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。

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。

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。

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。

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。

「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。

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。

機械学習のメリットは疲れないことだと思います。延々と学び続けることで、膨大なデータからパターンを導き出せるから。
具体的な方法はわからないが、アンケートの集計の様なことを実現できれば、人間はクリティカルな事に集中できるのではないかと思いました。

私がいる業界では、ものを見分けることが必要である。それをルーペなどで拡大して見た目で判断、XRFなどの元素を分析にすることで判断。これを簡単にディープラーニングで出来ないだろうか。

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。

セキュリティ強化にいいですね。

人間も機械も同じ物質です。
機械が人間を超えられないことはない。
人間の思考を超える日が来るのが楽しみです。

不特定多数の来場客がある弊社の工場見学でも有効であると感じました。

「■新規性：人間に教わることなく特徴量を自分で発見する。■ニューラルネットワーク：人間の脳神経細胞の仕組みを模倣」という2つの特徴を学びました。
自身のかかわる業務で比較的単純な割に工数を要する作業の自動化・効率化に活用できないか、と考えてみると楽しそうだなと思いました。

これからも勉強します

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。

AIの精度は１００％では無いので、最終的には人間の判断や手間がかかる。制度を１００％にするために、必要不可欠な人間の判断や手間を省略しないように注意が必要である。ＡＩを過信し過ぎないような注意が必要。

上手に使い熟すには、人も常に学習ということでしょうか。

ディープラーニングで苦労がなくなると、時間短縮や作業が簡単になりますが、その分身に付かないデメリットもありそう。

ディープラーニングの予測結果の精度は100%ではなく、結果を導き出した理由の説明も苦手ということなので、最終的な意思決定のための説明にはヒトの力が必要になると思いました。しかしながら、結果を導くまたは絞り込むツールとしては非常に効率的だと考えるので、積極的に活用していきたいです。

防災システムの予測技術

コンピューター自身が特徴量を学習して猫を判別した事例は、まさにAIを搭載したコンピューターが人間の制御を超える事例を彷彿とさせた。
ディープラーニングに学習させるデータの質と量が適切か（変に偏りがないか）、予測精度が100%でない点に留意しつつ、活用に当たっては上手な使い方が求められることがよく理解できた。

ベテランが確認していた商品の出来栄えなど一部置き換えができる

ディープラーニングを実際の業務に適用するには大量のテストデータが必要だと思います。

今の自分のビジネスで、どのように活用できるか考えていきたい。

AIが盛り上がっているが、目先のデータが学習に適した形になっていないので、すぐに使えるわけではない。

新規部材の探索に応用できたらと思います

ディープラーニングの特異な事、府億位な事が判るようになれば、その特異なことを業務に活かしてく仕組みを作ることが出来る。

現実社会で既に実用化されているが，自分の業務周りの個別のことにどのように適用できるか，手間，スキル，コストが気になった．

ディープラーニングをどう活かすかが重要ですが、現場には具体的な例がおりてきません。一部の業界でしか使えない技術ではないはず。もっと浸透してあらゆる業務に役立ててほしい。

人間の脳の仕組みを模倣したアルゴリズムと聞いて驚きました

HRM領域においては、ディープラーニング技術をHRテックに応用することで、採用選考やメンタルヘルスもしくは従業員満足度の測定などをはじめとしたあらゆるタレント・マネジメント項目の精度向上や管理の省力化が期待できると思われる。一方で精度が１００％ではないことによる誤解や冤罪、また職員個々のプライバシーに過度に介入することによるハラスメントなど、新たなリスクも懸念される。

新機能開発の検討素材になりました

機械学習は100%ではないが、機械学習が得意なことは機械学習で行うようにすることにより効率的になるはず

活用できる場面は少なそうだが、人事評定などに使うことで公平性が高まるかもしれない

期待として、将棋の初心者を上手に教えるような応用をして欲しい。強くなる方は、プロよりも強いのでもう良いので、初心者のパターンを発見し、その初心者が気分よく対戦するように、気づかれないようにレベルを下げ、それでいて考えさせて強くするソフトが欲しい。

中国の天網の例から考えると、国民総監視社会が技術的には可能になっていると思います。文字通り『お天道様が見ている』世の中になっていくようで、功罪両方議論する必要があります。ある程度の技術の推移を知ることは主体性を保ちながら社会と接する上で必須だとの気づきを得ました。

異常か否か判断しづらい異常データの早期発見に役立てられそうです

復習しないといけないですね。

ディープラーニングと機械学習の違い、ディープラーニングがワークするための前提条件

新規参入市場における行動パターン予想に応用できると理解しました。

ヒット商品を生み出すときに、今よりも効率的にできるのではないか。現状では、なぜその新商品が売れると思うのか？の根拠を示して商品化の商品をもらうが、今後は、ディープラーニングによる予測で、理由はわからないが売れると思われる、という提案をしていくように変わっていくのかもしれない。経営側も認識を変えていく必要がありそう。
ただ、データは誰にでも平等に与えられるのだとすると、各社から同じような新製品が発売されてしまい、メーカーの知名度や発売までのスピードが速いメーカーが消費者を勝ち取っていくのだろうか。

