![](https://book.mynavi.jp/files/user/img/brand/wdw/article/2018/10/89850f7a7889b6b93bf6c7137df8e6d2.jpg)
- 巣籠悠輔_Yusuke Sugomori
- 一般社団法人 日本ディープラーニング協会 試験委員会
株式会社MICIN CTO
![](https://book.mynavi.jp/files/user/img/brand/wdw/article/2018/10/9cab43f5990b1930722c9a2867035547.jpg)
- 新村拓也_Takuya Shinmura
- 一般社団法人 日本ディープラーニング協会 試験委員会
Singularity株式会社 取締役CTO
![](https://book.mynavi.jp/files/user/img/brand/wdw/article/2018/10/e3799735040d4780f17080d042156bb4.jpg)
- 山崎裕市_Yuichi Yamasaki
- 一般社団法人 日本ディープラーニング協会 試験委員会
株式会社ブレインパッド チーフデータサイエンティスト
![](https://book.mynavi.jp/files/user/img/brand/wdw/article/2018/10/570545bde3f0ca2cbd1419caf301c73f.jpg)
- 渡邉陽太郎_Yotaro Watanabe
- 一般社団法人 日本ディープラーニング協会 試験委員会担当理事
株式会社PKSHA Technology
![](https://book.mynavi.jp/files/user/img/brand/wdw/article/2018/10/1db5c6e0d817e48f07be47e10ed4078b.jpg)
- 取材協力
- 一般社団法人 日本ディープラーニング協会 info@jdla.org
“遅れの蓄積”を打開するときが来た!
今、不足傾向が顕著なAI人材。日本ディープラーニング協会(以下JDLA)が「人材育成」を設立目的のひとつに掲げ、力を注いでいることからも、AI人材の育成が急務であることがうかがえます。ではなぜAI人材は不足しているのか。その一因には「ブームが来る前からの“遅れの蓄積”」があると、巣籠悠輔さんは語ります。
「日本にはもともと、“データサイエンティスト”というポジションが長年確立されていませんでした。データ分析やプログラミングを行い、新しい知見などを導き出す人材の存在価値が見出されてこなかったことで、日本は遅れを蓄積してしまったんですね。人材はずっと足りていなかったのですが、不足していることが認識されていませんでした。それが今のAIブームを受けて、顕著化してきたのだと思います」
商用活用できるAI人材、キーワードは“橋渡し”
蓄積してきた遅れを取り戻すためにも、「“AIジェネラリスト”、“AIエンジニア”という人材が必要」という巣籠さん。
「“AIジェネラリスト”とは、AIやディープラーニングの可能性と限界を理解して事業に活用していく人であり、“AIエンジニア”はエンジニアリングする人材。技術はもちろん、実用のユースケースや今後のビジネスを踏まえ、どのAI手法を、どう使うのか、共に考えていけるチーム体制を組めることが大切です」(巣籠さん)
また、研究所などでつくられたAIを、いかにビジネスに活用していくかというニーズが増えている現状で、AI人材には“橋渡し的”な資質が求められるという新村拓也さん。
「ビジネス活用という側面では、ものすごく深いAI技術や知識よりも、橋渡し的な役割を果たせることが実はとても重要です。機械学習で構築されたモデルのアルゴリズムがわかることと、お客さまの環境にきちんと届けるという視点を持つことが必要とされます。AIエンジニアは、学者が言っていることも、現場のシステムエンジニアの言っていることも理解した上で、両者を橋渡しする存在なんですね。また、AIジェネラリストには、エンジニアがつくったシステムをどう活用していくかを考え、素晴らしさを理解して経営層などに伝えるという、技術者と事業部隊との橋渡し的役割が求められます」
![](https://book.mynavi.jp/files/user/img/brand/wdw/article/2018/10/ce7eb415176bdd83f14800a8eb1a9b90.jpg)
AI人材とは、特殊な人材なのか?
「AI人材」が求められてはいますが、決して特殊な人材ではないと新村さん。
「スタイルシートやPHPが書けるのと同じように、機械学習を扱えることが当たり前の時代が来ます。エンジニアたちにとって必要なスキルが移り変わり、これからは、AIが当たり前となるのだと思います」
一方で、懐深くあらゆるものがAIと呼ばれてしまう風潮がある中で、今求めるべき人材か否かを図るのは難しい。そこで山崎裕市さんは、「AIに関する一定の知識・技術レベルにあることを判断する基準として、JDLAが実施する“ジェネラリスト検定(G検定)”“エンジニア資格(E資格)”を活用してほしい」と言います。
ディープラーニングさえ理解すればいいのか?
