公開日：2019年6月22日
更新日：2020年3月6日
2014年にディープラーニングで画像処理が出来ることが判明してから、AIがまた再度話題になっていました。バズワードだから、と馬鹿の一つ覚えみたいにAIととりあえず連呼していた印象がありますが、最近ではどうやら少々事情が変わってきた様子です。
ソフトバンクグループは東京大学大学院教授兼日本ディープラーニング協会理事長の松尾豊氏が2019年6月19日付で同グループ取締役として就任することを発表しています。
近年、人工知能（AI）やディープラーニングのビジネス活用については聞かない日はないほどですが、企業における実践的な活用という点では日本は米国、中国と比較して大きく遅れをとっています。そんななかで積極的なディープラーニング（深層学習）のビジネス活用を推進するソフトバンクグループに学術的権威の松尾氏が加わるというニュースは、いよいよ日本におけるディープラーニング活用が本気になってきたという希望を感じずにはいられません。
そんな期待を胸にこの記事では、海外から見た日本のディープラーニングビジネス活用の現状について考察していきたいと思います。
2019年6月8日に開催された、Microsoft・Preferred Networks協同運営のディープラーニングコミュニティイベント「DEEP LEARNING LAB（DLLAB）」内での松尾氏の基調講演でも日本国内のAI導入 / ディープラーニング活用は世界的に見ても遅れをとっていることが強調されました。
その背景と今後の改善点として挙げられていた5つの観点は
①小さな成功体験をすること
②AIチーム編成の重要性
③AIトレーニングの必要性
④明確なAI戦略
⑤内部・外部のコミュニケーション（IR / GR[Government Relations] / 顧客育成 / 人材獲得 / 社内コミュニケーション）の重要性
と明確に述べられており、まさしくと感じる観点ばかりです。
上記の5つの課題点に加えて、とある国内ITベンダー営業から聞いたリアルな声を総合してみると日本企業の実態は以下のようなのではないかと思います。
＜国内企業のディープラーニングビジネス活用の苦戦図＞
AIの導入効果を立証できない（小さな成功体験の不足）→投資を引き出せない・社内理解がない（内部コミュニケーション不足）→AIチーム編成/トレーニングは二の次 →目的設定のないまま「何か」からはじめようとする（AI戦略・外部コミュニケーション不足）→安価なトライアルから始める→検証段階で頓挫→AIの導入効果を立証できない…
この無限ループから抜けたもの勝ちでビジネスが成功していくように思います。これを眺めていると、戦略的AI / ディープラーニング活用のために最初に打つべき手としては
• 投資の確保と適切な投入
• 実践経験豊富なAI人材の獲得
がキーになりそうです。
一点目は、各企業の経営層の手腕だったり、まさしくソフトバンク社「ソフトバンク・ビジョン・ファンド」のようなファンド事業会社の取り組みだったりが問われるところです。
二点目のAI人材の獲得ですが、ここが国内企業の一番の課題と言えそうです。なぜなら優秀な人材獲得のためには、パフォーマンスを発揮するための環境、社内業務側との連携体制、顧客育成のためのブランディングなど戦略的かつ組織的な見直しを伴うためです。
近年増えているAI人材に「日本企業」を選んでもらうためには多くの課題が残っています。国内の優秀な人材からすると活躍の場は米国、中国、欧州といったテクノロジー先進国にも広がっているためです。
海外ではAI人材獲得の前に「育成」という観点からすでに企業各社の戦略が光っています。
「STEM教育」という言葉が注目されているように、多くの学問でテクノロジー思考やデータ活用による論理的アプローチが重要視されており、AI人材を育てる文化があります。例えば、英・アールエスコンポーネンツ社が販売するRaspberry Piというワンボードマイコンは欧州を中心に子どもから専門性の高いコーディング実装者にまで親しまれており、手軽に始められるテクノロジー教育として役立てられています。同社はプログラミング教材から計測器まで5万点以上の取り揃えのあるオンライン電子部品会社でありIT企業ではないものの、戦略的なAI人材育成に貢献しているという点に驚かされます。
このような海外テクノロジー教育を受けて、最近では統計解析やデータマネジメント、データサイエンティスト関連の修士号、博士号をとるために日本から海外留学をするケースも増えています。多くの国内人材の目は海外へと向けられ始めているのです。
そして海外で勢いのあるAIベンチャーやIT企業はそのようなAI人材にむけたインターンシップ、コンペティション、（そしてコネクションを利用した引き抜きなど）様々なアプローチで経験豊富な人材獲得に動いています。
日本企業の人材獲得競争はもはや国内だけではなく、こうした海外企業を相手に繰り広げられるものになっているのです。
まさにこれからが日本国内でのAI・ディープラーニングビジネスの正念場です。
各社の投資、人材獲得に向けた取り組みには、引き続き注目していきたいものです。
実際のところ、工学分野や物理や数学のみならず、生物や化学などでも、Pythonなどを使ってデータ解析をすることが増えている印象です。
私自身もケンブリッジ大学において、PythonとRaspberry Piを利用して、あるシステムのプロトタイプを作成しました。プログラミングもプレゼン技法や語学に加えて、必須スキルになりつつあるようにも思います。こういう実戦的な経験は、特にスキルベースで選考が進む業界だと顕著であったように思います。
「百聞は一見に如かず」とはまさにこのことで、そんなに高いものではないし、身にもなるので、Raspberry Piを購入していじってみるのは結構いいかもしれません。カメラパーツとかもいろいろあり、Pythonライブラリを駆使すれば、結構すごい(すごく見える)ことが、結構簡単にできます。
