機械学習は、コンピューティングの歴史における最大の進歩の1つであり、現在、ビッグデータと分析の分野で重要な役割を果たすことができると見なされています。ビッグデータ分析は、企業の観点からは大きな課題です。たとえば、多数の異なるデータ形式の理解、データ準備の分析、冗長データのフィルタリングなどのアクティビティは、リソースを大量に消費する可能性があります。データサイエンティストのスペシャリストを採用することは、費用のかかる提案であり、すべての企業にとって目的を達成するための手段ではありません。専門家は、機械学習により、日常的なものから複雑なものまで、分析に関連する多くのタスクを自動化できると考えています。自動化された機械学習は、より複雑で革新的な作業に使用できる重要なリソースを解放できます。機械学習は常にこの方向に進んでいるようです。
情報技術の文脈における自動化
ITでは、自動化とはさまざまなシステムとソフトウェアを接続することであり、人間の介入なしに特定のタスクを実行できるようにします。ITでは、自動化されたシステムは単純なジョブと複雑なジョブの両方を実行できます。単純なジョブの例としては、フォームをPDFと統合し、ドキュメントを正しい受信者に送信することが挙げられます。一方、オフサイトのバックアップを提供することは、複雑なジョブの例になります。
あなたの仕事を適切に行うために、あなたは自動化されたシステムにプログラムするか、明確な指示を与える必要があります。自動化されたシステムがそのジョブの範囲を変更する必要があるたびに、プログラムまたは命令セットは誰かによって更新される必要があります。自動化されたシステムはその仕事には効果的ですが、さまざまな理由でエラーが発生する可能性があります。エラーが発生した場合は、根本原因を特定して修正する必要があります。明らかに、その仕事をするために、自動化されたシステムは完全に人間に依存しています。作業の性質が複雑になるほど、エラーや問題が発生する可能性が高くなります。
IT業界における自動化の一般的な例は、Webベースのユーザーインターフェイスのテストの自動化です。テストケースは自動化スクリプトに入力され、それに応じてユーザーインターフェイスがテストされます。（機械学習の実用的なアプリケーションの詳細については、次世代の不正検出における機械学習とHadoopを参照してください。）
自動化を支持する議論は、自動化が日常的で反復可能なタスクを実行し、従業員がより複雑で創造的なタスクを実行できるようにするというものです。ただし、自動化によって、以前は人間が実行していた多数のタスクや役割が除外されたとも言われています。現在、機械学習がさまざまな業界に参入しているため、自動化によって新しい次元が追加されます。
自動機械学習の未来は？
機械学習の本質は、データから継続的に学習し、人間の介入なしに進化するシステムの能力です。機械学習は人間の脳のように機能することができます。たとえば、eコマースサイトのレコメンデーションエンジンは、ユーザーの固有の好みや好みを評価し、選択するのに最も適切な製品やサービスに関するレコメンデーションを提供できます。この機能を考えると、機械学習はビッグデータと分析に関連する複雑なタスクを自動化するのに理想的であると見なされています。これは、定期的に人間の介入を許可しない従来の自動システムの主要な制限を克服しました。複雑なデータ分析タスクを実行する機械学習の機能を示す複数のケーススタディがあります。これについては、このホワイトペーパーの後半で説明します。
すでに述べたように、ビッグデータ分析は企業にとって挑戦的な提案であり、機械学習システムに部分的に委任することができます。ビジネスの観点からは、これにより、データサイエンスのリソースをより創造的でミッションクリティカルなタスクに解放し、ワークロードを増やし、タスクを完了するまでの時間を短縮し、費用対効果を高めるなど、多くのメリットがもたらされます。
ケーススタディ
2015年、MITの研究者は、深層特徴合成アルゴリズムと呼ばれる手法を使用して、大量の生データから予測データモデルを作成できるデータサイエンスツールの開発に着手しました。科学者たちは、アルゴリズムが機械学習の最高の機能を組み合わせることができると主張しています。科学者によると、彼らは3つの異なるデータセットでそれをテストし、さらに多くを含むようにテストを拡大しています。データサイエンスと分析に関する国際会議で発表される論文の中で、研究者のJames MaxKanterとKalyanVeeramachaneniは、「自動調整プロセスを使用して、人間の関与なしにパス全体を最適化し、さまざまなデータセットに一般化できるようにします」と述べています。
タスクの複雑さを見てみましょう。アルゴリズムには自動調整機能と呼ばれる機能があり、生データ（年齢や性別など）から洞察や値を取得または抽出した後、予測データを取得できます。モデルを作成できます。このアルゴリズムは、複雑な数学関数とガウスコピュラと呼ばれる確率論を使用します。したがって、アルゴリズムが処理できる複雑さのレベルを理解するのは簡単です。この技術は、競技会でも賞を受賞しています。
機械学習は宿題に取って代わる可能性があります
機械学習は人間の脳の効率でタスクを実行するため、多くの仕事に取って代わる可能性があることが世界中で議論されています。実際、機械学習がデータサイエンティストに取って代わるという懸念があり、そのような懸念の根拠があるようです。
データ分析のスキルはないが、日常生活でさまざまな程度の分析ニーズがある平均的なユーザーにとって、膨大な量のデータを分析して分析データを提供できるコンピューターを使用することは現実的ではありません。ただし、自然言語処理（NLP）技術は、コンピューターに自然言語を受け入れて処理するように教えることで、この制限を克服できます。このように、平均的なユーザーは高度な分析機能やスキルを必要としません。
IBMは、その製品であるWatson Natural Language Analytics Platformを通じて、データサイエンティストの必要性を最小限に抑えるか排除できると考えています。ワトソンの分析およびビジネスインテリジェンス担当バイスプレジデントであるマークアトシュラーは、次のように述べています。そして、あなたが知りたいと思うかもしれないことを推測します。」
結論
自動化は機械学習の次の論理的なステップであり、eコマースサイト、Facebookの友達の提案、LinkedInのネットワークの提案、Airbnbの検索ランキングなどの日常生活にすでに影響を及ぼしています。与えられた例を考慮すると、これは自動機械学習システムによって生成された出力の品質に起因する可能性があることは間違いありません。そのすべての品質と利点のために、機械学習が巨大な失業を引き起こすという考えは、少し過剰反応のようです。機械は私たちの生活の多くの部分で何十年もの間人間に取って代わってきましたが、人間は進化し、業界での関連性を維持するように適応してきました。見解によると、そのすべての混乱に対する機械学習は、人々が適応するもう1つの波にすぎません。
投稿時間：2021年8月3日