最後の、人間にあってAIにないもの。意志、良心は想像できましたが、「欲」は意外だった。なるほどーー欲かぁ。
理系も文系も適度に広く浅く知っていることが大切だということが理解できました。
実体験としてもそうだなと思います。
理系の職場では、全体的に文系（や経済）に疎い人が多いｗ
一方、非理系の人たちの集まりでは理系のスキルが重宝されます。両方あると最強。
最低限大学教養レベルの数学を身につけなければついていけないことを実感した。
他にもビジネス全般の知識、歴史などこれからの未来をみるのに必要だと痛感した
とても啓発される内容でした。私は鈴木寛氏と同じ世代でしたが、文系・理系という区別にとても違和感を持っていました。もっとサイエンスを勉強すればよかったと後悔しています。
安宅氏の主張も説得力がありました。でも今のアリババは前途多難ですね。政治リスクは常に考える必要があるのでしょう。最後に、鈴木氏の福沢諭吉の引用は皮肉かとも思いました。衆議院議員でも知恵も意志もない人がいますからね。国会議員候補者の能力を客観的にチェックをするAIの登場が必要だと感じました。
AIに対するイメージが大きく変わりました。すごく印象に残っているのはベルの法則で10年単位でコンピュータサイズが1/1000になっているという点です。長期的なビジョンを考える際に、今の常識でできないという判断はやめたほうが良いという意見は非常に参考になりました。数学はしっかり勉強したいと思います。
SQL,Pythonを一度なぞってみる。パケット通信の原理を調べる。自然言語処理のアルゴリズムを理解する。大学1年の基礎数学をきちんと理解する。そういったことが最低限必要。データを用いた特徴量の算出ができそうかどうかを見極められる、感覚的についていけるようになることがリーダーには重要。
大学レベルの数学ができなくては話にならないという部分は絶望的な気分になりましたが・・・人間に対する洞察力やそれを言語化する力がなければ、AIを利用した自動化も意味のあるものにはなりえないということを学びました。
また、エンジニアが言っていることをある程度理解でき、コンピューターができることできないことを理解していなければ、正しい方向性にジャッジできないということも学びました。
安宅さんは本当に面白い。ゲームチェンジをすでにしている世界。妄想が価値を生む。生んでいる。GAFA4社の時価総額合計は、東証一部上場企業の総合計を超えた。そして中国、アリババ、テンセント、バイドゥ、さらにどんどん次から次へ生まれる。エピックもアップルに正面から喧嘩売りにいった。
では、自分が何をすべきか。悲しくなるぐらい基礎素養がない。情報基礎、と、統計の勉強をする。目安として簡単な資格取得（２つ取得済）からG検定E資格まで。学んだデータ利用を同僚と試行錯誤しながら利用開始する、権限者に説明を続ける、データを利用し結果を積み重ねる。
★広い意味でのサイエンス＆情報科学の基礎素養が必要
★安宅氏「AIは“コンセプト”。人間が行っている知的活動の自動化するとAIと呼ぶ」
★鈴木氏 福沢諭吉 学問のすゝめ 人間「身体、知恵、欲、良心 意志」
★数学、インターネット、バイオテクノロジー、環境問題の本質のを理解できていなければ、何がボトルネックになっているのか発見できない。
日本に閉じず、世界に開いていこうと思いました。
AIは、単なるツールやアルゴリズムではない。脳の情報処理の自動化の再現に過ぎない。ということを認識して、うまく活用すべき。
新しい価値創造の業務をする際に生かしたいと思います。
AIの現状と未来について興味深く学べた。PCのサイズに代表されるような技術の加速度的進歩を見据えて新規価値を考えることが必要となることが語られていた。リーダーに必要なスキルとしてツールより数学が大事という点は正直困ったが、前提となる目的、イシューについては見定めていきたい。
概念の理解は非常に重要であると感じた。
