近いのだとも。
(=^・^=)の例がとても分かりやすかった。
面白いですね
身の回りに実例が少ないが近いうちに急速に確実に浸透してきくだろうと実感がわきました。
事例の解説で、活用のプロセス及び、複数の活用例があればより良かった。
企業での導入が簡単・低コストで、できるようにしたい。
参考になりました。
今後は、ある程度質の良い大量のデータをどのように集めるのか、も課題になりそう。「AI vs. 教科書が読めない子どもたち」「日本進化論」に書かれていた現在・未来の教育に関する内容を思い出した。
次もやりたい
何がディープなのかを知ることができてよかった
ディープラーニングの概要理解に役立った
勉強になった
言葉で説明するのが苦手とありましたが、人間だって同じです。
何かを高精度で判別するとき、その理由は「経験や勘」と言いませんでしょうか。
熟練者を信用するように、実績さえあれば熟練機械も信用すると思われます。
むしろ、経営層に何か提言するとき、
「熟練者がこう言っています」が弾かれることはあれ
「熟練機械がこう言っています」は弾かれないかもしれません。