業務で活用するには、費用面や会社のIT技術理解の面で結構ハードルが高いかも。導入できたら、様々な効率化が期待できそう。

業務で活用するためには精度を100パーセントに近づけるべきだと思います。

何事も万能絵はないため、ディープラーニングを中心として、他の分析手法を組み合わせることにより、強固なシステムができると思う。

実用できれば便利だと思ったが、導入時の費用対効果がきになるところ

大手通販会社の人材採用で、偏見を含んだ教師データをAIに学習させたため、差別的な結果となっていたというニュースを思い出します。　
なぜ、そうなるのかアルゴリズムが明確でなく、結果も100%でないため、レベル3以上の自動運転などメーカー責任範疇となってしまう案件にAIを使うのはリスキーだなと感じました。
こういう及び腰になってる開発者を尻目に、どっかがリスクを承知で出してくる事で技術革新が進むことを望みます。

業務で活用するためには、実際にプログラミングする等の手を動かす勉強も必要だと思いました。

２０１２年のトロント大学の画期性の詳細を忘れたため（説明がなかった部分）、そこを再学習し、従来の手法に囚われない意識を高める。

データの質が大切。偏りがあると倫理問題に発展しかねないため、どんなデータを読み込ませるかの判断を間違わないようにしたい。

人間が学習し、業務経験を積んで、精度を高めてきた業務に、ディープラーニングの技術が取り入れられ、処理速度と精度の向上が図れれる。

業務効率化にAI活用を検討している。教師データの質を高める必要があると思うが、どのようにして質を高めるのか、さらに学びたいと感じた。

絶対は無くとも瞬時に判別出来る事は有効である。但し、正しい使い方が出来ないと人が人を管理する恐ろしい仕組みとなるリスクがあるとも感じました。
ＳＮＳ同様に悪意ある者に対して対策が無いと「便利」という名の人を傷つける武器にもなり得る

業務での活用としては、まずは新人の育成時の説明事例として参考にさせて頂きたいと思います。次に活用するとしたら、採用時の選考です。内定者の反応特性と入社後の育成科目内での本人の反応特性から、育成結果に関連性が見いだせると期待しています。現在採用、入社時、研修と共通データを取得していますが、私たちでは見いだせない特性を発見できるのではないかと思います。

This course has helped me developing skills and characteristics, which are required and useful in future. The course which I studied was time management, after completing this course, it helped me in managing and distributing time to each objective and task.

AIの進化は日進月歩なので、AI自体がディープラーニングの弱点を補えるようになる日も近いと思う。

将棋ソフトのレベルを見るにつけ、この先もどんどん発展してゆく分野と感じます。

入館時のセキュリティ対策に活用できそうです。

業務にも積極的に導入していきたいが、なんだかんだでコストがかさむため、費用対効果を考え、結局従前の形から大きくは変えれていないのが現状。
なんにでも言えることだが、使う側の使い倒す力量が大事。

AIの技術動向を常に追っておくことが極めて重要だと思います

何となくで捉えていたディープラーニングの超概要を理解できた。
必要に応じて専門書を読むなどで理解を深めればよい。
学習データは大量にあり、やりたいことはあるが、どのデータが有用でデータの何を捉えればいいのかわからないものに活用するか。

機会があれば、写真データから特徴量の抽出をチャレンジしてみたい

この技術の進展により、既存のサービスや仕組みが大きく入れ替わる点を踏まえて更に何ができるのかを考える必要がる。

具体的にどのような技術なのかは不明でした

もう少し深い内容がよいです

よく聞く言葉だったが少しなり理解が深まりました。ＡＩの出した結果を受け止める人の判断も重要、ＡＩに学ばせる情報も重要と使い方次第と思いますが、どのようなことをさせるのか、結局双方が補っていくことが必要なと認識しました。

単純な業務にかかる労務を節減するとともに、現場単位で集積していたデータをより広く活用できそうと感じた

最近、テレビなどでもディープラーニングという言葉をよく聴くようになった。詳しいことは別に学びたいと思うが、入り口版理解できた。

精度を上げるのが大事

ディープラーニングも結局、使う人次第で人が判断して教える事から始まる。正しく理解して正しく使う事が大事と感じました。
人による説明説得、AIの出した結果による説得、どちらも得意不得意があり使い方次第かと。

見積書読取に関してディープラーニングが活用できる。ただし、７万件のデータを読ませる作業自体に工数が掛かるため、それを超えられる工数の投入が難しいように感じた。

ホテルで顔認証システムを導入すると、それを嫌がって泊まらない客も出るかもしれない。便利だからといって、企業にとってのメリットとデメリットを天秤にかけて導入判断をしなければならないだろう。

業務改善のための手法の一つとして、改善方法を検討するときのオプションとして常に頭に入れておきます。

消費行動の分析から、よりお客様に選択される商品の開発に活用する。

知識として把握は必要なものであることを理解して、今後の学びに役立てます。

ディープラーニングとは、データを反復学習して、パターンを自分で見出すこと。特徴量も含めて、自分で学習するという点に驚いた。
もう少し自分の言葉で説明出来るよう学びを深めたい

ディープラーニング自体の精度は今後も高まっていくと思われるが、リスクへの対応をセットで導入しないといけない。個人情報のような法的なもの、正しくない予測への対処など。万能ではないことを知っておく必要がある。