日々の変化が早いことがよくわかった。会社もそうだけど、自分自身の認識をアップデートしていく必要があると感じた。
あとはアリババが凄い企業になっていることを再認識した。
数学が大切など分かっていても、つい避けてきた事実を突きつけられた。
今の日本の大企業と言われている企業の方が、過去の資産やしがらみが足かせとなって、スタートアップ企業に下克上される世の中になるのはその通りだなと思います
企業でAIを活用していないところは、すべからく潰れていくというお話は本当にそう思う。AIを使い倒すということにも非常に共感を持った。考えることはもちろん大切であるが、どんどん使って見て、価値を見出していくことで次が見えてくる。指数関数的に環境も変わってくると考えて、方針は考えても、まずは近いところから実装して経験をつむ事が重要だと思う。自らのレベルアップも欠かせないと強く感じた。
エンジニアでない人にAIやシステムについて理解してもらうための説明(言い方、ちょっとした体験をすること)として活用できる
圧倒される専門性でした。できる前提で物事を考えます。
圧倒的に数学が大事であることって、既に言い尽くされてきているはずだが、その非常にシンプルなことが非常に深く刺さったのが不思議な感覚であった。ここで語られているリーダー像と今の自分との距離はとてつもなく遠いのは認めざるを得ないが、自分に残されたこれからの時間を、何に投じるべきであるかを整理する機会になった。
今から大学数学やプログラミングを勉強するのは難しいが、人間とAIの違いを理解し、AIが知的活動の自動化をどう行うのかを論理的に理解する必要はあると感じた。
ＡＩは概念であるというフレーズが興味深かったです。どうしてもロジック的に理解しないといけないと思いがちですが、もっと広範囲にサイエンスに対しての知見を深めようと思いました。
「ＡＩの実装により、劇的に何かが削られるが、人間は浮いた時間で何かをやり始める。だから、ＡＩ恐怖論は愚問」というのが、印象的。機械に任せられることは任せきらないと、競争に負けていくのだし、まずはそこありきで考えることが必要と感じた。
すでにAIを使い倒していると自覚する。
1番進めているのはアリババ。
身近なところでもAI技術を利用しているということを理解しました。
いずれ企業の業務にもAIはどんどん侵食してくるんだと思いますので、AIに支配されすぎないよう、AIとは何か・人との差分は何か、というようなところを、本講義で得た知識をさらに深堀氏、もっと理解していきたいと思います。
日本における「ゼネラリスト」は、全くもってゼネラルではなく、文系・理系といった区別がされている時点でかなり遅れているということですね。科学を広く理解していること、特に統計数理をきちんと身につけていることはリーダーの必須条件だと思いました。
データマーケティング・・出来てない。ウチのトップは数学苦手そうだ。ヤバいです。
知識がないとついていけないことを実感した。
アリババが世界を席巻する。自動運転はごく一部であり、これからもっともっとたくさんの空間がAIに置き換わっていくという事か。俺では無理なので、データから価値を生み出せるCTOを雇おう！
学ばなければならない課題が明確になりました。
非常にシンプルな言葉で説明いただき参考になった。ただシンプルな内容の背景に含まれるものの深さに幾度か嵌ってしまった。
とりあえずAIという概念をシンプルに捉え、意識的に実装していくことを心掛けたい。久しぶりに学問のすすめも読んでみようと思った。
興味深い対談でした．数学が大事というのはちょっと困ったが，実課題について深く理解し言語化（数理モデルに落とし込めればなおよいのでしょうが）できるか，が重要ということを理解しました．
そのうちAIも欲や意志をもつのかも・・・
話の内容が難しかったです・・・。
学生時代の数学を学び直さないとですね。
