From:山極綾子
ハーバードビジネスレビューに、衝撃の記事が載っていました。
【集合知で予測の精度は高まるが、正しい決断を下せるとは限らない】
https://www.dhbr.net/articles/-/8055
集合知って、強いんじゃないの！？
機械学習の分野では、集合知、
つまり多数決の様な手法が非常に高い精度を持つことが多々あります。
具体的には、ランダムフォレストという手法。
決定木という、各変数（条件の様なもの）ごとに「yes or no」で判断できるような
条件分岐をたくさん組み合わせるシンプルなモデルを、
複数組み合わせて多数決を使うことで、かなり高い精度を出すことができる手法です。
他にも、最近いろんな分野で素晴らしい精度をたたき出し続けているLightGBMという手法も、
いわば集合知を使った手法です。
なのに、人間の世界ではだめなの！？
これまで、例えばニューラルネットワークが人間の神経組織を模しているかのように、
機械学習が人間の行動を模倣して精度を向上させることがたくさんあったはずなのに。
まさか逆に行くとは…。
よくよく論文を読んでみれば、イエスかノーかの決断を下す精度が、
複数人で議論を重ねる中で間違った結論に導かれてしまうことが多いだけであり、
定量的な評価をするような場面では、やはり集合知が強い、という結論が出ていました。
もちろん、使い方によっては、集合知的な機械学習手法も必ずしも
いい結果を出せるとは限りません。
それでも、これまで他の分野の考え方を導入したことで発展した手法が
たくさんあることを考えると、常にアンテナを高くもち、
一見関係のない分野についても知識を広げることが重要なのだろうなあ、
と感じさせられました。
山極綾子
P.S.
いま大注目のLightGBMは、集合知の考え方に加えて、
「今のモデルで当てにくいデータは何か？」ということも活用しながら
学習を進めていきます。
具体的には、現状のモデルで当てられないデータを集めてきて、
それを出来る限り正確に表現できるようにモデルを更新していく手法です。
その考え方自体はずっと前からあったはずなのですが、
きちんと活用しなければ意味がないことをこの手法に気づかされました…。
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。
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