実際の業務に役立てていく。

顔を覚えなければならない営業職に取り入れたいメソッド。
顔認証でおすすめ製品を案内。

仕事・日常生活ですぐに使える場面は想定できず。
いずれ活用できることを期待。

会社にある検温器などの動きを見ていると、恐らくディープラーニングが組み込まれているのでは？と思う。
結構身近なものなのかもしれない。

知識として頭に入れることができてよかった。

実際の業務に応用できる事例がいくつかあると思いました。

itパスポートの学習にもなりました

基本的な話としては解るが、特徴抽出の違いによる機械学習とディープラーニングの差もあってよかったかも。機械学習はデータの特徴を見つける着目点は、ヒトによって定義され、定義された着目点に従って個々のデータの特徴が抽出される。対して、ディープラーニングは着目点そのものがコンピュータによって抽出され、言わば自律的／自動的に特徴を抽出する。

印鑑照合などの確認作業がテクノロジーによって簡素化できる。

今後の技術発展が楽しみである。

購入履歴や購入者の属性を大量に収集・分析することで今後の需要を予測して商品提案を行ったり、商品開発・仕入の際の判断材料として活用できそうだと感じました。

これまで漠然と理解していたディープラーニングについて、体系的に学ぶことができた。よく人間の脳をモデルにしているというが、それがどのようなことなのかを理解できた。

理由を説明するのが苦手という欠点を補うことができれば、より汎用性がある。

今後のビジネスに活用できる知識を学んだ。

これからの時代は、企業からの画一的なサービスやモノの提供ではお客様の共感や支持は得られないと思います。
お客様に合わせたカスタマイズ、パーソナライズの有効なツールとして、ディープラーニングは活用出来ると思います。

確かに人間がいなくても機械で自動化してやれば、便利だけど、個人情報を抜き取られるのは危険なことだと推測します。サイバー攻撃でやられたらにっちもさっちもできなくなりそうでもどかしいです。

ディープラーニングはブラックボックスであるが故にインプットとアウトプットの関係性を理解するのが難しいと感じた。
また、精度が100％は保証されないため、アウトプットを再度人間が吟味し、結果を採用できるのかや、使用した機械学習の手法が適切かを検討する必要性があると感じた。

AIが人間より優れていること、人間にしか出来ないことを理解して、AIが優れていることはＡＩに置き換えて、業務効率化を図っていくことが必要だと感じた。
ただ、精度も100%ではないのでAIに過信しすぎてはいけないので、判断を求められる際には、要求レベルによってAIに任せるのか、人間がやるのかその辺の見極めも活用するには必要だと思います。

ディープラーニングを活用するためには、選別した意味づけを人が行なう必要があると感じた。

これだけの知識では活用不可。もっと学ぶ必要あり。

知人にかんたんに概要を説明する際に役立つ。

学びの土台となるデータに、結果が依存することが理解できた。

ディープランニングは個人情報の流失等の問題を考えなければいけないと思いました。

新商品開発に活用できるのでは。既存や過去に販売した商品の販売データを学習させて、どのような特徴を持つ商品が受け入れられ、販売動向を示すのか。自社・他社商品を問わず幅広いデータを用いて、ヒット商品を生み出すことができるようになるのか。興味がある。

精度は情報量によるということは、人間の経験値と共通しています。
100％精度はあり得ないということを念頭に置いて情報を上手に使う、ことが大事と思います。

ディープラーニングが理解できました。

新たな可能性とそれを管理する管理者、利用場面をよく考慮する必要があると感じました

具体的にどのような場面で、業務にディープラーニングが適用できそうか、もっと詳しく学んで、活用場面を検討していきたいと思いました。

ディープラーニングの技術によって過去の販売状況や天候データ等によって販売予測や需要の見込みに役立てれるのではないかと思いました。
ヒットの法則を発見することで新製品開発にも活かせそうです。

ディープラーニングは今後のロボットによる自動生産システムなどにも大きく期待が寄せられる。しかしながら、それにはいかに正確なデータを取得していくかという課題もあり、今後の研究に期待したい。

20分程度の学習で消化できる内容ではなかったと思います。興味を持ってさらに学習したい内容でした。

繁盛店とそうでないお店の写真をデータで学習させることで店内のレイアウトや外観を参考にし、店舗プロデュースやコンサルティングに活かせると思いました。

元の情報の精度が重要

オンラインで商談（営業）する場合、相手の表情を読み取り、把握することで最適な提案ができるようになるかもしれない。（もう、そうすればもはや営業マンの必要性も疑問？）

朧気に理解していましたが、改めてきちんと学ぶ事ができたので勉強になりました。

この講義を通してディープラーニングの概論は理解したが、実際の応用方法や機械学習の進め方についても学びたいと思った。

色々な分野で導入されているが、精度が100%でないということをしっかり前提としておかなければいけない。
これから量子コンピュータなどの進歩によって精度が高くなると思いますが、最終的に判断するのは人になると思います。

人工知能が学習する量と速度には、人間は追いつけない。しかしデータはいくら積み重ねてもデータにすぎない。出てきた結果や答えを判断するのは人間にしかできない。
これからの生活がどのように変わるのか、しっかり見ていきたい。