AIやデータ活用を考える際に、結局それらとは何者なのかというのを多少理解しておかないと業務で扱うことはできないという事が分かりました。数学と自然言語の重要性と強く指摘されていた。
グロービスで、たくさんのことを学んでいるが、この講義は、その中でも、ダントツの講義だった。
とにかく、刺さる言葉満載。何回も見直して、この講義の内容をより咀嚼したい。
明日の未来は、今日は当たり前となっているほどITが指数関数的に発展していることを歴史から学び、つぎは何が起こるか予測することでビジネスの方向性を判断することや、最新情報は日本語ではなく、英語であることを再認識。
自身も理系なのでこれから語学のやり直しは、きついかも。
数学、言語を理解し、統計学を活用する事、AIで出来る事、出来ない事を理解して活用する。
最近仕事を進めていく上で（特に課題解決する上で）数学の重要性を感じる事が多くなってきたが、安宅さんが言われているのを聞いて確信した。
数学的な感覚が無いと経営判断を誤る、これは事実だと思います。
「AIと人間の5つの違い」は参考になった。
ＡＩ言語では無く、「自然言語」を理解し使いこなす力が不足している現状であることの説明が印象に残った。「ＡＩ」に飛びつくのではなく、「自然言語」の基礎力を磨くことが大事であるとの説明が印象的であった。
カリキュラムを通して、最後の福澤諭吉の学問のススメにまとまってる気がしました。
ビジネスはお客様のニーズ(欲)に応えるため
意思を持って、テクノロジーというツールを使って自分(自社)の優位を作る
テクノロジーの進化のスピードは早く、触れたり体験する事によって理解し活用ができるようにしたい。
高専時代にやっていた微積分や情報通信（パケット、電波）ことでさえ、まともに理解できていなかったことに絶望。
あまりに危機感を覚えたので、勉強しなおします。
数学を勉強し直そうと思いました。
経営も日々、学生と同じように、数学、化学、歴史等々勉強する必要があることを思い知らされた。
AIを無駄に怖がることなく、使い倒すこと
AI、データサイエンスの根本が数学であることを理解した
1番の学び
AIの各用途技術は、リーダーが逐一追いきれない程になっていること
感想
AIを学ぶにも、効果を出すためにどこ”まで”学ぶべきかを考えることが大事だと思った
数学力はかなり必要ですね。若い人への専門学部
などの学びの場づくりと、社会人では腰を据えたトレーニングが必要ですね。
なかなか自分事化できないですが、近い将来劇的な変化が起こりそうだということは、理解しました。何が起きても対応できる基礎能力が必要ですね。
基礎科目ばかり3０科目くらい聞いたが一番刺激を受けた。
オールド企業は淘汰されるだけという考えは、聞いてはいたが実感した。どんな価値を生み出せるかが今後重要。その方向性に自分のスキルを向けて行きたい。
エンジニアとしての立場を模索してるので、Ｅ資格の勉強もしている今日です。手法に固執することなく、目的やビジョンを大切にしたいと存じます。
この人達の会話を聞いて危機感を覚える経営者が、日本にはどれぐらい居るのだろうか。
数学が大事、概念を理解することが大事、技術の発展の歴史を振り替えることでこれからのヒントになるという点が特に心に残りました。学び直しをしようと思います。
高等教育に文系理系分けているのはナンセンス、数学の学び直し、哲学や歴史をの不理解、低い語学リテラシーなど、ぐさっと来るお話がたくさんで興味深く拝見させていただきました。周りにはまだ逃げきれるだろうを思っているような人たちを多く見かけますが、人生100年いつでも学び直しができますし、失った30年からの再興を目指すためにも、必要なスキルをいつでも手に入れることが大事だと改めて気づかされました。
とても興味深い内容で今後に生かしていきたいと思います。
本質を理解すること、そのためには言語、数学ともに学び、理解できる能力を最低限身につけないといけないことを痛感。今後、指数関数的にすべての物事が変わっていくとしたときに、人が担うべきことを理解をしたい。世の中の課題の本質、インサイトを抽出、定義、モデル化できる人材を目指して精進したい。
