機械学習を効率的に行うには、適切な教師データを与えることが重要です。付与されたものから未知のものを推察するには、人工知能の処理が正確でなければなりません。そのためには教師データがニューラルネットワークに正しい形で受け入れられて、出した結果が正当なものかどうかを判定できる必要があります。技術の進歩により、そのハードルは大きく下がってきました。しかし完璧に行うのは難しいのが実情です。たとえばグローバル化が進む現代社会において、人工知能に学ばせるのは国内の事柄だけでは足りません。海外の要素を含んだ教師データも非常に重要な意味を持つのです。しかし、日本人が開発している以上、国内の要素が中心になってしまうことが避けられません。その結果、日本人にしか通用しにくいシステムになりやすいです。 重要になるのは、グローバルなビジネスにおける目的を定めるのは、機械ではないということです。情報を与える役割は人工知能に行えますが、取引などの最終決定を行うのは人ということになります。つまり、決定ではなく分析に利用するスタンスを持つことが大切です。分析の精度を上げていくには、与えるデータに関してもグローバル化が必須となります。日本だけでもデータが多い場合は、世界を対象とするとシステムの負荷は大きく膨れ上がるでしょう。したがって、海外のデータだからといって取り入れるのではなく、必要なものを取捨選択していくことも大事です。そのセンスを持っている日本人が少ないことが大きな課題といえます。 まず自分たちの業務の問題点を整理したうえで、それと相関のある情報を割り出すことが欠かせません。最終的には適切な出力を得ることが目標ですが。その前に思考ルーチンの最適化に取り組むことが求められます。ユーザーにとって背景にあるデータの属性は関係のないことです。バランスよく海外のデータも使用することで、自然とグローバルな仕事にも貢献できる仕組みを作らなければなりません。