キカベン
機械学習でより便利な世の中へ
G検定対策
お問い合わせ
   

AIプロジェクトの進め方

thumb image

1. 学習目標🔝

AIプロジェクトをどのように進めるか、全体像と各フェーズで注意すべき点などを理解する。

  • AIプロジェクト進行の全体像
  • AIプロジェクトの進め方
  • AIを運営すべきかの検討
  • AIを運用した場合のプロセスの再設計
  • AIシステムの提供方法
  • 開発計画の策定
  • プロジェクト体制の構築

キーワードCRISP-DMMLOpsBPRクラウドWeb APIデータサイエンティストプライバシー・バイ・デザイン

2. AIプロジェクト進行の全体像🔝

2.1. CRISP-DM🔝

CRISP-DM(CRoss-Industry Standard Process for Data Mining)はデータマイニングのための産業横断型標準プロセスのこと。SPSSNCRダイムラーOHRAなどが中心のコンソーシアムによって提唱された。データの分析を6つのステップに分割して考える。

  • ビジネスの理解
  • データの理解
  • データの準備
  • モデリング
  • 評価
  • 展開

しかし、これらのステップは順番に実行されるわけではなく、臨機応変に行ったり来たりして良いとされている。

crisp-dm-cycle
画像元:DevelopersIO

ただし、データの理解データの準備より前に来るなどの依存性も提示されている。さもないと必要もないデータを集めたりして効率が悪いからだろう。

2015年に、IBMは新しいプロセスとしてASUM-DM(Analytics Solutions Unified Method for Data Mining/Predictive Analytics)を発表した。ASUM-DMはCRISP-DMを拡張したもの。

MLOps(Machine LearningとOperationsを合成した造語)はAIの開発から本番環境での運用まで円滑なパイプラインを構築・保守するためのチームでの取り組みや環境設定や思想などを含めた方法論。DevOps(DevelopmentとOperationsを合成した造語)から派生している。

つまりは、AIの開発だけでは十分ではなく、むしろその周辺領域がもっと大きいので、この全体をシームレスに連携できるように横断的に組み込まれたシステムやプロセスが必要になる。また、システム運用開始後も継続してプロセスを回して、安定したシステムを維持しながら推論精度をあげていく。

3. AIプロジェクトの進め方🔝

3.1. AIを運営すべきかの検討🔝

  • AIを運用する必要性を検討する(AIは目的ではなく、手段である)
  • 利活用による利益予測を立て投資判断を行う(利益が大事。最初はルールベースでも良い)
  • データのフィードバックによって継続的にAIが学習できるようにビジネス上も技術上も準備する
  • 運用を継続しながら推論精度を上げていくという現実的な進め方をする

3.2. AIを運用した場合のプロセスの再設計🔝

BPR(business process re-engineering)は業務プロセスを改善すること。AIの利活用においてのBPRは、人を前提としたものからAIを利活用した業務プロセスに変更すること。コストを比較してAIの適用箇所や技術の連携範囲を検討する。アナログ空間(工場など)で働く人間のプロセスをそのままAIに適用するのではなく、AIに合った方法や適用部分を考える。人間のプロセスは人間に合ったやり方なのでAIで無理に実現しようとするとコスト削減にはならない。また、徐々にAIに置き換えていくなどの方法や、アナログとデジタルをしばらく併用するなどの方法も検討する。

3.3. AIシステムの提供方法🔝

AIシステムは「納品」よりも「サービス」の提供として運用する。クラウド上でWeb APIとしてサービス提供するなど。エッジへのAIの提供もネットワークを通してデータの蓄積やモデルの更新を行う。

メリットデメリット
クラウドモデルの更新が簡単
ハードウェアの保守・運用が不要
通信遅延、サーバーの故障が全てに影響
ネットワークがダウンしたら動かない
データのプライバシー
エッジスピードが速い(リアルタイム性)
通信量が少ない
故障の影響範囲が小さい
モデルの更新に手間がかかる
ハードウェアの保守・運用が必要

3.4. 開発計画の策定🔝

教師データを作るには欲しい出力を定量化する必要がある。熟練工の技などは定量化が難しい可能性がある。

AIのプロジェクト管理は細かくフェーズを分け、モデルの精度に応じて柔軟に方針を修正できる体制が望ましい。

  • データを確認する段階
  • モデルを試作する段階
  • 運用に向けた開発をする段階

3.5. プロジェクト体制の構築🔝

AIシステムの開発段階から様々なステークホルダーを含めた体制づくりが必要。

  • マネージャー(ビジネス的な観点から全体を把握・意思決定)
  • デザイナー(User InterfaceとUser Experience、UI/UX)
  • データサイエンティスト(AIモデル開発)
  • 経営者・法務・経営企画・広報との連携

開発段階から以下のことを念頭に入れてプロジェクト体制を整える計画をする。

  • プライバシー侵害の予防を指向するプライバシー・バイ・デザイン(privacy by design、PbD)
  • セキュリティに配慮したセキュリティ・バイ・デザイン(security by design)
  • 価値全般に配慮したバリュー・センシティブ・デザイン(value sensitive design)


コメントを残す

メールアドレスは公開されません。