ディープラーニングによって導きだされた答えの何故そうであるかの説明が明確で無いことについて留意したい。

ディープランニングの使用範囲を広げてもらい人々の生活を楽にして欲しい。

今までは深層学習と聞いても、縁遠い技術と感じていましたが、ここに来て逆に取り入れないと、競争に負けてしまうというか、顧客から見放されるので、と感じるようになりました。
深層学習をベースとした人工知能は、その難しい印象から嫌煙されがちかもしれませんが、積極的に部分採用でも良いので活用し、その可能性の研究に一刻も早く取り組んでいかねばならない、と感じました。

ディープラーニングという言葉自体はもはや当たり前で一般的な言葉になっているが、改めてその基礎知識を学ぶことが出来てよかった。

測定して得られたデータパターンを使って、次に何をすべきかのコンサルティングまで行える

留意点の3点は業務で活用する側の我々にとって考えさせられる内容だと思った。
1.理由を説明するのが苦手
（予測及び結果について）機械が〇〇と言ってます。だから〇〇なのです。では実務は進まない。機械の予測及び結果を「翻訳」できる力を身につけるか、「翻訳」できる仕様にしておく必要がある。
2.精度は100%ではない
　当て物に走らないことと、ズレを前提とした対応で事に当たる必要がある。
3.学習の背景に影響される
　「そもそもの」前提を理解しておく必要がある。この辺りはナラティヴな側面も考慮するという意味合いに近しいと感じた。

ディープラーニングと向き合うことは「人の作業能力を超越した機能特化型で、ちょっとコミュニケーションにクセがある同僚」と職場で付き合うことだと感じた。向き合い方次第で、業務の生産性に差が出る分野だと思う。

Nシステムのように、顔で個人の流れを掴めるようになれば犯罪の抑制や解決に役に立つと思います。ただ、「プライバシーがー」と言って反対する勢力が必ず出てくるので日本ではなかなか普及が難しいんですね。

多様化するサービスによって、顧客の求める要望やレベルも複雑になり高度化している。コンタクトセンターも以前は、限られたパターンのフローやスクリプトで済んだが、多様化によって業務が複雑になってきた。ディープラーニングの導入により、会話内容を分析して必要な回答や求めるサービスの提案が効率よく提供できると考える。

様々な局面でAIがどんな学習に基づいてこのような判定をしているのか、を考えることを習慣化することで、AIの仕組みや特性に対する理解が深まり、AIを活用するためのアイディアがより浮かんでくるのではないかと思った。

いろんな応用ができると思います。買い物、乗り物に乗るとき、役所での手続き等、顔パスで何でもできてしまう。未来が楽しみです。

ディープランニングは、物事の決断を進めていく上で必要となる情報を導き出してくれる画期的な技術だと感じた。ただ、人間が持つ能力を全てカバーする技術には至っていないことも理解できたので、上手く有効活用しながらも自身の考えも持つ必要があることを感じた。

ディープラーニングという技術をどのように活用していくかが人間の仕事になってくると思った。

AIやディープラーニングについては特性（得意分野、再現性　等）を十分に理解し活用しないと誤った判断につながる。

インプットされる情報の内容質によって、AIがモンスターになるか、公平で頼れる助け手になるか、AIに情報を与える人次第なのを考えると、
便利に活用できる分野もあるかもしれないが、危険性も秘めていると思いました。

会社に入館する際、社員証を忘れた時の確認に活用できるので、入館手続きのロードが軽減されると思った。

ディープラーニングとは、人間の脳の思考のメカニズムを元に開発され、その情報の入口から結果が出る間の中間層が階層が深いため、深層学習＝ディープラーニングということ。
ディープラーニングで出た結果の正解度は100％ではく、また正解の理由付けも明らかではないので、完全に正しいと信用してしまうと、冤罪を生む懸念があることを認識する必要があること。

ディープラーニングが自社にどう適用できるかについて、世の中がどう変わっていくのかを踏まえて検討しようと思う。

これからの技術に期待します

将来、短期間で開発サイクルを回し、利益を上げないと業界に生き残ることが困難になる可能性がある。ITの技術動向に対してアンテナをたて、業務に生かせるところはどんどん取り入れていきたいと感じた。

ディープラーニングと人間による作業の並行により、両方の質を高める可能性がある。

これから機械で出来ていくことを考えながら業務に取り組む

DX等に関わる様々なことを理解して、ビジネスの現場で使えるものにしたい。

手書き書類が多いので、データ化する際にこの技術が活用できたらよいと思う。

表情認証を取り入れたロールプレイ

業務を行う際に当てはめて考えてみます。

コメントなど特になし

なんとなく分かっていたディープラーニングを理解できました。
大量の質の良いデータが肝になるが、このデータの取集が大変だなと思いました。

これも将来使える技術なのでしょうね。「ディープ」の意味等よくわかりました。

自社のIT化の背景が理解できたため

提案から受注までのステップなど、業務に一定のパターンや傾向があるものであれば、ディープラーニングの活用の場はあると感じた。

今後開発する製品にディープラーニングの機能を付加する事により、新たな製品価値を生み出したいと思います。

学習データの質と量が大切である。数字で他から出されたデータを鵜呑みにせず、まずはその数字自体がデータ自体を解析に使えるレベルの精度にあるか確認し、そうでなければまずは解析前に精度を改善するようにしたい。