AIとは摩訶不思議のもので、利用できるものが勝利するという事と大学の数学レベルの教養は個人的には難しいと感じた
AIと人間の関係を考える上「学問のすすめ」での人間の性質の部分について、AIと人間のコラボをしていくうえで大切な考え方とするといった場面が印象に残った。
今後の業務において、AIを駆使できないと生き残れないということを改めて認識できました。
単語が分かたない物が多かった
ビジネスリーダーが理解すべきデジタルスキル、エンジニアにとっても学びが多かった。まずは自分で使って壁にぶつかり、理解する、大切だと思う。
アリババについての予測は外れそうですね。イノベーションだけを見ていてはだめで、国内外の政治経済の動きという、経営の基本をおそろかにしてはいけないという教訓ではないでしょうか。
リーダーとして必要な知識を具体的に沢山頂きました。
なぞる学び、数学の重要性、統計的なジャッジ、サイエンスリテラシー、語学（７年の遅れ）、最後は学問のすすめが特に印象的で足りない事の多さに焦りを感じましたが、使い倒して進む意思が高まりました（糊手に金を目指します）。
文系の方は統計学基礎を身につける必要があり、理系の人は歴史やビジネス構造を理解しておく必要があることを改めて考えることができた。
お二方の知識量や考え方は参考になる点が多かったので、近づけるように努力していきたい。
マーケティング領域でも、AIを使って仕事をすることが間違いなく日常になる中で、使い倒すのはもちろん、その基本的な概念も理解しておくことが重要と感じた。SQLやPythonをなぞったり数学の学び直しをしたいと思います。
人間とコンピューターは対立概念じゃない時代
エキスパートの対談で、理解がついていけない部分もありましたが、エッセンスは理解できたと思います。
学びは数多くありましたが、まず自分の第一歩とし手重要なのは基本的な言語能力なのだと思いました。
すなわち、歴史や哲学から学ぶ通常の言語能力、そして数学から学ぶ論理的な言語能力です。
1時間がアッという間にすぎた密度の濃い講義だった。
●人間とAIの違い：身体、知恵、欲、良心、意思の５つがあるかないか
●大学1年レベルの情報基盤がそろっていない物事の判断を誤る可能性が高い。最低限の情報知識、サイエンスがあるから現状を把握できるし、課題をどの技術で解決できるか目星をつけれる
●AIトップは中国。アメリカではない。
●最新のアプリはとりあえず使ってみるべき。→そのために英語や中国語が必要。
非常に刺激になるセッションだった。とにかく今、学ばなければならない・動かなければならないというモチベーションが高まったので、AIや統計などについて今分かっていないという事実を受け入れた上で貪欲に知識を吸収し、現状の業務における知見と掛け合わせたイノベーションモデルの創出に挑んでいきたい。
もっと日頃から数字やデータを重視して業務に取り組むことが必要だと認識した。文系・理系と分けてる場合じゃない、この時代は。全くその通りだ。
私は、数学Ⅰで数学を終了したのだから、大学レベルに数学の知識をあげるにはかなりハードルが高い。恐らく独学では追いつけない。さて、非常に困っている。しかし物は考えようで、大学レベルの数学知識を持つ者に対応させれば良いだけ。私は別の分野でできることをするとしよう。
今を見るための日々の勉強
ビッグデータを用いたAIの実力を認識した上で、人間が与えられる付加価値を活用することで新しいビジネスモデルを創出できる。AIの実力を過小評価せず過大評価もせず、将来のAI技術進歩についても冷静にニュートラルに見ることが必要ではないか。
おそろしく密度の濃い内容だった。
学びたいこともいっぱいあるしこれからの未来が楽しみ。
あと、、、文理分断は本当に無くしてくれ!!
