Googleの場合、自社で抱えている大量のデータの活用方法するという目的がある。
データを集めたはいいが、それが使えなければ保存にお金がかかってしまう。
もう1つの目的は、膨大な計算機リソースを多くの人が必要と信じさせる必要がある。
Googleとしては、より多くのデータと計算リソースをかければ精度が上がる、と信じてもらえば稼ぐ機会が得られる。
どれだけ計算機リソースをかけたかで性能勝負がつくゲームの中にいる間はGoogleの地位は予想しやすい。
世界のどこかでGoogleを脅かすような大量の計算機を容易しようとすると察知することができる。
数人の天才がGoogle社外にいたとしても、ワークステーションレベルで結果が出ない、という状況が続く方がGoogleにとって都合がいい。
Googleとしては、世間が機械学習に注目してくれている限り、本当にハイインパクトな自社でやっているPJから目をそむけることができる。
今の機械学習の状況は、色んなデータセットが出てきているがベンチマークで競争しているところから産業に結び付けられてない。
多くのプロジェクトだと機械学習だけで予算を食ってしまうような状況だろう。
日本などは国家レベルの意思決定でも振り回されてしまっている。
より性能が良い新しいのが出来てすぐ陳腐化してしまうし、ソフトで常にアップデートできるというが、その更新費用が馬鹿にならない。
そして何より産業応用先がないのだ。
分類しようにもコンビニや100円均一にある商品全て認識して分類できるわけでもなく、もっと大雑把な分類しかできてない。
分類できる数を増やそうという研究もあるが、そもそも1円でもコストを下げようという分野には全然向いていない。
自動運転車くらい価格が高く、何十万か上乗せでもやっていける商品か、金融くらいしかない。
AIで多くの人が想像するようなことは機械学習の延長上にはない。
ブーム初期ならそれでも良かっただろうが、もう数年経っている。
人件費を抑えたい、自動化したいなど、ビジネス要求は色々あるだろうが、目的にあってないのに、なぜか乗り遅れないようにと多くの人が思わされる。
googleは機械学習の成果をgoogle mapの横に表示するレビューや☆の表示に全く生かしていないので、本当は大して使えないんじゃないか?と疑っている。
犬や猫の画像を見て正解を当てるといった、8,9割の人が同じ意見を出すのでないと駄目な気がする。 あとアメリカ以外はおそらく気にしてない。
機械学習は将棋ソフトの強さみたいな事にはすごく寄与したみたいだけれど。得意不得意があって、苦手な部分ではなかなか生かせないんだろうね。
おれは機械学習は物理レイヤとの結合が爆発的イノベーションになると予想している。 たとえばカラアゲだ。 鶏肉をサイズや調味料やら油の温度やら数億パターンの組み合わせで実際に...