From: 山極綾子
あんなに何回も見たはずだったのに。
何度も何度も確認したはずだったのに。
どうしてケアレスミスは無くならないのでしょうか。
大事な大事なお客さんのお名前を書き間違えてしまうというミスをやらかしてしまいました。
幸いにして、ミスをしてしまったのは、まだダメージが少なそうな、
許してくれそうな優しい友人。
急いでお詫びのLINEをして「気にしないでください！」との優しいコメントをいただきましたが。
それでも申し訳ない気持ちは全く消えません。
こういったミスをフォローしてくれる機械学習はない物でしょうか。
ところで機械学習の中にもケアレスミスにとても強いものと、弱いものが存在します。
例えば表現力が非常に高い深層学習は、
人間が見てもほとんどわからないくらいのノイズを加えただけで、
支離滅裂な出力になってしまったりします。
そしてそれを防ぐために、あえてノイズが入っている怪しいデータを学習に使って
モデルを強くする、といった手法もあります。
一方、とてもシンプルなモデルである回帰分析やロジスティック回帰は
多少のノイズに対しては強くなる。
…と思われがちなのですが、それは元のデータから微小に変化したノイズの場合です。
例えたった一つであっても、完全に外れた値が入ってしまうと、
その予測値が大きく変わってしまうこともあります。
例えば、アリの身長と体重のモデルを作りたいのに、
人間の身長と体重のデータを一つ入れてしまえば、
人間のデータにかなり引っ張られたモデルが学習されてしまいます。
微小なノイズに対応する問題も、異常なノイズデータに対応する問題も、
どちらも「頑健性」を挙げる研究と言えますが、
実際の運用を考えるならば、どちらの頑健性も重要なようです。
ところで、人材に関するデータであれば、元々多様な変数が含まれているため
微細なデータの揺らぎはそれほど影響を与えないように思うのですが、どうなのでしょうか。
山極綾子
P.S.
ちなみにこの「名前の記載ミス」は、結婚式の招待状の話でした。
大きな大きなイベントなのに、ケアレスミスもついてきてしまいました。
また、今週月曜日にお送りしたメルマガの感想で、どういう状況だったのか？
というご質問をいただきました。
（件名：結婚式をしてきました！https://abfll.biz/brd/BackNumber.htm?acc=keieijinji&bid=3&YM=202212&MID=689#689）
というのも、きちんと背景を説明していなかったので以下の状況が考えられるが…
というお話でした。
①結婚はしていたが，式を挙げていなかったから式を挙げた。
②結婚して式を挙げた。
③結婚はしないけど，式を挙げた。
④自分以外の誰かの結婚式を挙げた。
結論から申し上げますと①の状況ではあったのですが、
相手にしっかり伝わるように記述することの難しさを感じました。
過不足なく情報をお伝えすることと、ケアレスミスをなくすことには
共通のスキルが影響してきそうな気がしてなりません。
P.P.S.
今日も最後まで読んでいただきありがとうございます！
メルマガの感想などありましたら、こちらからお聞かせ下さい。
現在データ分析コンサルティング受付中です。
お問い合わせもこちらからどうぞ。
いつも嬉しく拝見しています。いつもありがとうございます！
↓
https://keieijinjipartnersytube.typeform.com/to/B8JjDrk5
—————————————————————-
【経営人事メールマガジン】
発行責任者： 山極毅（株式会社経営人事パートナーズ）
発行者住所：〒100-0005東京千代田区丸の内1-8-3丸の内トラストタワー本館20F
連絡先：https://keieijinji.co.jp/
メールアドレス： strategic-membership-program■■keieijinji.co.jp(■■を@に置き換えてください)
—————————————————————-
↓バックナンバーはこちら↓
PC: https://04auto.biz/brd/BackNumber.htm?acc=keieijinji&bid=3
スマホ・ガラケー: https://04auto.biz/brd/BNMobi.htm?a=keieijinji&b=3
↓メルマガの新規登録はこちらから↓
PC: https://48auto.biz/keieijinji/touroku/scenario13.htm
スマホ: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
ガラケー: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