AIの本質を学ぶことで、将来的な人間が行う通常業務を想像しながら学習し実践することが大事なのか？
人間は単純労働を自動化して余暇を生んだがその余暇で新たな仕事を生んできたので今後も仕事が無くなることはない、という話は未来が明るく感じた。
自社の中にあるデータのことが分かる人が技術のトップになるべきだ、ということには深く同意した。
AIを活用するにはデータが何の目的にどう使えるかが分からなければならない。
システムを表面だけの理解に留めず、深く理解し、怖がらずに使い倒す。その意識が非常に大事と感じた。
確かに線形代数までやったことはやったが、その当時は何に使えるのかが全く意識せずにやっていた。使い道が分かったうえで勉強すると、もっと身についていたと思う。
AIの分野に関する教養を学べた。
▪️心に残ったことのメモ
SQL、Python
一度使ってみることでコンピューターにいかに正確に指示を出さないとかが動かないかを知れる。
→上司が部下に指示を出す訓練にもなる
ツールよりもAIの本質を理解するには数学の理解が必要（n×nの行列）
サイエンスの本質はパターン化して未来につなげること
概念理解をする必要（市場、エコシステムなど）
ムーアの法則とベルの法則
安宅さんは以前テレビで見た時にとんでもないことを言っていたけど、単純にぶっ飛んでいて面白いし、ロマンさえ感じる。現実的にも考えないといけないけど、数字などを用いた瞬時の切り返しには勝てないなと思う。
専門家に任せるにしてもマネジメントする側、意思決定する側として基本的な知識は全方位で持っておくことの重要性を痛感した。
数学勉強しようと思います。
濡れ手で金！
サイエンスと数学を学ぶことの重要性を認識できました。一方で日常業務の中にそれをどう還元するか、の接続が多くの人には難しかったりする(自分も含め)と思っており、継続的学習のモチベートの観点でも考えるべき点と感じました。
数学の基礎知識が重要。
サイエンスに対して真摯に考えたいと思います。
AIにあり、人間にあるもの、知恵、意志、これからの技術革新が進む世の中においてもゆるぎないものと思いました。
中国の技術革新力は凄まじいことを実感しました。
基礎的な情報科学の知識を持つことを怠らず、業務で実現したいこと、それにはどんなデータが必要であるか、それをデータとして取得出来るのか、順を追って考えて、スピーディーに行動していきたいです。
数学を学ぶこと、そのうえで、事業領域でどのような価値を生み出したいか、数学的に明確に語れること、そうすればツールで実装できる。なお、事業領域でなりたいことを思いつくには、基礎科学および、情報科学の理解がないと、データをみてもアイデアが思いつかないとのこと。なおツールはベルの法則で１０年１５年で１０００分の一になる、すなわちまったく想像もしていないものに変わる。そのためリーダが大事なのは、どの分野で何を実現すべきかを明確にすること。時間が経ては今できないことも技術的にはできるようになると思っていて間違いないということ。以上を学んだ。改めてＮ×Ｎの行列と偏微分を学びなおし、物理、生物化学、化学で何が起こているかについて、サイエンスの分野の情報収集をするようにした、また、企業動向として、米中、特に中国のアリババグループの動きを注目したいと思います、あと安宅さんのことをもっと知りたいと思いました、いずれにしても貴重な話を聞くことができました、ありがとうございます
数学の基礎知識が必要であるというところは、大変共感しました。
数学、サイエンス、テクノロジー、科学といった自分の苦手と勝手に思っている分野の学びも最低限身に付けないと、AIの活用も出来ないと感じ早速実践しようと思う。
AIに関して勉強になりました。
大正8年から始まっているらしい文系と理系の分割は、社会に出てから本当に意味をなさないと実感しているので、カテゴライズすること自体がどうかと思った。また、AI等の最先端の情報技術について、アルゴリズムの組み方等のテクニカル的なことを今から学ぶのは有限な時間の中で無謀だと思う一方、それらがどんな仕組みで、どんなことに活用できてというような最低限の理解なくしては、今後のビジネスはできないと思った。