大量の情報を見て人間が一つひとつ判断するような業務について活用できそうである。

人間のミスより少なければ実用性があるため、今後はより活用されると思う。

今会社で一生懸命AIを活用できないかという話が有るが、根本にはディープラーニングの考えがあることを理解しないまま進んでいることを感じる。例えば予測は100%でないとか、理由は説明できないとか。
こういった前提を抑えておくと、どう活用するかのヒントになると感じた。

自分の携わっている仕事でどのような活用ができるのかイメージがわかないが、これからの時代様々な場面で導入されていることを参考に取り入れていく必要を感じている。

スマホの検温もデータを取られているのでは、と疑ってしまいます。

インプットとなる情報が悪いと、アウトプットの予測も偏りが出るという制約事項が印象に残った。
それは、日頃の業務プロセスの設計にも言えることであり、インプットデータの精度をいかに上げるかということは永遠のテーマなのかもしれないと思った。

物流業の全ての輸送モードに手配業務という最適化業務があるが、人への依存度が高く、巧拙の差が出やすい。特に海上輸送は気象データや輸送港湾のファシリティや繁忙状態などの判断に必要な情報が多量かつ変化スピードが速く、ある程度予測して動く必要があるが、この予測能力の差が収益に影響を与えやすい。安定した予測能力が手に入れば、船舶や車輌の保有数量を減らし、保管スペースを減らすことができるように思う。また、ルート選択、寄港頻度など様々な選択を迫られる場面そのものが顕在化し、改良点も顕在化するか？

一卵性双子の見分けとか、整形で同じ顔にしたらどうだとか、実験結果をみてみたいですね。

ディープラーニングにより顔認証やID化が進化している事を認識した

ディープラーニングを業務活用することを考える良いきっかけになりました。

外観検査、とりわけ整形部品や金属加工部品の受入検査において、これまでの画像処理では撮像の難しかった不定形の製品の形状不良や表面の傷、加工不良の発見に役立つと思われる。

業務の効率と人的パターンミスをなくせる

100％ではないから、はじかれたエラーに対する対処が大変そうだ。結果そこに人手が取られる。

この技術は難しいですが使えると仕事の幅が広がるということは分かりました。

業務で役立てるためには、偏りのない情報をどれだけ集められるかを検証することが重要と感じた。

予測することに利用す

様々な分野で利用できそうですね。ただ、質のよいデータを与えるには人間の力がやはり重要かと。

不要なデータの取り込みもはどこまでどうすべきか？かもしれないと思いました。

学習させるデータの質をどうするかが肝となることを再認識できました。

特性を理解しないと期待した効果は得られない。各分野の匠の経験と勘を適用し省人化、効率化、高度化を図りたい。

OK/NG品の判別で判定方法の定義が難しい場合ディープラーニングで効果があれば今までにない改善できる業務に発展する可能性があると感じた

私の会社の運転管理の補助に使えると思います。
いきなり使用はリスクが高すぎる

おぼろげであったか、しっかり理解した。

プライバシーの管理が重要で、個人的には心配だ。

最近企業でディープラーニングを含むデータサイエンスが流行っている。今後は、人間による活動だけでなく、それをデータサイエンスでより効率化するような仕事の進め方が主流になるのだろう。

業務で活用するためには、似たようなデータをたくさん用いて、その分類をしたいときに使えそうです。

参考になりました。。

ディープラーニングは人間のニューラルネットワークを模倣したとあり、その弱点も人間の認知の弱点と類似していてとても興味深い。
なぜ画像をネコと判断したのか、無理に説明させたら、人間も機械も同じような説明をしそう。

ディープラーニングについて、ぼんやりと理解しました。

ディープラーニングについて理解ができた。

ツールとして日常的に使える技術になるにはまだ時間がかかりそう

進化した技術を取り入れながら、人間ができること、得意な面を伸ばす必要がある。

ウィズコロナにおいては、顔認証システムは有効な場面も増えてくると思います

当社においても過去の履歴や同様の事例を収集する仕組みはあるため、今後はよりディープラーニングの技術により、生産性向上、効率化に繋がると考えられる。

ただし１００％では無いと言う事は認識しておく必要性がある。

本コースの序盤で、Deep Learningでは、人間の感情の変化に気付くことはまだ苦手という解説があったが、大量の表情の画像データを学ばせることによって遠くない将来に「感情」把握も可能になるのではないかと思う。これが可能になると、例えば顧客への事業説明のときに、相手が本当に理解できているか・納得出来ているかを相手に聞かなくても分かるようになる。教育の現場でも、先生が生徒に対して使えるのではないか。

