From:山極綾子
あれ？これ、お隣さんの荷物じゃないよね…？
ある日家に帰ると、置き配を頼んでいた荷物が届いていました。
置き配は、Amazonなどの配送サービスで、
不在であっても家の目の前に荷物を配達しておいてくれるサービスです。
防犯的に完ぺき！なわけではないものの、周りの治安を信頼して、
割合と置き配で頼むことが多いです。
それはさておき、届いた荷物を見て、思わず首をかしげてしまいました。
なぜ、ウィルキンソン炭酸の段ボールが2つもあるのだろう？
念のため宛名を確認してみますが、あくまで書いてあるのは私の名前。
確かこの段ボールには、500mlの炭酸飲料が24本入っているはずです。
それが二つ…。
明らかに、一人暮らしの人が頼む量ではありません。
確かにいつかは飲むものなのでそれほど大問題ではありませんが、
届いてしまった理由を理解するのに苦しみます。
なぜ私は、こんなにたくさん注文してしまったのでしょうか。。。
記憶が確かならば、わざとたくさん頼んだ、ということもないはずです。
どこでこれほど間違えてしまったのか、本当に不思議です。
実は、インターネットで注文するようになってから、こういったミスをすごくしてしまいます。
ある時はコーヒーを淹れるためのフィルターを、20箱×100枚買ってしまったり
（これは友人に配りました）。
無駄にたくさん買ってしまうことが本当に多く、何とかして直したいポイントではあります。
実生活では「多すぎ」がもたらす問題はいくつもあるのですが、
機械学習の分野でも「多すぎ」が問題をもたらすことがあります。
例えばデータ数。
データが多ければいいモデルが学習できるのではないの？
確かに、基本的にはその答えはyesです。
そもそもデータが足りず、AIを学習できない場合も存在します。
ですが、無造作に多ければ多いほどいい、というわけでもありません。
必要なのは、質のいいデータです。
では、質のいいデータとは何か？
これは用いるモデルや、AIを使いたい対象分野によっても異なります。
AIを使いたい！となったら、データを集めることを避けては通れませんが、
この段階から、しっかりと設計することが必要不可欠なようです。
山極綾子
P.S.
多ければ多いほどいいわけではない例の一つとして、偏ったデータが多くても、
全体としての精度は落ちてしまうことがあります。
例えば世界全体の人間について分析したい時。
日本人のデータだけをたくさん集めてきても、それは日本人の特徴を表しているだけで、
世界全体を予測することはできないのと同じです。
とはいえデータ取得にかかるコストが膨大になることもありますし、
本当に難しい問題です…。
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