AIという言葉もなくなるのですね
AIを人間の知的活動の機械化と捉えるという視点がわかりやすく目から鱗でした。
ツールを使いこなすため、その本質を知ること、基礎知識の習得が大切と感じた。学生時代の恩師の言葉を思い出す。数字（簿記）、マネジメント、コンピュータ、英語をまず身につけてから前に進みなさい。
数学の重要性をはじめ、経営者にとって必須な知識は何か。そして課題発見に必要なものの見方等、大変面白く聞くことができた。
行動目標に組み込み、スキルを高め、データをもとに先を見れる経営者になる。
か
人間だって説明できないのに、なぜAIにはそれをもとめるの？ひびいた
効率よく勉強していくための指針のなりえると思いました。
数学を今一度勉強し直し、リーダーとしてAIをを身に付けたい
数学から学び直したいと思います。
AIリテラシーをある程度高めないといけないな、と実感いたしました。
最近最も注目している論客だが、今回は以下の２点が心に刺さった。
・今の世の中で課題の解決策は指数関数的に高度化されていくので、今の常識的に不可能だと感じていることは必ず未来では可能になるという前提で考えるべき。
・世の中のほとんどの事は実は未だ人間には説明出来ないことの方が多い。なのに何故今の世の中で各種説明責任がこれほど問われるのか？（講演ではAIとの関係に絞られてついましたが、もっと一般的・本質的な問いとしても捉えられると思いました。）
どのフレーズを聞いても今の自分や部署には、全く足りていないものばかりでした。今後AIが使われない未来がなく、これを理解し使えないと淘汰されることも理解できました。まずは自分の生活や仕事でAIを使い倒すことを考えていきたい
リーダーはテクニックを駆使するのではなく目標を描く存在であるが、それを実現するためにデータ、ツールの素養がないと的確な指示ができない、というところは、業務においても心当たりがある。こういうことを実現したいというオーダーに対して、出されてくる提案がイメージと合わないのは、オーダーする側にも相当の説明不足があるのだと思う。
AIだデータだというものに恐れず、それをどう使い倒していくか、そしてそもそも何を目指すのかをしっかり考えたい。
数学の知識をつけることが必要であって、AIを業務に使用するのは当たり前になっていくため、基礎部分を抑える必要性をつうかんした。。
Googleの検索の例で示されたように、AI活用により今まで人間がしてきた仕事・作業が内容によっては数万倍、数億倍の速さと規模で出来るようになること、更に「今までのやり方」に縛られない新しい企業の方がAI活用の柔軟性が高いことから、大企業は「AIに何が出来るか」を正確に理解して速やかに戦略に結びつけないと命取りになると実感した。更に「AIに何が出来るか」を理解するには線形代数・微分・統計・確率といった「数学」の理解が最も重要であることを理解出来た。
非常に興味深い講演であった。
文系と理系の知識の乖離は非常に問題で
基礎教養を何とか国がしていかないとと思っていました。
ただその中で国にはもう期待できないというお二人のコメントも
非常に興味深く感じました。
これからの世界に向けてより視点を広げ
学習を継続していく必要性を感じました。
ものすごい先と思っていましたが、それではあっという間に遅れてしまう危機感を感じてしまいました。人生100年時代の働くことを考えて、避けていたSQLやPythonの勉強を本気でしないと感じてしまいました。あと数学ですかね。
数学の重要性を再認識した
できないことは無い。
改めてそう思いました。
スピード感は本当に日々違ってきている。
最先端のつもりでも方向を間違うとただの日常になってしまうかも？
信念を持ちつつ俊敏に軽快に！
これからのリーダーには新しい技術を勉強し、本質を理解することが必要。理系とか文系という分け方ではこれからの世界についていけない。中国に注目し、新しい技術やサービスを見ておくこと。
多くの学び気づきがありましたが、とりわけ数学に関しては、学び直ししようとしていたのでわが意をえたりと言う思いでした。
統計的なリテラシーを身に付けたリーダーになります。
