社会全体で見たときに、社内の効率化、自社製品への導入、新規事業の創出、非専門家の技術活用など、AI技術の活用に関しては日本の企業は他国に類を見ない意欲の高さで臨んでいると実感しています。AI Experienceにおいても、日本の主産業である製造や小売りを始め、メディア、製薬、金融、オンラインサービス、物流など、非常に幅広い業界の企業が事例を紹介し、AI活用の最先端を見せつけてくれました。この事実を知らない人こそ、これから取り残されていく人でしょう。
データ収集行為（知ろうとする行為）そのものが現実を決定する、という理論を突き詰めたアメリカの物理学者John Wheelerは、「過去とは人間が振り返り知ろうとする行為そのものによって作られるものである。それ以前からそこにあるのではない」として、この目玉宇宙の図に行き着いたのです。
各ユーザーさんのあまりに進んだ事例に、参加している誰もがものすごく興奮していました。これはもう機械学習中毒ですね。中にはまだ数ヶ月しか利用していないのに、もうデプロイ寸前まで到達しているお客さんもいれば、諸事情でデプロイまで到達できなかった、ということを素直にお話いただき、他のユーザーさんからの「ある、ある」とともに新たなディスカッションに発展したりと、非常に有意義な時間を過ごすことが出来ました。お話できないのが本当に残念！
いろいろなデータを見ていたら中には意外に見えるものもある・・・これには専門的な名前があってどこでも効果（Look Elsewhere Effect）と言います。統計的な分析（機械学習も含まれる）におけるインサイトとは、常に統計的な偶然と隣り合わせです。つまり「この結果が偶然だとするとそれは1000回に一回の偶然」というような言われ方をされますが、もしも1000回実験をしたら1回起こってしまうのです。
このビジネスは、まだまだ成長途中ですが、多くの人をインスパイアしながら、ドキドキは続きます。初めてDataRobotを見たときに「これは行けるんじゃないかな」と思った感覚は、自分の中では随分前から確信に変わっていたけれど、多くの人にとっては、このイベントの体験が、いろいろな疑問を確信に変えるきっかけになったと思います。
機械学習技術の企業への導入で私が日々目にしている事。AIに高い期待を寄せ、AI研究所やイノベーション推進室やを立ち上げながらも、技術の導入によって大きな変化をなかなか起こせない企業の課題とは
「医者」とか「弁護士」、とかであればなかなか「明日から俺は医者だ」などと言うことはできないと正しく認知されていますが、データサイエンティストの場合、突然「今日から・・・」などということに遭遇します。私は学歴主義は嫌いですが、専門職につくためには専門的な教育が必要です。そして科学者になるための資格と言うのは実はあります。
