AIとは、つまるところ「統計学の一種」です
従来の統計学では、線形的（直線的）な数式を用いて予測を行いました（例：回帰分析）
AIは、非線形な数式を用いることで、従来の統計学では構築できなかった複雑な予測モデルに対応できます
それにより、まるで人の思考を再現したような予測モデルを作れることから、「人工知能」と言われています
線形モデルでは、A・Dのグループと、
B・Cのグループを切り分けれない
非線形モデルなら、2つのグループを分けられる
⇒より複雑な判断を再現できる
AIは、「人が日常的に行っているが、『なぜそうするか』を説明することが難しいタスク」や、
いわゆる「職人技」と言われる業務を自動化することに長けています
例えば、「ライオン」と「ネコ」は、人ならばほぼ100%判別することができます
しかし、「なぜライオン／ネコと思ったのか？」を説明することは簡単ではありません
AIは、人が無意識的に行っていることなどに対して、「隠された法則」を見出し、
予測のメカニズムをモデル化することで、人と同じように判別をすることができます
明らかにライオンと
ネコは違うけど、
見た目の違いを正確に
定義するのは難しいな…
これはライオン
これはネコ
目の間が○○ピクセル、
耳と目の相対的な位置関係は…
体の色の範囲はRGBでいうと…
AIを開発する際には、以下のような準備が整っていることが大切です
・AIに何の予測をやってもらうことで、何の課題を解決するか、が明確である
×「AIに、資料を作ってもらいたい」
〇「AIに、資料に記載する○○のデータを予測し、値を返してほしい」
・学習に必要なデータが十分にある
例）顧客分析の場合、セグメント毎に最低100サンプル程度
確保できていることが理想
・AIの予測結果が合っていたかどうかを客観的・定量的に検証可能
右記下記の図の例では、3つの軸で50のセグメントに分類
⇒ 少なくとも5,000サンプル必要