さて。どうしたものか。
AIの活用にはリーダー層は最低限の数学の理解が必要。また、細かなアルゴリズムではなく、大局としてどう使うか想像と指示出しできる人が求められる。最後に、市場が技術革新によって変わる前提で、組織運営しないといけない。
AI との共生がこれからは必要で、数学を学び直したい。
・数学、SQL、Pythonを勉強
・中国のテクノロジーに関する動向をチェック
アリババの凄さが際立つ。
便利がリスクを超えるとビジネスは自由だと感じた。
そのためにAI等のテクノロジーを存分に活かすべきだと感じた。
その為にはまずはテクノロジーをいじってみる事が必要だと感じた。
AI・データなど、知らないとことで物凄いスピードで社会を変えているのだと感じそれについていけるのか不安を感じた。
AI は、インフラの様に日常に入り込むものであり、
理解し使い倒していくことが大事。
ツールも最低限知っておく必要はある。
その上で、何をしたいかが重要。
AI活用において、基礎的なリテラシーは学んでおく必要があると感じた。
またツールに関しても、多少なりとも振れておくべきである。
そういった意味で、文系/理系といった分け方をしている日本の教育体系に関しての疑問の投げつけというのは、確かにその通りかもしれないと感じた。
一方で、文学的な分野に居る人にとって、数理的な知識がどこまで必要かと言われると、あまり必要ではないとも思われるので、結局は見る視点次第ではある。
ただ、いまのビジネス環境において、数理的素養が有用な場面はかなり多そうではある。
数学が大切、言語処理能力が大切、良く理解出来ました。デジタルマーケティング活用提案していきたいです。
AIとデータ利活用はこれからのビジネスの常識と認識しました。
数学的素養のなさを痛感。
明快な語り口で興味深く視聴できた
将来の構想を考える上で、技術的に今、不可能な事はほとんど可能になるという想定でいるべき、という意識は忘れないようにすべきと思いました。また、事象や課題を数理学的に取り扱うのは専門家に任せるとしても、数理学的に取り扱えそうかどうかの判断ができるために基礎的知識、経験は習得すべきであると思いました。
既に業務には使っておりますが、デジタル、AIで何をしたいかが大切であり、何ができるかを知るために試すことも重要と感じます。
学生時代に数学を疎かにしていた分、これから必要最低限の数学や言語処理について学び直す必要があると感じました。
数学は重要ですね。地歴公民も
あっという間に聞き入ってしまった。
ホリエモンと安宅さんが言っていることが似ている。
正直少し前にシン・ニホンを読むまではこのようなことを考えたこともなかった。今後の時代を生き抜いていけるよう、この動画のなかで伝えられた能力を一つずつ獲得していきたい。
新たにデータサイエンス学科が立ち上がり、何十倍の倍率で応募があった、というぃとは若い人たちはそれだけ重要性を見込んでいるということだろう。そして、中国を筆頭に実装が進んでいる事も理解されているのだろう。今私たちがそれに応えるだけの事をしているか？人材を引き付けるためにすべき事も考えないといけない。
身体がある、知恵がある、欲がある、良心がある、意思がある。AIなどない時代にこれを考えていた福沢諭吉は凄い人だと改めて感じました。
AIに何をやらせるかを考える際に間違いなく重要な要素だと思います。
記憶の限りさかのぼてみると世の中はほんとに大きく変わったなと思いました。やらない企業は潰れるだけ、ドキッとした言葉でした。
ベルの法則、変化の速さ、アリババのロボティクス関連など、非常に興味深かった。
定期的にロボティクス関連も動画で見られるといい。
AIはツールとして時々使うより、システムに組み込んでルーチン化するほうが向いていると感じた。使い道を考えていきたい。
ムーアの法則、ベルの法則、変化の速さに着いていくため学び続けなければいけないと再認識しました。
目から鱗の連続。中国とアメリカ。アリババとAmazon。目的とツール。ctoなき大企業。営業とマーケティング。
なるほどそういうことですね。
考え方の整理ができる内容だった。
「最後の学問のすすめ」について、人間の性質が印象に残った。