精度は100％ではないとのことだが、iPhoneの写真検索などはかなりの精度だと思う。

AIに任せるには人間がしっかりしたプログラミングをしておかなければならない

時間軸の提示がなく、偏りの激しいコンテンツだと思いました。
機械学習の特徴から学ばせないと表面的で浅はかな知識しか
入れられないのではないかと思いました。

この内容では深層学習、ディープラーニング、ディープニューラルネットワークなどの単語の意味合いと相関性がいまひとつ理解しにくい

ディープラーニングは、今後色々な分野で利用され、さらに精度がアップすると考えられ、重要な技術となるので、これを利用したシステムを研究したい。

ディープラーニングが進むほど、個人情報が流出した場合の影響が深刻となるためセキュリティーの強化とセットで開発する必要があるように思います

社内事務、提案書等に活用が出来ないかな

データの量及び質が重要であり、元データを準備する段階で偏りがないかなどを充分にチェックする必要があると感じた

少し関心があったため、ディープラーニングによる画像診断の仕組みを学んでみたが、そのアルゴリズムが全く理解できないというものではなく、複雑な識別をどのように機械に実行させるかという指示の仕方を考えられれば、あとは大量演算を得意とする機械に任せることで診断能力はどんどん上がっていく。そういった技術が今後様々なところで活用される時代になるため、臆せずに技術活用をできるようになりたいと思う。

100%信じ切れるものではないので、使用時は注意が必要と感じた。

最終的には業務から作業や、人間のバイアスがかかった誤判断をなくしたいですね。

AIにより便利な世の中になっていく分、人が必要とされなくなる。
AIでは、できないことができる、必要とされる人になる必要がある。
常に学習をして価値のある人間になることが重要だと気づかされました。

機械学習とディープラーニングの違いが理解できたので、今後そういったAIの商材を提案する機会に活用できそうです。

ディープラーニング機能を活用して、パソコンやシステムを介し、人間が繰り返し作業している業務の生産性向上を図るツールとして、活用できる可能性が高いですね。 さらに学習していきたいと思いました。

業務で活用するには、その強みと弱み、しっかりとしたデータベースの構築が必要であり、これを意識してかつようしていきたい。

限られた人員で処理する時、過去の知見に学んで業務を処理していくディープランニングは期待出来る分野である。

業務効率改善に向けて積極的に導入していきたい。ただし、教師データの素性には注意するようにしたい

会社のセキュリティも、顔認証ですみ、IDカードのスリット等がなくても良くなる。ある程度パターン化できそうな製品のバリエーション展開などは自動化できるのでは。

ディープランニングで生産性を向上できそうなものは積極的に提案していく。

ディープラーニングについて理解できた。その特徴を上手く活用できるものが何か仕事の中で使ってみたい。

ディープラーニングと機械学習との関係性が理解できた。いずれにしても精度が
100％ではないため，積極的に活用しつつも，必要に応じて人間の力を借りながら付き合っていきたい。

工場内の不良品検知が出来そう

実際の業務にどう落し込んで役立てていくか？　システム自体は餅屋に任せるしかないのだろうが、それをどう使っていくか？をしっかりと事前検討する必要がある。

お客さまに説明する上では、人間の思考過程も必要と思いました。支払保険金額の算出においては、あくまでも目安の提示に留まり、最後は人間の判断が必要と思いました。

ディープラーニングについて周りに説明できるようになった

定期的な業務であり手動でやっていて、時間のかかる業務の自動化。

ディープな内容で理解に苦しむ。

ディープラーニングの活用で人間の仕事は大きく変わる。そのためのマネジメントがこれからの課題である。

特に安定化が求められる工場での生産に適していると感じました。

ディープラーニングを活用することで、今まで諦めていた更なる生産性向上につながる。
ただし、活用するデータは、かたよらないなど、取り扱いを十分注意しながら やっていく必要がある。

でじること、できないことを知り、目的に応じて使い分ける

G検定を取得していることは、採用活動においてはAI事業に関心のある学生と話す際の素地としては役立っていると感じます。

顔認証をはじめとして、非常に有益なテクノロジーではあるものの、人間のセンシティブな情報をベースとする限りでは、一定のルール・制約が必要となってくるように思う。

セキリュティ対策で活躍できるかもしれない

DXとして、業務効率化に非常に期待できる。

今後この機能を活用した仕組みが広がっていくが、精度が100%でなく、はじき出した答えの理由に根拠が示しきれない点を考慮すべきと感じた。

会議などの運営に役立ちそです。

企業として、どの場面でディープラーニングを活用できるかは、今後の課題になることを感じました。

ディープラーニングはあくまでツールなので、どのような課題を解決したくて、使用するのかを明確にしておかなければならない。そうでない場合は、ツールだけ導入され、結局使いこなせない状況に陥るので注意する。

人間でもそうだが、ディープラーニングで元の情報が偏れば、結果も偏ってしまうので、元となる情報の選び方、決め方は重要になってくると思いました。

学生との面談の際に深い質問が出来るようになった。

もっと高度な活用を指向します。

会社のセキュリティーとして顔認証を採用してもいいかもしれない。制度が年々高くなっていると感じる。

実際にビジネスへ応用するには、ハードルが高い

製品異物混入Ｘ線検出器の性能向上、製品仕上がり状態の異常値（外観、色、形状）の判別などにつかえるかもしれない。

R&Dのメカニズム研究で活用していきます。

日々の業務でAIを活用することで効率化できそうなことはないかということを考えてみたい。

可能なかぎり膨大なデータとそれを事前に選別することなく機械学習するフローの構築が必要であると感じた。

ディープラーニングの特徴を知り、今後、ビジネスにどう活かせるか考えることが大事だと思いました。

需要シミュレーションによる　生産　在庫の効率化及び
販売予測の精度向上

ディープラーニングや機械学習について、今まで自分の言葉で話せる自信を持つことが出来ませんでした。今回の学習により理解を深めることが出来ました。理解定着の為、他の人へ説明したいと思います！