JDLAはディープラーニングを中核に据えながらも、それ以前のブームで注目された手法や機械学習なども学ぶことを推奨しています。
「今のAIブームはディープラーニングがベースです。ディープラーニングにより、画像や音声が認識できるようになり、我々が普段話している言葉(自然言語)を扱えるようになりました。人間でいうところの目や耳に値する働きができるようになった。それにより応用先の幅が広がり、AIや機械学習を活かして自動化できるようになったことが大きな特徴です。ディープラーニングがないと成り立たないことも少なくないので、ディープラーニングの知識・技術を持っていないと、求められているAIをカバーできるとは言えません。しかしそれだけですべてを解決できるわけではないので、その他の機械学習も含めて、メリット・デメリットを理解し、使い方もわかった上で手法を選択していくことが必要です」(山崎さん)
また、巣籠さんは「まずは広く浅く理解することが一番効率的」だと言います。
「ディープラーニングで実現できることの範囲が、一番大きいのは間違いないけれど、過去のブームの手法で実現できることもそれなりに多いです。また、単独の手法で何かをつくれると誤解されがちですが、実際には複合技でつくり出すケースがすごく多いです。そういった意味でも、どの手法で何が実現できるのかを理解することはとても大切。各手法を学ぶことで、どれを組み合わせればいいのかを意識できるようになるといいですね」(巣籠さん)
この人材、「AIができる!」と判断できる基準とほしい適性とは?
その人材は、今求めている「橋渡し的」役割を果たすAI人材なのか?できるAI人材を見極め、育成の基準となる指針を、JDLAが行うG検定・E資格のシラバスを参考に紐解こう。
AIジェネラリストの育成に必要なこととは?
「“AIジェネラリスト”は、数学部分をわかっていることがベターではありますが、それ以上にAIや機械学習の技術を使って何が実現できるか、ということをきちんと理解できる人材であることが大事です。私は『AI的思考力』と言っているのですが、たとえば世の中にある“AIで◎◎分析”などAIを標榜する言葉を見たときに、これが第何次ブーム期のどの手法を使っているものか、想像できるだけの知識を持っていなければならないと思っています」(巣籠さん)
また、いいAI人材に育てていくためには、試行錯誤の過程が必要不可欠だと、渡邉陽太郎さん。
「解決したい問題に対して、どの技術を使うのか、というのはある種センスのようなものです。『こういうタイプの問題には、こういう技術を使えばいい』という勘所を養うためには、とにかく試行錯誤が必要。どういう手法があり、それにはどのような性質があるのか、こういうケースに適している技術は何か—?実験をしてみてダメだったという経験を積むことで、いいAI人材に育っていけるのだと思います。AIには、『絶対にこれが唯一の正解』というのはないですが、『これはやってはいけない』ということは、はっきりとあります。経験を通し肌感覚でつかんでいくことと、過去のケースをとにかく自分の中にインプットすることを心がけるといいのではないでしょうか」
効率的にAIエンジニアに育っていく人材とは?
「AIエンジニアの場合は、理論をきちんと理解していることがすごく大事だと思っています。AIは今、コモディティー化していると言われはじめましたけど、まだまだ発展途上の分野です。今はまだ、理論部分を十分に理解できていなくても、実装ができて、それなりの成果を出すことができることだけで評価されるかもしれません。でも、ただ使えるというだけでは、イノベーションを起こしていくことはできません。ディープラーニングや機械学習を、数学的な意味で支えている部分をきちんと理解しておくことは、どんどん新しく出てくる手法をキャッチアップするためにも、間違いなく必要でしょう。その上で、実装部分のこともわかっていることが求められます」(巣籠さん)
また、AIエンジニアとして育成しやすい人材について新村さんは、以下のように話します。
「AIをビジネスに導入する場合、Webサービスやスマートフォンアプリなどに組み込む必要があります。それを踏まえると、システム開発の知識・スキルを持ったエンジニアに、どう深層学習や機械学習のモデルを構築するのか、アルゴリズムはどうなっているのかなどを教えていくのが効率的だと感じています。学術レベルのことを、サービスレベルに落とし込む役割を担うAIエンジニアは、ロジカルをプログラミングに落とし込む橋渡しをする存在です。そのためにも“お客さまに提供する”という視点や意識を持つことが大切なのだと思います」
![](https://book.mynavi.jp/files/user/img/brand/wdw/article/2018/10/656d30bf0c9acb0744949b927fcd9355.jpg)