CS関係の話ははじめて聞きましたが大変参考になりました。営業職ではありますが、次のトレンドを考える上での予測の助けになると思います。
この２人の対話を聞くと，自分の知識が誰か（メディアなど）から聞いた形式的なAIの知識しか持っていないことに気付く。AIは脅威ではなく，インフラのようなものと考えるべきということがわかった。
とにかく日本が大きく他国に比べて出遅れている現実というのがよくわかった。途上国以下っていうのが衝撃的だった日本は今後学生含めたサイエンス、言語学、数学などしっかりとした教育が必要だと感じた
携帯電話がでてきたときのようにそれがあるのが当たり前、とはいえ目にみえないところにあるAI。目に見えないだけに意識しておくこと、自分の領域にどういかせるのか考えることが重要であると思う。
AIはツールの総称であり道具である。切れる包丁を持っていても、基本ができた人間に使わせないと猫に小判。AIツールを使うためにも基本を理解した人間が、適切な人間（職人）に使わせるべきである。切れる包丁を作る時代から、どのように使って素晴らしいものを生み出すかの時代になったと理解した。
･ビックデータ解析
･言語処理能力･精度向上
･画像認知処理能力向上
の３つの要素で当面ビジネスが変化していくことを念頭において置くこと。
CTOレベルと同じ目線でデジタルトランスフォーメーションのビジネスシーンでの活用や中期的な検討ができる素養を身につけること。
こうした社会基盤が整備されていくなかでの政治･経済･生活の変化を中国･アメリカの先例を捕らえながら予測し動くこと。
素晴らしいです。何度も復習で見直したい！
毎回思うことだが、これだけ環境が大きく変化している世の中で、我々は常に学び続けブラッシュアップしないといけない。一方で過去の経験だけを武器にしている年配者が多いなか、どうしたらこの危機感を会社内で共有できるのか、その手段について真剣に悩みます
数学や言語処理が重要とのメッセージが印象的であった。私自身文系人間であるが高校の数学を復習してみようと思った。
すでに知らずしてAIを利用している現在において、AI台頭による恐怖論は、意味がない。どうやって使い倒すのかに、知恵を集中させるべきだと感じた。
話の中で、ＡＩには感情などがないと理解しました。
ＡＩは今まで起こった知識の積み重ねによる経験（歴史）により、物事を予測する力があるのではないか。私の好きな小説の「三国志」も、約1800年前の話でも、現代に通用（男性は酒・金・異性で駄目になるなど）するのと同じかもしれません。しかし、「信じる」「愛する」ことは、人間独特のものであり、今後仕事の新たなチャレンジに対し「必ずやり遂げる」との信念で、結果を出すことは、人間としてＡＩには出来ないことだと感じました。
とてもタメになりました！
AIの現状について最新の情報が聞くことが出来てとても有意義でした。
いろいろ学びはありましたが、一番心に残ったのは、人間とAIの違いでした。
人間には、身体がある、知恵がある（ない人もいるが・・・）、欲がある、良心がある、意志がある。AIにはない。
この5つの違い（特徴）を考慮に入れれば、AIを使いこなす道が見えてくるのではないかと、そのヒントになったような気がします。
逆に言うと、これ以外の部分インついては、すでに、AIが勝っているとも言えるかもしれない。
他には、科学技術と国際政治の歴史を追うことによって、次、どうなるか？を予測しやすくなるという話。
どうしても、テクノロジーの発展とか聞くと、そのテクノロジーを身に着けられるか、諦めて、丸投げするかという2択になりがちですが、そうではなく、もう一つ上のレイヤーでものを見て、マクロの動きを予測し、それに合わせて、専門家（できる人）を使うという選択肢があることを学びました。
最後に、人間の学び、コミュニケーションには、読む、書く、聞く、話すの、4つの動きがある、ということ。
今、自分が、そのうちの、どれをしているかを意識すると、また、学びでも、どのレベルまでできればいいかということを意識しながら学んでいくと、自分の位置と目的の距離が見え、やるべきことが、はっきりするのだろうと感じました。