基本的な事が理科できた

・知識を再確認できました。

業務で利用するには、個人情報保護が大事だということが分かりました。その上で大量のデータを食わせないといけない訳ですが、データ提供した人がメリットがあるなら多分許可もされやすいのでしょう。購入時の”顔パス”が実現されれば、売り手買い手にも手続きの時間が省かれると感じました。

データの種類と質の確保。

ディープラーニングの精度あげるためにデータの重要性がますますでてくる。
データをどう集めるか、どう精度を高めるか、どう保全するか、など周辺でのビジネスも活況になりそうだ。

ディープラーニングという流行りの言葉だけでなく、その仕組みをどう業務に生かせる可能性があるのかを具体的に考えてみることが重要である。
また単なる画像認識技術と認識してしまうと誤った発想しかできなくなるので注意が必要である

今後の学校のシステムのあり方で、人間の労力を使って行っていたテスト作成や教室管理の手間を、ディープラーニングを使って解決することができる。

いかにして時間をかけずに開発をするか？他社に先駆けて利用するか？が大切と感じる。

ディープラーニングの留意点
で、説明が苦手という点が気になりました。精度をあげていく上で、
人間がチェックする機能を残しているのでしょうか？

これまで、特定の人だけが持つ経験や表に現れない知識（暗黙知）が、データ解析スキル上の優位性になっていたように思う。ITを利用することで属人的スキルを組織知とし、深層学習の活用により新たな切り口を発見することにもつながる可能性を感じた。

人の判断に頼る工程などは置き換えられる。

よく分からないとは言ってられない時代になりましたので、引き続き学びます。

IT分野は苦手としておりましたが、本講座で大変興味が出てきました。関連の講座も学び、自分の言葉で語れることをまずは目指していきます。

マラソン大会に参加する人をAI搭載するカメラで撮影し、一定時間以上のスピードでゴールする人を認証することを複数大会、複数年でデータを蓄積して、その情報をもとにスポーツサプリメントのプロモーションを打っていく。この場合個人情報の開示についてランナーの同意いただくプロセスが必要となる。

ITに全く興味は無く学んでみたが、こんなにもわかりやすく、日々この知識を用いて考える事が出来る内容であることには驚きだった。
視野を広げることが出来る！

予測精度は100%ではない、それを前提に業務設計をすべきである、これがまさに肝だと思いました。

ディープは深層なんですね。

顧客情報をディープラーニングさせ、来店時に瞬時に過去の情報やそれぞれに合う接客方法を教えてくれると顧客満足度が上がりそうです。

なんとなくイメージできるものの言葉で説明するのが難しい

とても簡単だった。AIには興味があり、それを活用することで業務に生かせそうである。

まだ大枠の学習なので漠然とした考えですが、ビルの入退出のセキュリティーや、それを1歩進めた勤怠管理、人事管理に応用できそうです。

データの質が重要なのはディープラーニングに限らない。

万能でないにしてもスクリーニングという点から時間と労力を大幅に効率化出来そう。

最近では、ホワイトボックス型のものもある。
また、このブラックボックス状態は、AIだけでなく、結局人間いも言える話では！？

今後の業務では必ず必要になるので、もっと詳しく勉強していきたい。

ディープラーニングという言葉きいたことがあったが、実際の利用シーン事例があり、よく理解できた。

ディープラーニングを学びました。

今後、中国のように思想統制などに応用されないか不安である。

ディープラーニングの特徴を活用し、導入を進めていかなければならないことを改めて考えた。

学習できるデータの室と量によって予測の精度が違うがディープラーニングを活用し業務の生産性向上を行いたい。

正確性は100%ではないし、言葉で説明するのが苦手というところが非常に興味深い。

ディープラーニングでなんでもできるような感覚をもってしまっていたので、何ができるか、何を使うと効率が良いかをしっかり意識して進めていくことが重要

正の側面を活用できれば良いですが、禍の部分は避けられません。
これまで日本はどちらかというと禍の部分の懸念から積極利用を勧めたり、どこで実際に使われているかを公表していませんでした。
しかし、その覚悟と責任をもって開発や利用が必要な時代になり、コロナ禍の時代でまさに使わざるを得ない状況になってきているのは間違いなく、今後どこまで拡大するか、線引きが大事ですね。デジタルポリス化が当たり前になることは避けたいです。

精度が100％でなく 間違いもあるので 最後は人間の力がまだ必要であるが
AI、人間の得意分野での仕事分担が今後益々増えて行きそうです。

導入にはコスパの面から見てもまだまだ課題は大きいと思いますし、現行では主に防犯などの分野への活用はイメージしやすいが、実際にビジネスで活用するにはプライバシーの面などで様々なハードルがあると思う。ただ、正しいデータを反映させる事が出来れば人間特有の感情を排した非常に冷静で的確な判断が可能となり、経営判断などに有効になると思う。

