連載
AIシステムの作り方
目次
-
精度ばかりに目を向けない 業務課題の解決を重視
［最終回］プロジェクトの立ち上げ
AIシステムの開発プロジェクトを解説してきた本連載も今回が最終回だ。最後にAIシステムの開発プロジェクトに着手する前に押さえておきたいポイントを挙げる。重要なのは「何のためにAIを使うのか」という目標を見失わないことだ。
-
モデルの精度維持に注力 データの変化に対応する
［第5回］運用
AIシステムのカギはモデルの精度だ。稼働後にもモデルの精度を維持するために、データの変化などに対応することが重要となる。データの再学習など、モデルの精度維持に向けた運用のポイントを解説する。
-
モデルの不確実性を取り除く 手法の確立は今後の課題
［第4回］実装・テスト
前回はAI（人工知能）システム開発の設計フェーズにおいて、留意すべきポイントを解説しました。今回は後続フェーズとなるAIシステムの実装およびテストについて解説します。
-
学習と推論、2つの基盤を検討 業務システムと疎結合で構築
［第3回］設計
AIシステムを構築する際の基盤設計の方法について解説する。クラウド、コンテナ、API連携などの新技術を取り入れながら基盤を構築することが重要だ。システム稼働後の運用管理も設計時から想定しよう。
-
要件の実現可能性を見極める データとモデル評価の視点
［第2回］PoC
今回はAIシステム構築プロジェクトに特有なPoC（Proof of Concept）フェーズを解説する。データのアセスメントやモデル構築などPoCが果たす役割は大きい。期間が限られるPoCの中で、どのような点に留意すべきか評価の視点を紹介する。
-
AIは万能ではない スコープと業務要件を明確化
［第1回］要件定義
AI（人工知能）の概要は理解しているが、システム構築の現場ではどう使うのだろうか。本連載ではこうした疑問に答えるため、AIシステム構築時のポイントを解説する。1回目の今回は要件定義フェーズを取り上げる。
