From:山極綾子
本当にすごい！
何でこんなにたくさん研究進められるんだろう。
実験もたくさんしているし、とっても面白い手法だし。
…それに比べて、自分は……。
昨日実施された、所属する研究室の博士課程学生のゼミ。
同期のRくんは、本当にすごい研究者です。
あまりにすごすぎて、圧倒されてしまうほど。
圧倒されるばかりに、自分の研究進捗の少なさを反省しきりとなってしまいました。
でもこのまま落ち込んでいても何にもなりません。
むしろこの刺激を活かさなければ！
そんな思いを抱きつつ、メルマガのネタを探しにハーバードビジネスレビューへ。
これはもしかして今の自分にぴったりなのでは！？という記事を見つけました。
https://dhbr.diamond.jp/articles/-/8903
“責任感が強すぎて、自分もチームも追い詰めていないか”
「自分…追い詰めていないか」という箇所に惹かれて読み始めました。
読み始めたのですが、悲しいことに今の私の症状にピッタリかというと、そんなことはありませんでした。
いわゆる、早とちりです。
ちなみにこの記事は、リーダーの責任感は重要だけれども、
強すぎて周りに悪影響を与えてはいないか？という提言をするものでした。
確かに、あまりにも上の人に「自分が全部やるから！」と言われてしまうと
やる気がそがれることあるよなあ、と思いつつ。
それはさておき、このように「これだ！」と本当は違うのに飛びついてしまうこと、
まるで機械学習の「局所解」のようだと思いました。
局所解というのは、本当は全体の中で最適なわけではないのに、
計算の都合によってたどり着いてしまう可能性がある、局所的な最適解です。
例えば今いる場所から低い場所へ少しずつ移動することによって
一番低い場所を調べたいと思ったとします。
調べる対象が穴がいくつも空いているような地面だった時、
最初に調査をスタートする場所によって最後にたどり着く場所が変わってしまいます。
そしてどこかの穴の底に付くと、それが答えだろう、と結論付けることになります。
ですが本当は、その穴が最適解、すなわち一番低い場所である保証はありません。
もし全体を見渡すことができるのならば、それが最適解なのかを判断できますが、
基本的に機械学習は今いるところ＝パラメータを徐々に変更していく、
という学習法を取ることがほとんどなので、なかなか解決が難しい課題です。
（重回帰分析のように、数学的に唯一の解を求められるモデルもあります。）
大局的な視野を持てばそれが最適ではないと気付けるはずなのですが、
目の前にあるものに飛びついた結果最適ではないものにたどり着いてしまうこと。
まるでタイトルだけで記事に飛びついてしまった私のようです。
とはいえ、目の前の記事に飛びついたおかげで少しばかり、心の自己防衛ができました。
機械学習の局所解はあまり喜ばしくありませんが、
人間に置き換えれば何も悪いことばかりではないのかもしれません。
山極綾子
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