個人的には人間よりよっぽど信用できるとは思うが、学習精度次第という部分は他の技術で透明性を担保しないといけないなぁと考えます。

業務で活用するためには、どの業務がディープラーニングに向いているか洗い出すことが重要だと考える。

コンピュータの発展によって、夢物語だったことが現実に可能となってきている。

AI（ディープラーニング）を活用することで、材料開発の効率化に役立てていきたい。これまで百種類テストしていたものを十種類へ、千種類テストしていたものを数十種類へ絞るなど、ある程度予測できるものは省くというやり方を定着させていきたい。

ディープラーニングも完璧ではないので、上手い使い方を考えていきたい。

顧客の移動・購入タイミング・必要品目等の推定

動画の事例にもあった通り、お客さまを認識し、適切なサービスを提供する支援を行ったり、悪意のあるお客さまを判定することに繋げられるのではないかと考えます。

ディープラーニングについて整理できた

顔認証と個人情報の兼ね合いが難しいが、究極の生態認証として顔認証が一般化していってほしい。

またまた、新しい学習ができました。

学習を機械が行い経験を重ねて物事に対応するのは正に人間と同じ存在になる。

まださわりしか聴けていないので何とも

よく分からない。もう一度見直す。

ディープラーニングを活用しようとしたときに、同時に関連法規について学ぶ必要を感じました。

AIのようなものでしょうか？類似する商品群の仕分けに使えないものか興味があります。

精度が100%でないことを理解し、不足をサービスに影響の内容のない様に補うことが大事と感じた。

ディープラーニングを用いたAIの判断基準が分かるようになる（わかりやすくなる）ことは必要だと思う。判断基準が分かりやすくなれば傍から見てどうしてその判断なのかを人間の行動にフィードバックもできるし、元となるデータの偏りから生まれるおかしな判断などにも気づきやすくなる。また、消費者への説明もしやすくなるのではないだろうか。

研究に関する業務を行っているので、どうしても何故そうなるのか、といった点は問われることになるが、それは研究開発の面では確かに気になるが、一方で事業成長の面でみれば、気にする必要が無い、と考えることが出来る。
そういう意味で、研究開発への機械学習の適用、最終的にはディープラーニングにより研究計画が提案されるところまでいくと、圧倒的な競争力を得ることが出来るように感じた。研究者の価値は下がってしまうかもしれないが。

コールセンター業務への導入が可能か検討したい。

AIの進歩が顕著になりつつある今日この頃ではあるが、作業の省力化も進み、更には、人員削減といった状況も進み、ロボット化が進みつつある世の中が、人間として、それが幸せなのだろうかという疑問も少なからず感じる。

ディープラーニングに限らず、今後はどうやってＡＩをビジネスに活用していくかは必須と思われる。自社がいつまでもアナログ的に人間の勘だけでビジネスを行うのは相当に無理がある。業務の何を機械化して、何を人間に行わせるのか？それらの仕分けは人間が行わざるを得ない。だからこそ、業務の詳細な分析をすぐにでも行う必要があるのだと感じるのだ。案外人は、自分が何の作業をやっているのか？隣の人が何の仕事をやっているのか理解していない。これらを見える化することが喫緊の課題である。

社内のどの業務に活用できるかを診断、処方するという部署を作って全体で効率化を図るというミッションなら活用できそうかと思いました。

提案活動における課題解決のためのツールとして使う事を考えたい

これまで人の目に頼っていた業務を機械化することによって、人的資源を有効に活用が期待できると思います。特にこれまで人手を割くことが当たり前だった業務についても少子高齢化によって人材不足が起きるものと思われますが、人工知能の活用により貴重な人材をより付加価値を生む業務に従事させる余地を作ることができるのではないでしょうか。

教育の分野で活用の場が沢山あるように感じる。例えば、問題を間違えた生徒に対してどのような教え方をすれば一番分かりやすいか、など。

ディープラーニングについても導入説明はたくさんあるが、その先、自分で使えるようになるための次の一歩についてのガイドがあれば知りたい。

人間であってもミスること、リスクあることで
改善がなかなか進まない分野を補完出来れば
スゴくよい気がする。

高齢者の生活サポート
移動手段
重労働ルーティンの自動化
ゴミ回収

などなど、挙げれば幾らでも出てくる…

ディープラーニングについての理解はできたつもりですが、例に挙げられているフロント業務の話がよくわかりません。
ディープラーニングではなく普通の機械学習のような気がするのですが。。
詳しい説明がほしいです。

（「宿泊者かそうでないか」の特徴量を自力で発見する、とは？？？？？宿帳とかフロントで撮影した顔とかの情報なしで見分けることができるのだろうか？？？）

この部分は一般論なので問題なく学習できます。

直接人がかかわる仕事とそうでなくてもいい仕事の切り分けと進化が重要になってくると思います。

定性的な効果測定で使用ができるか？

概念はなんとなく理解できますが、難しいですね

ディープラーニングの可能性を知る事が出来た。
こういう技術の進歩により、人はもっと人らしく生活が出来る様になれば良いと願う。

廃プラスチックの分類分け作業等、未だに人の手を用いている、こういった作業が機械に置き換わっていく様な世の中を創出できたらと考える。

ディープラーニングの発達により、個人情報保護についての議論や対策の精度も上がってくると思う。

人工知能に関する学びになった。

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

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